Nemotron 3.5 Super VL 对比 Nemotron 3 Ultra：比旗舰更便宜，还是只是更小？

NVIDIA 有三档 Nemotron 3.5，其中一档对规划者来说是个陷阱。NVIDIA Nemotron 3 Ultra 550B-A55B于 2026 年 6 月 4 日发布，是该系列的旗舰：5500 亿总参数、每 token 激活 550 亿参数、带多 token 预测（Multi-Token Prediction）的 LatentMoE 层、100 万 token 上下文，并明确要求至少 16 块 H100 或 8 块 GB200。NVIDIA Nemotron 3.5 Super VL的权重于 2026 年 10 月 12 日登陆 Hugging Face，NVIDIA 随后在 10 月 15 日发布公告；它是低一档的型号：1200 亿总参数、120 亿激活参数、同样 100 万 token 的上下文、一个 C-RADIO 视觉编码器，最低配置为 4 块 H100 或 2 块 GB200。NVIDIA 自己为 Super VL 制作的规格页直接拿它与 Ultra 对标，并声称在参数量约为其五分之一的情况下，准确率已接近 Ultra 的水平。这一说法是厂商自报、未经复现，而整个对比就系于这一句话。

真正决定部署的算术

从这两个检查点在物理上需要什么开始，因为那才是预算负责人签字批准的数字。

• 总参数量——Super VL 为 120B，Ultra 为 550B。权重占用约为其 4.6 倍，而占满 GPU 的正是这些权重。

• 每个 token 的激活参数——12B 对 55B。每个 token 的计算量随它扩展，而不是随总量扩展，这就是为什么两个模型的运行成本都远低于其规模所暗示的水平——也是为什么它们之间的差距在内存上是 4.6×，在每 token 的算术量上同样是 4.6×。

• 最低硬件配置——Super VL 需要 4×H100 或 2×GB200；Ultra 需要 16×H100 或 8×GB200。实际来说，就是一个节点对一整个机架。

• 模态——Super VL 支持输入文本、图像和视频；Ultra 为文本输入、文本输出。Ultra 完全没有视觉通路。

• 注意力设计 —— Super VL 是交错式 Mamba-2、专家混合与注意力的混合架构，每个 MoE 层有 512 个路由专家；Ultra 采用 NVIDIA 的 LatentMoE 方案。两者都带有用于推测解码的 MTP 头。

• 许可证 — OpenMDW-1.1，权重与配方两者均可商用、均开放。

这六行所呈现的模式是：Super VL 并不是缩水版的 Ultra。它是一种不同形态的模型：具备视觉能力，内存占用小得多，而且——尤为关键的是——可部署在中等规模团队可能已经拥有的硬件上。Ultra 的入门门槛是数据中心级的议题。Super VL 的入门门槛是一台正经的推理节点。

多出的430亿活跃参数能换来什么

一般推理情况

Ultra 的定位是居于 NVIDIA 产品阵容顶端，专为纯文本推理打造；NVIDIA 在 6 月发布时，将其与六款当代前沿模型在知识、数学、编程和长上下文测试套件上进行了基准对比。这些数字，如同本比较中的每一个数字一样，都来自 NVIDIA 的评测框架，而非独立评估方，因此它们说明的是 NVIDIA 测到了什么，而不是第三方会测到什么。

多模态案例

这正是对比发生反转的地方。Ultra 无法读取页面。如果工作涉及文档、表格、图表、截图或视频帧，那么旗舰模型根本不在候选之列，而家族中最大的模型无论其推理指数有多好，都与你的问题无关。Super VL 的视觉编码器和连接器正是为这类工作负载而存在，而其公开的强项——OCR、从视觉文档中进行结构化提取、多步骤业务工作流——所描述的是一项与 Ultra 所调优的任务不同的工作。

长上下文场景

两者都能达到 1M token。NVIDIA 用一个专门的 350 亿 token 阶段扩展了 Super VL 的上下文，随后又做了一轮长上下文恢复，这比单看最大长度是更强的信号：它意味着长输入被视为一种需要保留的能力，而不是一个用来宣传的缓冲区。Ultra 通过自己的训练流程达到了同样的窗口。在没有对二者进行独立长上下文评估的情况下，就把它当作平局，只不过可合理认为，你自己的检索轨迹显示能在超过 200k 后仍撑住的模型略占优势。

服务一方或双方，以及层级陷阱

陷阱在于假定这一家族是一架你向上攀爬的梯子。它更像是一种分区，而分区的划分依据是每任务成本，而非能力。一个需要两块 GB200、完成文档任务比同级别快五倍的 12B 激活参数模型——如果 NVIDIA 的吞吐量说法成立——在该任务上胜过 55B 激活参数模型，无论哪一个更聪明，因为更聪明的那一个只能空等着更快的那一个把队列清空。把任务换成不含像素的长时程编程或数学问题，Ultra 多出来的参数就在做真正的工作。

这两者都不在我们的目录中，而这一点值得明确说明，而不是用一句含糊的话让人误以为相反：OrcaRouter 不提供 NVIDIA Nemotron 3.5 Super VL、Nemotron 3 Ultra 550B-A55B，也不提供任何其他 NVIDIA 检查点。它们是需要你自己部署的权重。在这样一个决策中，路由层所贡献的是测量能力，而非访问权限。路由 DSL 让你可以把同一个提示词交给两个上游模型，并排阅读它们的回答，因此，用 12B 激活参数的候选模型去评测 55B 激活参数的现有模型，只需改一次配置，而不是两个集成项目。自动故障转移之所以重要，原因正好相反：如果你所路由到的托管模型在流水线中途性能下降，请求会被转移而不是失败，这为那些将 Super VL 自托管作为主路径的团队保留了一条可用的回退通道。而对于那些不应由任何自托管层承担的部分工作负载——突发流量、罕见模态、一次性的大上下文任务——一个密钥背后即可访问的目录，超过两百个模型，按提供商标价 0% 加价，正是这些请求的去处。

对那段话最诚实的表述是：这两个模型，我们都不是供应商。我们是那一层——让对比跑起来成本很低，让升级路径维持下去成本也很低。

承诺前需要验证的说法

上述一切归结为一个未经证实的句子：一个拥有120B参数、其中12B活跃的模型，在参数数量大约只有五分之一的情况下，就能与NVIDIA最大的推理模型相匹敌。如果这一点成立，那么对于混合工作负载，Super VL是更好的默认选择，而Ultra则保留给那些真正需要它的少数尾部问题。如果它不成立——而且在发布一天后，NVIDIA之外还没有人进行过测量——那么这两个层级就只是同一事物的不同规模而已，选择就退回到你的任务需要什么：是像素还是无像素，是一个节点还是一个机架。

这个测试成本低且针对性强。从你自己的任务队列中取出五十个有可核查答案的真实任务，分别在两者上运行，并按完成情况打分，而不是按基准分数。决定你为哪个档位购买硬件的，是那个数字，而不是 NVIDIA 的数字——而且当下一个 Nemotron 版本发布、这个页面被重置时，仍然成立的就是这个数字。