Nemotron 3.5 Super 与 Gemini 3.1 Pro：一个是文件，一个是预览版

{{2}}NVIDIA Nemotron 3.5 Super{{/2}}{{3}}与{{/3}}{{4}}Gemini 3.1 Pro{{/4}}之间最具决定性的差异NVIDIA Nemotron 3.5 Super与Gemini 3.1 Pro这款 NVIDIA 模型——总参数 1200 亿、每 token 激活 120 亿，在 Mamba-2 与 Transformer 混合的专家混合架构上外挂了一个 C-RADIO 视觉编码器，以更完整的名称NVIDIA Nemotron 3.5 Super VL发布，并在 Ollama 上以 nemotron-3.5-super 之名提供——它是一组文件。这些文件于 2026 年 10 月 12 日上线 Hugging Face，比 NVIDIA 自家新闻编辑室 10 月 15 日发文将其正式公布还早三天；今晚你就能下载这 82.3 GiB 的文件，并以允许商业使用的许可证在自己的显卡上运行。谷歌的Gemini 3.1 Pro于 2026 年 2 月 19 日发布，至今仍作为预览端点提供服务。八个月过去了，它是一个你能调用、却无法握在手里的模型。

这种说法并不是在贬低任何一种方式。预览端点是前沿实验室发布并迭代尚未准备冻结的东西的方式，而对大多数团队来说，这是更划算的选择。但这两个模型在部署中占据不同的位置，而诚实的比较在于你需要哪个位置——不在于哪一个能在表格中胜出。

在给出数字之前，有一件事需要直说。Nemotron 3.5 Super 在本文撰写时问世才四天。厂商已经发布了它，所以这并不是那种未获确认意义上的低调发布，但围绕它的独立证据基础大致只有一个评测面板得分和大量厂商自己提供的数据行。Gemini 预览版则拥有八个月来全世界的关注，以及大得多的第三方评测体系作为支撑。在证据薄弱之处，本页会如实说明，而不是把话说满。

硬件对抗密钥

• 您将获得——一个检查点：BF16 参考权重、一个 Base 变体和一个 NVFP4 构建版本，外加一个独立的 LiLiCorr 草稿模型，全部于 2026 年 10 月 12 日发布 · 一个通过 API 密钥访问的托管端点，自 2026 年 2 月 19 日起处于预览状态。

• 许可 — OpenMDW-1.1，允许商业使用，且模型卡声明该检查点已可用于商业或非商业用途 · Google 的服务条款。

• 参数 — 总计120B，激活12B，每个MoE层512个路由专家，已在模型卡上完整披露 · 未公开发布。

• 直接接触硬件 — BF16 需四张 H100 或两张 GB200；默认 4-bit tag 需一张 96 GB 显卡，占用 82.3 GiB 加 1.6 GiB 的视觉投影器 · 无需，设计使然。

• 上下文 — 最高 1,000,000 个 token，但该卡片自身也提醒：可用内存和运行时设置决定实际可用的数值，并且提示词、图像、历史记录、工具结果和生成的 token 都共享这一预算 · 1,048,576 个 token 的上下文。

• 输出上限——NVIDIA 的规格说明或运行时注册表中均未公布该数值 · 65,536 个 token。

• 模态文本、图像和视频输入，文本输出；视觉通路并非可选，每个已发布的 tag 都带有 projector · 文本、图像、视频、音频和文件输入，文本输出，这是本次对比中所有项目里最宽广的输入面。

• 按量计费价格 — 未公布任何价格；只能自托管，别无他选 · 每百万输入 2 美元、每百万输出 12 美元；当提示超过 200,000 个 token 时，价格将翻倍至 4 美元及 12 美元起。

决定部署的两行是价格和输入。NVIDIA 模型没有价格，因为它没有端点——它的成本是硬件和电力，唯一重要的变量是利用率。Gemini 预览版的价格里藏着一道悬崖：前 200,000 个输入 token 按每百万 $2 计费，超出部分则要按双倍计费——在你搭建一条每次调用都要塞进一百万 token 上下文的流水线之前，这是你该知道的细节。

视觉编码器正是这两者真正交汇的地方

两款模型都支持图像和视频，这使得这一维度上的比较是直接的，而非结构性的。这也正是证据最不均衡的维度。

在 NVIDIA 自己公布的表格中，所有厂商测试均通过 NeMo Gym 测试框架运行：MMLongBench-Doc 上为 62.82，MathVision 上为 78.16，CharXiv 推理上为 80.82，OCR-Reasoning 上为 65.08，V* 上为 85.60，OCRBench v2 英文上为 68.12，中文集上为 59.15，Video-MME v2 上为 32.85，OSWorld-Verified 上为 51.14。这些数据与一个能够胜任文档和图表阅读、但在中文文本上明显弱于英文的模型相符。

Google 尚未以 NVIDIA 使用的格式为这个预览版发布对照表，而本页也不会把来自不同测试框架的数字拼在一起，伪造出这样一张表。可以如实说明的是：为这两个模型打分的同一个第三方榜单，在其综合指数上将 Gemini 预览版排在略高一些的位置——约 29.7，而 NVIDIA 检查点为 26.49——并且该榜单对 Gemini 条目的评测对应的是其 2 月发布时的版本，而非任何更近期的修订版。鉴于指数差距约为三点，且两个条目的测量时间相隔八个月，把其中任何一个当作对另一个的定论，都属过度解读。

