Nemotron 3.5 Super VL 与 Nemotron 3.5 Super VL 120B：一个模型，五个文件，三种不同行为

这项对比之所以存在，是因为一个搜索框促成了它。NVIDIA Nemotron 3.5 Super VL 和 NVIDIA Nemotron 3.5 Super VL 120B并不是两个模型。它们其实是同一个检查点，只不过有两种写法；没有任何基准测试能将它们区分开，因为本来就没有什么可区分的：120B 是 Super VL 的参数数量，而较短的字符串是营销页面对该文件的称呼，该文件的完整仓库名称是 nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16。围绕这个检查点的命名混乱，正是那种最终会出现在事后复盘中的事情，而记录在案的事件则收录在 OrcaRouter AI 事件档案 中，每条记录都带有自己的来源、严重程度、置信等级和争议标记。

所以写一篇正面对比文章是错的。有用的版本是从同一个困惑延伸出来的那个：如果两个名字指向同一个模型，那为什么下载“Nemotron 3.5 Super VL”会得到五个不同的仓库、三种不同的下载大小和两种不同的架构，而你实际拿到的是哪一个？

命名，拨云见日

NVIDIA 为同一个发布版本使用三个重叠的标签，它们相互嵌套，而非彼此冲突。

• Nemotron 3.5 Super VL — 产品名称。博客文章、专题讨论小组以及每篇新闻报道都这样称呼它。

• Nemotron 3.5 Super VL 120B——名称相同，只是在后面附加了参数数量。常见于对比表格和目录列表中，包括生成本页面的那些列表。

• NVIDIA-Nemotron-3.5-Super-VL-120B-A12B — 仓库名称主干，其中附加了激活参数数量。所有可下载的产物都以此为基础：BF16、NVFP4、Base，以及一个 NVFP4 LiLiCorr 草稿模型。

这三者中没有一个是不同的模型。真正不同的东西在下一层，也就是精度和后训练后缀，而真正的决策正取决于那里。

五个文件，以及每个文件实际上究竟是什么

这五个都是在彼此相隔约四天的时间内出现的，而它们的创建时间戳是现有最可靠的发布证据——比公告日期更可靠，因为公告日期晚于它们全部。

• ...-120B-A12B-Base-BF16 — 创建于 2026-10-12T15:31:49Z。后训练前的检查点。无指令微调，无工具使用训练，无推理模式。如果你打算自行进行后训练，这就是你的起点；如果你不打算，那它对你毫无用处。

• ...-120B-A12B-BF16 — 创建于 15:32:06Z，十七秒后。最终版 instruct 模型，全精度，分布在 63 个分片上，总量约 249 GB。NVIDIA 的部署配置是：在 H100 上采用张量并行 4，或在 GB200 上采用 2。

• ...-120B-A12B-NVFP4 — 创建于 15:32:30Z。同一套后训练权重，在训练期间而非训练后量化为 4 位，约 75 GB。这是大多数人实际会部署的文件，可在单个 H200、两个 H100、一个 GB200 或单台 DGX Spark 上运行。

• ...-120B-A12B-NVFP4-LiLiCorr — 创建于 2026-10-11T20:20:59Z，比其他项早一天，也早于任何公告的出现。它并非通常意义上的模型：而是一个推测解码草稿模型，NVIDIA 的博客后来将其称为 DGX Spark 上低延迟推理的推荐之选。

• GGUF 与社区量化版本——由第三方派生，并非 NVIDIA 发布，也不属于该厂商所报告的任何范围。

如果你来这里是想找“这两个哪个更好”的答案，那么答案是：这五个中有两个根本就不是彼此的替代选项：基础检查点和指令检查点是同一次训练运行的不同阶段，而草稿模型也不是你会直接调用的模型。

全精度构建和 4 位构建之间有哪些变化？

这是命名纠葛中唯一具有实际后果的比较，却也是独立证据最少的一个。

• 磁盘与内存 — BF16 为 248.94 GB，NVFP4 为 75.06 GB。相差 174 GB，而这正是四块 H100 与两块 H100 之间的差距。

• 数值格式 — NVFP4 在 Blackwell 上以 W4A4 运行，在较旧硬件上以 W4A16 运行。量化在训练过程中通过蒸馏施加，NVIDIA 表示这弥补了事后量化所产生的精度差距。

• 精度声明——NVIDIA 报告称，相对于 BF16 参考实现，精度恢复的中位数为 99.62%。这是厂商在自家测试框架上给出的数字，也是整个发布中最关键、却未经核实的一个数字。

• {{1}}独立评估——无。{{/1}} {{2}}Artificial Analysis 在其 Intelligence Index 上给该模型打出 26.49 分，非估算值，但并未为 NVFP4 构建单独发布一行数据。{{/2}} {{3}}你见过的关于此模型的每一个第三方数字，都是全精度或提供商默认设置的测量结果。{{/3}}

