Mercury 3 對 NVIDIA Nemotron 3.5 Super VL 120B-A12B：其中一項速度宣稱有經過實測，另一項則沒有

Mercury 3 與 NVIDIA Nemotron 3.5 Super VL 120B-A12B 都以速度為賣點。這兩項速度宣稱中，只有一項曾由做出該宣稱的公司以外的人驗證過。Artificial Analysis 在其自有測試架構上測得 Nemotron 3.5 Super VL 的輸出速度為每秒 434.3 個 token。Inception Labs 於 2026 年 10 月 19 日發布的 Mercury 3 宣稱每秒可達 1,068 個 token——而截至 10 月 20 日，該索引中完全沒有 Mercury 3 的頁面，因此這個數字沒有第三方背書。這場對決真正的決策關鍵是這種不對稱，而不是規格表。像這類發布背後有紀錄的 AI 故障與代理事件，都收錄在 OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

還有第二種不對稱，對某些團隊來說更為重要。Nemotron 可下載、能在你自己的硬體上執行，而且可以進行後訓練。Mercury 3 則是 API 產品，並不提供權重。其中一個是採購決策，另一個是部署專案，而基準測試表對於你實際需要哪一個，並不是可靠的指引。

兩家供應商都同意的數字，以及他們不同意的那一個

先從兩者看起來不再有差異的那些列開始，因為其中有幾列其實完全相同。

• 上下文——兩者都標示為 1M tokens。Mercury 3 於此之上搭配 131,072-token 的輸出上限；Nemotron 的規格表則列出最多 1M 的共享視窗，涵蓋提示、圖像、歷史記錄、工具結果與回答。

• 輸出 — 兩者皆輸出文字。兩者皆不生成圖像或音訊。

• 輸入 — 這是兩者分道揚鑣之處。Nemotron 接受文字、RGB 影像，以及最長兩分鐘的 MP4 影片。Mercury 3 只接受文字，且僅限文字。

• 價格 — Mercury 3 在上市期間每百萬輸入為 0.10 美元、每百萬輸出為 0.35 美元，之後回復為牌價的 0.20 與 0.70 美元。Nemotron 完全沒有廠商價目表；現有的是 Artificial Analysis 的成本試算表，目前將其記為每百萬輸入 0.225 美元、輸出 0.575 美元，並含 78% 的快取折扣，以及每項 Intelligence Index 任務 0.19 美元的成本。

• 權重 — Mercury 3 的權重並未公開，Inception 也未承諾會公開。Nemotron 的權重則以 OpenMDW-1.1 授權發布於 Hugging Face，並提供全精度與 NVFP4 檢查點。

最後一列才是決定大多數實際評估的關鍵，而它與每秒 token 數毫無關係。

閱讀獨立索引，而不過度解讀它。

NVIDIA 於 2026 年 10 月 15 日推出 Nemotron 3.5 Super VL。同週首個獨立排行榜出現時，它顯示 Intelligence Index 為 26，而速度欄位則是一片空白。該頁面現在兩者都有：Index v4.3.2 上為 26，以及每秒 434.3 個輸出 token，這使其在比較類別的 28 個模型中排名第一。它在整個 index 執行期間還生成了 1.7 億個 token，而中位數為 1 億個，頁面稱此有點冗長。

那些是該指數自身的測量結果，透過其自身的測試框架執行，而其價值就等同於任何單一基準測試套件所能提供的價值：一個由非 NVIDIA 員工所收集的可重現數字。請注意 26 代表什麼、又不代表什麼。該頁面自身的比較文字將其對照於 40B–150B 級別中可比開放權重模型的中位數 8，因此這在其權重級別內是強勁結果，但相對於任何規模的前沿模型則屬溫和。頁面頂部出現的「67 個中排名第一」是經過篩選的類別內排名，而非整體排名。任何引用「第一名」卻未說明篩選條件的人，實際上引用的是那個篩選條件。

現在換另一邊。Inception 的發布文章提出三項量化說法：在 NVIDIA GPU 上每秒 1,068 個 token、1M 上下文，以及發布價為牌價的一半。它完全沒有提出品質上的數值主張。相反地，它說 Mercury 3「優於 GPT-6 Luna 和 Claude Haiku 5.5」——這是兩個以速度最佳化的模型，對低延遲產品而言是正確的比較組合，但未附上差距幅度、基準測試名稱或逐項任務結果。它還報告 Mercury 3 在 Inception 自家的網頁代理測試框架中，完成了 50 項 live Mind2Web 導航任務中的 50%，「顯著多於 GPT-6.1-Sol」。在廠商自家測試框架上跑五十項任務是一種訊號，不是能和 26 並列的測量值。

所以，對品質證據的誠實比較是這樣的：一個模型有第三方指數評分，另一個只有廠商的一句話。這並不代表 Mercury 是較弱的模型。這代表它是未被測量的那個，而「未被測量」與「得分偏低」屬於不同的風險類別。

開放權重的那一半，實際運行起來要花多少成本

Nemotron 3.5 Super VL 是 120B 參數的混合專家模型，每個 token 啟用 12B 參數，每個 MoE 層有 512 個路由專家，其混合式主幹交錯排列 Mamba-2、注意力與 MoE 層，並透過連接器接入 C-RADIO 視覺編碼器。NVIDIA 以兩種精度層級推出這款模型，而兩者之間的差距是此次發布中最有用的數字。

BF16 — 64 個 safetensors 分片，約 231.8 GiB。NVIDIA 自家的服務配置是在四張 H100 上使用 tensor-parallel 4，或在兩張 GB200 上使用 TP2。