什么不算过度解读：Gemini 预览版接受音频输入，而 NVIDIA 的检查点则不支持。如果你的输入包含通话录音、会议记录，或任何音频轨道，那么这场比较在参数还没摆上台面之前就已经有一半见分晓了。反过来，如果你的工作负载是固定的文档语料库，每天要处理成千上万次，那么一个能以固定成本在本地运行的模型，与一个你每看一页就要按每百万 token 收费 2 美元的模型，在结构上完全是两回事。

NVIDIA 默认设置中那个无人写过的陷阱

这种细节只有在你阅读运行时注册表、而不是厂商博客时才会显现，而它值得用一整段来写。

模型卡指定了两组推荐的采样配置：文本使用 temperature 1.0 和 top_p 0.95，视觉使用 temperature 0.6 和 top_p 0.95。Ollama manifest 中随附的默认值是文本那一组。这意味着，大多数人默认运行这个视觉模型时所采用的配置，是针对模型中并非视觉的那一半调校的。如果你在扫描页面或图表上第一次体验它时感到失望，那么首先要检查的就是采样设置——在就检查点本身的能力下任何结论之前。

来自同一 manifest 的两个相关细节。配置 blob 声明 model_type: 123.6B，而每个面向用户的标签都写着 120B，这是舍入上的分歧，而不是权重本身有出入；但当工具脚本判断什么能装得下时，它就有影响了。而且运行时门禁是强制执行、而非建议性的：requires: 0.40.5，因此在任何更早版本的 Ollama 上，这个模型根本无法拉取。

八个月的空窗期究竟价值几何

可以说，一个已经承受了八个月流量考验的预览版，在某些方面比一个才四天大的检查点更值得信赖，而且这是个很有说服力的论点。

一个预览端点已经被反复捶打。它的失效模式由其他人记录在案。它的价格是公开标出的，而非靠推测得出。它的上下文窗口表现与文档所述一致，因为成千上万的用户已经发现了它在哪些地方并不一致。而一个 Google 八个月来一直留在预览阶段、而非转为正式发布的预览版，至少没有被悄悄撤回——这是关于该模型商业可行性的信息，而任何仓库时间戳都无法为你提供关于 NVIDIA 检查点的这类信息。

相对而言，预览版有两项自托管文件所没有的成本。第一项是它会变化。预览状态明确表示该端点可能在不另行通知的情况下被修订，而一条针对某个预览版确切行为进行调优的流水线，就是一条内含未对冲依赖的流水线。第二项是它的经济性会线性且永久地扩展。不存在某个用量阈值，超过之后 Gemini 预览版每 token 会变得更便宜；但存在某个用量阈值，超过之后四块 H100 的固定成本会胜过它。那个交叉点才是唯一应当驱动这一决策的数字，而且它是你的流量属性，而不是任一模型的属性。

而 NVIDIA 这个检查点的八个月滞后并不纯粹是劣势。厂商不仅发布了权重，还发布了可复现的评测框架和一份技术报告，而模型卡上的发布日期字段和仓库时间戳也都与新闻稿对得上。即便审计才刚刚开始，这也是比大多数开放权重模型发布更可审计的发布流程。

这两者都不在我们的关键项上，而其中一个才是真正重要的原因。

关于可用性，值得把话说直白。Gemini 3.1 Pro 已可在 OrcaRouter 上以预览形式访问，按提供商标价原样传递，不按 token 加价——输入 $2、输出 $12，并且长上下文档位按 Google 公布的价格计费，我们这边当天即上线，而不是等到下一次续费时。如果你想弄清这个预览版能否处理你的文档工作负载，那就只需一个密钥，无需采购流程。

Nemotron 3.5 Super 不在我们的密钥中。我们路由了略多于两百个模型，其中没有 NVIDIA Nemotron 条目，因此本文并不是在暗示你可以在我们的平台上调用它。你的途径是 NVIDIA 自己的构建与分发渠道，以及本地运行时拉取。

路由层在这里真正有用的地方，是这一决策中与基准测试无关的部分。首先，将你们实际的文档工作负载运行在托管预览版上。如果它达到了标准，你就了解到该工作负载是前沿模型能够处理的，现在你就可以基于规模来论证是否要将其中的任何部分迁移到本地运行的检查点。如果它没有达到标准，你学到的东西甚至更有价值，而且你学到它的代价只是几美元的 token，而不是一个集群的代价。

勉强通过的裁决

如果你需要音频输入、尽可能广泛的输入模态集合、已公布的输出上限，或者一个失败模式已被他人摸清的模型，那么 Gemini 3.1 Pro Preview 就是答案；而且它背后八个月的第三方评测，其价值比那三个点的指数差距所显示的要更高。

如果你需要持有该模型、获得其商业使用许可、在你自己拥有的硬件上运行它，并为你持续处理的文档工作负载支付固定成本，那么这个月，NVIDIA 检查点首次成为一个真正可行的选项——但附带三个具体的注意事项。默认标签是 4 位量化，而针对该量化尚无已发布的评估。随附的采样默认值是该显卡的文本设置，而不是其视觉设置。而且，这个模型才发布了四天。

先用你自己的数据试用预览。如果可行，问题就只是量的问题，而量是算术。如果不可行，你刚刚就省下了一个集群。

这一切都并非假设：像本次这样的发布背后那些有据可查的 AI 故障与智能体事件，均收录于 OrcaRouter AI 事件档案库中，其中每条记录都附有自己的来源、严重程度、置信度评级和存疑标记。