Nemotron 3.5 Super VL 对比 DeepSeek V4 Flash Vision Exp：八个指标点，其中只有一个是产品

在 Artificial Analysis 智能指数上，DeepSeek V4 Flash Vision Exp击败NVIDIA Nemotron 3.5 Super VL，领先 8.35 分——34.84 对 26.49，两者均非估算值——其公布价格为每百万输入 token 0.44 美元、输出 1.32 美元，而 NVIDIA 根本没有公布任何价格。这就是只看规格表的人会得出的结论，而据此行动是错误的。这两款模型争夺的并不是同一个位置。NVIDIA Nemotron 3.5 Super VL 是一款正式可用（GA）的模型，配有技术报告、NIM 微服务、企业级支持，以及涵盖 Scale AI、Salesforce 和 CrowdStrike 的后训练生态系统。而 DeepSeek V4 Flash Vision Exp，仅从其文件名就能看出是一次实验：V4 家族的首个多模态成员，以权重加一份极简 PyTorch 参考实现的形式发布，并且是在 DeepSeek 并不出售的某种配置下参与该榜单评测并获得分数的。八分是真实的差距。这同时也是服务与研究产物之间的差距，而真正有用的问题不是谁赢，而是六个月后哪一个能落在你的合规边界之内。

每一个到底是什么

NVIDIA Nemotron 3.5 Super VL 是一个 120B 参数的混合架构——包含 Mamba-2 层、具有 512 个路由专家的混合专家（MoE）以及注意力机制——并配备 C-RADIO 视觉编码器，每个 token 激活 12B 参数，上下文最高可达 1M token，并原生支持多 token 预测（Multi-Token Prediction），无需单独的草稿模型即可进行推测解码。其输入为文本、图像和视频；输出为文本。NVIDIA 自身的评估涵盖 OCR、图表与文档推理、视频理解和长上下文任务，许可证为 OpenMDW-1.1，允许商业使用。它附带一份技术报告，以及针对 4×H100 或 2×GB200 的已发布部署方案。

DeepSeek V4 Flash Vision Exp 基于 DeepSeek-V4-Flash 架构构建，新增了视觉模块并进行了持续训练。该仓库包含 MIT 许可下的 48 个 safetensors 分片、一个分词器、一个将 OpenAI 风格消息块转换为提示的编码模块，以及一个最小化 PyTorch 实现，涵盖视觉编码器、对齐器、DFlash 注意力、MoE、Hyper-Connections 和 DSpark 前向路径。配置显示了一个 43 层 MoE，具有 256 个路由专家、每个 token 6 个专家、1,048,576 个最大位置以及一个三层多 token 预测头。模型卡明确指出，这是 DeepSeek V4 系列中首个实验性多模态模型，并且在多模态智能体任务上优于 DeepSeek-V4-Flash-0731，同时在纯文本任务上保持相当的性能。

• 参数与架构——NVIDIA Nemotron 3.5 Super VL：总计 120B / 激活 12B 的混合 MoE，配备 C-RADIO 视觉。DeepSeek V4 Flash Vision Exp：总计 284B / 激活 13B 的 MoE，256 个路由专家，每个 token 激活 6 个。

• 智能指数 — Super VL 为 26.49，所服务的 DeepSeek 配置为 34.84。两者均为非估算值，均依据 Artificial Analysis。

• 每个索引任务的输出 token 数——49,174 对 69,174。Super VL 以少 29% 的 token 完成面板的任务。

• 价格——Super VL 在任何地方都没有公布费率；根据同一面板，所服务的 DeepSeek 配置为每百万输入 $0.44 / 输出 $1.32。

• 许可与承诺 —— OpenMDW-1.1，支持商业使用，Super VL 已正式发布（GA）并提供 NIM 服务；DeepSeek V4 Flash Vision Exp. 采用 MIT 权重及参考实现，标注为实验性。

• 模态 —— 根据 NVIDIA 的产品说明，Super VL 支持文本、图像和视频输入；而 DeepSeek 模型为图像输入、文本输出，其自家的基准测试表中完全没有视频相关条目。

八分的差距站得住脚；价格对比则不然

从真正已经确定的部分说起。DeepSeek 的模型得分更高，且每个 token 的成本更低，而这一差距并非噪声——8.35 个指数点大致相当于 NVIDIA Nemotron 3.5 Super VL 与 NVIDIA 自家的 550B NVIDIA Nemotron 3 Ultra 550B A55B 之间的差距，后者位于 22.93。因此，诚实的表述是：中国实验室一个实验性的 284B 多模态发布版本，目前在得分上超过美国实验室的旗舰开源视觉模型，而其在活跃参数维度上的规模大约只有后者的三分之一，并且价格是公开的。如果你通过 API 交付的工作负载是屏幕和图表理解，那这就是全部答案，你可以不用再读了。

