Step 5 Preview 与 Nemotron 3.5 Super：两次权重发布，两种截然不同的许可证

2026年10月15日，StepFun 发布了 Step 5 Preview 的检查点，NVIDIA 发布了 Nemotron 3.5 Super 的检查点——这是一个拥有 1200 亿参数、120 亿激活参数的视觉语言模型，其在排行榜上的全名为 Nemotron 3.5 Super VL。两个旗舰级开放权重版本在同一天发布，除此之外几乎没有共同点。一个是 6000 亿参数的稀疏混合专家模型，专为长时程智能体任务打造，并采用 StepFun 自有条款授权。另一个是混合 Mamba-Transformer，在仅消耗五分之一激活计算量的情况下，输出速度约为 2.5 倍，其许可协议旨在无需额外沟通即可投入商业使用。在 Artificial Analysis 今天提供的指数上，两者的读数分别为 29 和 14。

那个分数差距是它们之间最不值得关注的差别。更有实际影响的差别在许可证页面上，它决定了这两者中哪一个能让你在无需事先征得任何人许可的情况下放进产品里。

10月15日，两次

这两个发布历史惊人地平行，这正是为什么这种比较一直被描述成一场竞赛。但它并不是——这些模型是为不同的任务而打造的，只是发布时间恰好重合。

• Step 5 Preview — API 于 2026 年 9 月 20 日上线；BF16 和 FP8 检查点于 10 月 15 日发布。StepFun 在自家公告中将这一延迟定性为有意为之：先上线端点、收集流量，再开放权重。

• Nemotron 3.5 Super VL — 权重于 2026 年 10 月 15 日以 BF16 和 NVFP4 格式发布。NVIDIA 在同一次发布中一并提供了检查点、训练配方、数据集以及用于投机解码的草稿模型，其自有的技术报告称，该模型在 SWE-bench Pro 上击败了 Nemotron 3 Ultra，而活跃参数约少 4.6 倍。

• 与同系列产品不同——Nemotron 3.5 Lightning 是同一批发布中较小的纯文本模型，属于另一款产品，并非本文讨论对象。Nemotron 3 Ultra 也不是本文讨论对象；我们已单独将其与 Step 5 Preview 进行比较，它位于曲线上不同的位置。

许可证才是更大的区别所在。

两者都被称为开放权重。两份许可证中只有一份的编写方式是不设门槛即可使用。

• Step 5 Preview — StepFun Model License 1.0。它读起来像一份 Apache 风格的宽松授权，带有署名要求，并附带针对超大规模部署触发的商业条件：已公布的条款规定，一旦产品月活跃用户超过约 1 亿或月收入超过 2000 万美元，就会附加单独许可义务。

• Nemotron 3.5 Super VL — OpenMDW-1.1，该许可直接允许商业使用。没有用户数量触发门槛，没有收入触发条件，也无需单独协商。

• 权重格式 — Step 5 Preview 提供 BF16 和 FP8。Nemotron 3.5 Super VL 提供 BF16 和 NVFP4；NVFP4 是专为 Blackwell 硬件打造的四位格式，NVIDIA 报告称，在 36 项基准测试中，其相对于 BF16 基线的中位准确率恢复率达到 99.62%。

• 随权重一同发布的内容——Step 5 Preview 发布了一篇技术博客，介绍了其架构和训练方法。NVIDIA 随检查点一同发布了数据集、训练配方和草稿模型。

对大多数团队来说，实际解读很简单：如果你低于 StepFun 的阈值——几乎所有人都是如此——那么这两份许可证在日常使用中的表现差不多。差异体现在尽职调查上。对 Nemotron 3.5 Super VL 的法律审查止于“允许商业使用”。对 Step 5 Preview 的法律审查则以一段关于阈值的内容收尾，而这些阈值需要有人对照你的增长计划进行建模。这是一项实实在在的成本，只需支付一次，而且值得在工程工作开始之前就了解清楚。

重新评分后的董事会

这里最有用的一处更正是：两个模型被广泛引用的数字都已过时。发布时的报道将 Step 5 Preview 列为 44，将 Nemotron 3.5 Super VL 列为 26。Artificial Analysis 此后更换了指数版本，而在当前榜单上，同样这两个模型的读数分别为 29 和 14。所有基于旧读数得出的内容也随之一并变动。

同一次运行，每个维度一行：

• 智能指数 — Step 5 Preview 29 对比 Nemotron 3.5 Super VL 14。

• AA-Briefcase v1.1 — 1,423 对比 999。

• AutomationBench-AA — 51% 对比 15%。

• Terminal-Bench 4.0 — 33% 对 0%。

• FrontierCode 2.0 — 12% 对 6%。

• AA-Omniscience — 16 对 −3，其中负值表示自信的错误回答多于弃答。

• Humanity's Last Exam（Diamond）——24% 对 9%。

• 输出速度 — 179.1 对比 450.6 令牌/秒。

• 每个索引任务的成本 — 2.35 美元 vs 0.56 美元。

• 每百万 token 的混合价格 — $0.54 vs $0.1375。

结果形态在每个子基准测试中都保持一致：Step 5 Preview 在能力上领先，Nemotron 3.5 Super VL 在吞吐量和价格上领先。Terminal-Bench 4.0 的读数值得再看一眼，因为它是零，而在如此广泛使用的基准上，零通常意味着某种具体情况，而不是完全无法执行任务。