• 性能开销 — NVIDIA 表示不存在，因为量化发生在训练期间，而不是作为运行时的一个步骤。

在围绕 99.62% 做规划之前，请仔细解读这个数字。在一组未具名的评估中，“准确率恢复中位数”与“损失 0.38% 的能力”并不是同一种说法。中位数可以停在 99.62%，而单项基准测试可能向任一方向变动数个百分点；没有各基准测试之间的差异范围，这个数字能说明的问题比你乍看之下以为的要少。如果你的工作负载对某项特定能力敏感——长文档 OCR、图表提取、视频定位——唯一稳妥的做法是在你自己的数据上运行两个构建版本，因为 NVIDIA 并未公布你需要的那一行数据。

基础检查点就是那个没人拿去做基准测试的版本。

在这五个文件中，基础版本讨论最少，但如果你有后训练计划，它却是最有趣的。它具备相同的 120B 总参数和 12B 激活结构、相同的混合主干以及相同的视觉编码器，并且止步于产出 instruct 模型的六阶段后训练流水线之前——NVIDIA 也发布了该流水线的 SFT 和 RL 数据集，共十一个，全部在同一周内的一个 61 小时窗口里。

它缺少的是一张可用的基准测试表。它的模型卡运行了 MMLU 和 MMLU-Pro；后训练模型卡则完全舍弃 MMLU，改用 MMLU-ProX，并增加了智能体和评测框架层面的套件。这两组基准的重叠程度不足以回答“后训练究竟带来了多少提升”，这意味着要衡量这个问题，唯一办法就是自己把两者都跑一遍。开放权重让这成为可能，但并不会让它免费。

到底为什么会出现重名

三个成果物，三类受众，一次发布。博客文章需要一个短到足以放进标题的产品名：Nemotron 3.5 Super VL。产品目录或对比表需要一个在同一系列中可排序且明确无歧义的名称，而该系列还包含 Bolt 74B、Bolt E4B 和 Lightning 30B：追加 120B 就能做到。Hub 需要一个能编码精度和激活参数量的仓库名称，以便脚本无需人工阅读说明就能选取文件。

这种分层带来的代价体现在搜索上。两个含义相同的字符串会争抢同一个查询，而输入其中之一的读者会落到一个询问哪个更好的对比页面上。对那个查询有用的答案就是上面那个：它们是同一个文件，这个名字实际上可以指代五样东西，下面说明如何判断你拥有的是哪一个。

如果你是通过调用它而不是下载它，这意味着什么

通过 API，命名问题基本上消失了，因为提供商已经为你选好了一个构建——而这正是剩余歧义转移的地方。独立评测小组针对该检查点追踪了七台服务器，它们针对相同权重公布的价格从每百万输入 token $0.10 到 $0.20、每百万输出 token $0.40 到 $0.50 不等。其中两个条目明确标注为 NVFP4 构建；其余条目没有说明，而没有精度信息的价格，是你无法与另一个价格进行比较的价格。

这就是本页开头那个问题的实用版本。模型名称对应的是一个架构和五个文件；而价格并不会告诉你，你花钱买的是哪一个文件。问服务商他们提供的是哪个构建，以及他们的吞吐量数字是在 BF16 还是 FP4 上测得的，这比在同一个 checkpoint 的两种拼写之间做任何正面对比都更有用。

我们这边的坦诚说明很短：这个检查点不在 OrcaRouter 的目录中。 模型列表上有略多于 200 个 ID，并且目前没有 NVIDIA 条目，所以这里并没有提供该模型的服务。对于如此含糊的名称，平台真正提供的相关能力是一个路由层，它把模型字符串集中在一处：当某个变体真正落地时，调用点无需更改；可以在同一检查点的两个提供商之间分流流量，以便按你自己的负载进行比较；自动故障转移则覆盖其中一个提供商性能下降的情况。 提供商目录价按 0% 加价透传，这一点在这里尤其重要，因为该模型的价差达到 2 倍，而你更愿意看到它，而不是让它被并入利润空间。

一句话简答，献给那位搜索这个长名字的读者

Nemotron 3.5 Super VL 和 Nemotron 3.5 Super VL 120B 是同一个模型，于 2026 年 10 月 12 日以权重形式发布，并于 2026 年 10 月 15 日公布，总参数 1200 亿，激活参数 120 亿，上下文长度 100 万 token，支持文本、图像和视频输入，采用 OpenMDW-1.1 许可证。如果你要在某些选项之间做选择，那并不是在这两个名字之间选。而是在 BF16 和 NVFP4 之间选，在基础检查点和 instruct 版本之间选，以及在价格和精度未以相同单位标明的服务器之间选。这是三个真正的决策。名字不在其中。