一旦你想亲自运行，这个比较就站不住脚了，而这正是这两个模型存在的原因。34.84 这个数字对应的是已部署的 Max 配置，而不是你可以部署的检查点。Hub 仓库是在 MIT 下真正发布的权重，但 DeepSeek 自己的模型卡把它呈现为一个实验性产物，仅提供极简的推理路径——这是实验室为了让研究人员复现论文而发布的那类版本，而不是它会用企业合同去支持的那类版本。NVIDIA 做的则相反：在发布产品的同时发布权重，并期望调用方自行托管。在两家实验室选择公布的基准测试上，差异就显现出来了。DeepSeek 强调多模态智能体工作——ApexBench 36.5，而其纯文本模型为 26.2；Chartography 64.3；ZeroBench 在 pass@5 下为 35.0；Agents' Last Exam 27.3。NVIDIA 强调文档和视频场景——OCRBench v2 英文 68.12，MMLongBench-Doc 62.82，CharXiv 推理 80.82，Video-MME v2 32.85。这两组数据彼此不可比，而且都是厂商自行报告的。

在供应商编号彼此不一致的情况下

NVIDIA 自己的表格里有一个细节值得用一段话来谈，因为它正是那种会在汇总过程中被洗掉的东西。NVIDIA 的对比栏中包含了 DeepSeek-V4-Flash0731，并为其报告 Terminal-Bench 2.1 得分为 76.80。DeepSeek 自己的模型卡对同一模型在同一基准上报告 82.7，对 DeepSeek V4 Flash Vision Exp 则报告 83.9。三个数字，同一个基准，两套测试框架，而双方都没有进行对账。这算不上丑闻——不同的脚手架和推理强度设置会让智能体基准测试浮动几个点，而 NVIDIA 公布其 NeMo Gym 配方，正是为了让这些设置可以被检查。但这意味着，当你看到 8 个点的指数差距时，指数本身才是可靠的部分，而各组成基准测试则不是。该指数是第三方将同一套测试框架应用于两个模型的结果。而那些基准测试表格，则是四个实验室在各自脚手架上给自己批改作业。

在同一面板上，两个模型的全知指数均为负。Super VL 为负 4.22，准确率为 23.3%，幻觉率为 35.8%；该行衡量的是模型在不知道答案时是否会拒绝回答，而这两者都不擅长这一点。GDPval-AA——衡量的是已完成的交付物而非答案——给 Super VL 的分数为 1,162.41，给 AA-Briefcase 评分标准的 Elo 为 998.76。对于 DeepSeek 模型，在所提供的配置中，同样的行并未填充数据。如果你的用例是知识检索，这两个数字都不令人鼓舞。如果是文档生成，Super VL 拥有这一对中唯一有测量结果的行。

运行其中任意一个

部署阶段才是两条路径彻底分道扬镳的地方。NVIDIA Nemotron 3.5 Super VL 在 4×H100 或 2×GB200 上以 BF16 提供服务，搭配版本固定的 vLLM 与 SGLang 容器，另提供一个 NVFP4 构建以缩小资源占用，并给出了以 2 FPS 采样 256 帧、剪枝率 0.5 的视频流水线文档。DeepSeek V4 Flash Vision Exp 则发布了一套 vLLM 配方，用于单台 4×GB300 节点，配备 FP8 KV 缓存、块大小 256，以及从同一检查点抽取的 DSpark 投机解码，此外还有一条 SGLang 路径——销售侧更轻省，但对"你知道自己在做什么"的假设更重。两者都需要数据中心级硬件；都不是能在笔记本上跑的模型。值得注意的是，它们唯一的共同点是：厂商一旦下调标价，当天就会以成本价出现在 OrcaRouter 上，因为我们将供应商定价原样传递，在 200 多个模型上加价 0%，全部通过单一密钥访问，而自动故障转移让你可以把尚未验证的检查点放到一部分流量上，同时由已验证的检查点承接其余流量。当那 8 分的差距和缺失的价格让决策真正难分高下时，这就是务实的答案：两个都接上路由，用你自己的输入去测，让流量来给出结论——但有个前提：目前两者中只有一个可以接入路由。DeepSeek V4 Flash Vision Exp 已经在我们的目录中，按其供应商公布的价格计费，而非加价后的价格；NVIDIA Nemotron 3.5 Super VL 则尚未上架，因为没人能可靠地为一个三天前的检查点提供服务。这种不对称值得明说，而不是暗示我们两者都提供。

每个选择各占一行

选择 NVIDIA Nemotron 3.5 Super VL，如果工作对象是文档、图表、扫描页和视频，如果许可证必须允许商业使用，如果你需要一家一年后仍会回复关于该检查点的支持工单的供应商——同时接受你将放弃 8.35 个指数点，并且要花钱买 GPU 而不是按 token 付费。当工作是通过 API 进行图表和屏幕理解、当每百万 token 0.44 美元和 1.32 美元就是预算线、当实验性版本的 beta 级定位可以接受时，选择 DeepSeek V4 Flash Vision Exp——同时接受所服务的配置不是该检查点，而该检查点也不受支持。需要这两种行为的团队通常运行的是两种不同的工作负载，而两种不同的工作负载正是一个带故障转移的端点存在的意义。