NVIDIA自己的数据指向的却是另一个方向

NVIDIA 公布的数据所描述的模型，比独立运行所测得的模型强大得多。该公司报告称，其在 SWE-bench Pro 上达到 51.78%，智能体吞吐量是同类开放模型“最高五倍”，在 GB200 硬件上每 GPU 每秒可输出 4,632 至 4,856 个 token。这些数据由厂商自行报告，是在 NVIDIA 自家的测试框架上产生的，与得出上述指数分数的测试并非同一套测试。

这并不矛盾，而把它当作矛盾，正是报道这对组合时常见的错误。SWE-bench Pro 与 Terminal-Bench 4.0 在不同的脚手架上测量不同的东西，而为自家模型调优的厂商测试框架往往会美化它。诚实的总结是：两者之中，NVIDIA 发布的披露材料最为完整——配方、数据、草稿模型——但与此同时，其性能主张获得独立佐证的程度最低。Step 5 Preview 则恰恰相反：围绕一个独立实验室实际测量过其行为的模型，披露材料却更为单薄。

如果你要依据基准测试声誉在这两者之间做选择，请留意自己更能接受这种权衡的哪一边。一个你可以重新运行的配方，比一个你无法重新运行的分数更有价值。

自行运行每项的成本

参数数量让 Nemotron 显得更占优势，而内存开销并未完全重现这一效果，但方向是对的。

• Step 5 预览版 — 总参数 600B，激活参数 27B。FP8 版本可适配单节点四块 B300 或八块 H200。BF16 版本大约需要 1.2 TB GPU 显存，这意味着需要八块 B300 或两个各含八块 GPU 的 H200 节点。

• Nemotron 3.5 Super VL —— 总参数 120B，激活参数 12B，额外以 NVFP4 形式提供。其总参数量仅为 Step 5 Preview 的五分之一，因此在相同的硬件预算下，既可以购置规模小得多的集群，也可以获得高得多的并发能力。

激活参数决定推理成本，总参数则决定这东西到底能不能加载得起来。Step 5 Preview 的 27B 激活参数让它的每 token 计算量足以与体量远大于它的模型竞争，但 600B 的总规模才是你得先塞进内存的前提，否则前面那些都无从谈起。Nemotron 的 12B 激活参数和 120B 总规模都足够小，单节点部署是现实可行的方案，而不是一个采购项目。

在NVIDIA的标价——每百万token输入0.225美元、输出0.575美元——对比Step 5 Preview的1.00美元和2.70美元之下，托管路线足够便宜，因此自行托管Nemotron 3.5 Super VL主要是一个数据驻留决策，而不是成本决策。对于Step 5 Preview而言，自行托管是避免每token费率高出四到五倍的唯一方式。

路由技术栈的其余部分

目前这两款模型都不在 OrcaRouter 的产品目录中，所以这篇文章并不是我们能为其中任何一款提供更便宜端点的地方。在这次决策中，路由器真正有价值的用处在于它周边的那部分：目录中的 200 多款模型均按供应商标价计费、不加价，因此供应商一旦降价，当天就能反映到你的账单上；而自动故障转移意味着当某个供应商出现波动时，你技术栈中非 Step-5、非 Nemotron 的流量仍能继续运行。

对于选择其中之一的团队而言，现实可行的安排是一种混合方案：为大批量工作负载自行托管开放权重，将托管模型置于路由 DSL之后，以应对集群饱和或请求需要你尚未部署的能力的尾部场景。OrcaRouter 的融合模式会运行一组模型并返回组合答案，这是一种有意利用该尾部场景的方式，而不是将其当作紧急回退。

接下来看什么

有三件事会改变这里的答案。如果第二家独立实验室公布的 Nemotron 3.5 Super VL 结果与 NVIDIA 自家的 SWE-bench 数据相近，而不是与指数测试的结果相近，那么 29 对 14 的差距就不再是焦点，许可证反而会成为唯一真正的区分因素。如果 StepFun 放宽或澄清其许可证中的商业门槛，另一边的尽职调查成本就会消失。而如果任一模型的托管价格发生变动，四到五倍的 token 差距就是最受冲击的数字——Nemotron 的标价已经足够低，进一步降价会让自行托管它看起来更像是一种业余爱好，而不是一项战略。

在上述任何一种情况发生之前，最诚实的划分是这样的：当你需要吞吐量、一份不带任何附加条件的商用许可，以及能装进单个节点的占用规模时，就该部署 Nemotron 3.5 Super VL。而当任务周期长、上下文规模大、一个错误答案的代价远超 token 成本，并且你能接受一份在大规模使用时仍需追问条款的许可时，就该部署 Step 5 Preview。