• NVFP4 — 具備量化感知蒸餾的 4 位元權重與激活值。卡片列出可部署於一台 DGX Spark、一台 H200、兩台 H100 或一台 GB200。

120B 模型能以 4-bit 放在兩張 H100 上，而不是以 BF16 放在四張 H100 上，這是完全不同的採購討論；這也是為什麼廠商在談高效率 serving 時，指向的是量化 checkpoint。NVIDIA 沒有公布的是兩個層級之間的準確度並排比較。那項說法是訓練方法論上的主張——訓練期間的蒸餾能縮小量化差距——並非實測比較；如果你的決策取決於那個差距，答案不在 repo 裡。

授權條款值得越過行銷話術仔細閱讀。部落格文章說「開放權重」；模型卡的 frontmatter 寫著 license: other，license_name: openmdw-1.1，受 OpenMDW License Agreement 1.1 規範。允許商業使用，模型卡也明白寫出這一點。它不是 Apache 2.0；如果你的組織維護一份核准授權清單，在取得 GPU 報價前該檢查的就是那份清單。

兩者不再互為替代之處

這種錯配不在於品質，而在於工作的樣貌。

Mercury 3 是一款擴散語言模型——Inception 稱之為 dLLM——它會平行生成 token，而不是一次只生成一個，這正是一開始所謂四位數吞吐量宣稱的由來。它鎖定的工作負載，是人類正在觀看的那種：教學提示、搜尋生成、必須讓人感覺像對話的客服回覆。Inception 自家的客戶引述全都屬於這一類，而它們正是對這項產品最恰當的考驗。提示錯了還能補救；停頓兩秒可不行。

Nemotron 3.5 Super VL 是為另一端而打造。它能讀取螢幕擷取畫面、掃描文件、圖表和兩分鐘長的影片片段，呼叫工具，並在你能掌控的硬體上運行。它鎖定的工作負載，是一條會持續運行數分鐘並回報結果的管線；在這種場景裡，一次錯誤的擷取代價高昂，而五秒的等待則幾乎察覺不到。它自己的模型卡也直言不諱地指出，多模態基準測試的項目並非全部透過 NVIDIA 公開的開放工具鏈執行，而且其中幾項背後的內部支撐架構承諾會在未來版本中提供。這項但書並不代表該模型不合格；它告訴你，在依賴這些項目之前，哪些項目該由你自己重新執行。

重疊範圍比規格表所暗示的更窄。如果你的輸入是一疊發票、一段產品影片或一張儀表板截圖，Mercury 3 看不到它。如果你的需求是在純文字上做到亞秒級的對話回合，那麼在自己的 GPU 上跑 120B 多模態 checkpoint 來達成，是非常昂貴的做法。

這兩款模型都不在我們的產品目錄中，而這會改變路由建議

這兩個都是如實的否定答案。我們的模型 API 並未提供 Inception 模型，也沒有 NVIDIA Nemotron 的項目，所以無論是 Mercury 3 還是 Nemotron 3.5 Super VL，目前都無法透過我們呼叫。想用 Mercury 3 的人，可以前往 Inception 自家的平台，新帳戶可獲得 1 億個免費 token；想用 Nemotron 的人，則可從 Hugging Face 下載 checkpoint，或使用第三方託管服務。我們寧可把這點如實寫明，也不願暗示一條我們其實沒有的途徑。

在這裡，路由層仍然有用的地方，是實驗周邊的那一部分。雙路徑安排是評估一個尚未實測模型的穩妥方式：把延遲關鍵層級透過 Inception 的金鑰送到 Mercury 3，並把備援與棘手案例留在我們確實有提供的模型上——超過 200 個模型，全部位於同一個 OpenAI 相容端點之後，以供應商定價、0% 加價提供，並在供應商效能下降時自動容錯切換。如果新路徑結果比發布文章所暗示的更差，備援已經接好，切換只是一條路由規則，而不是一個整合專案。比較中自架的那一半完全得不到這些好處，因為根本沒有東西需要路由。

決策規則

當模型必須實際看到內容時——一頁文件、一份掃描檔、一段影片片段——或當資料不能離開你的基礎設施時，或當你打算用自己的範例進行後訓練時，就選 Nemotron 3.5 Super VL 120B-A12B。請誠實地為硬體編列預算：BF16 下的四張 H100 或 NVFP4 下的兩張 H100，都是實質的資本投入；而索引上的 26 是相對同級的分數，不是前沿水準的分數。也要接受：它的指令遵循與長上下文這兩列，是它自身表格中較弱的部分。

當有人在等待文字回覆，而且重試不花成本時，選 Mercury 3。在以此為基礎建置之前，先接受兩件事：每秒 1,068 個 token 是廠商提供的數字，沒有獨立重現；以及預設 effort 設定是「low」——因此你自己跑的基準測試，只有在明確固定為 instant、low、medium 或 high 時，才能與別人的結果相比。請按牌價 $0.20 和 $0.70 編列預算，因為上市折扣沒有公布結束日期，而以 $0.10 和 $0.35 建立的成本模型有一個你看不到的到期日。

最快改變答案的做法，是雙方都做同一件事：由第二方跑相同的測試。如果 Artificial Analysis 發布 Mercury 3 頁面，吞吐量主張就變得可查證，品質問題也不再只是發布文章裡的一句話。如果 NVIDIA 公布 BF16 與 NVFP4 之間的準確度差異，低成本部署層級就不再是盲目信任。在任一者實現之前，誠實的總結是：這些模型中有一個已被測量，另一個則只是被描述，而再多的規格表比較也無法彌補這個差距。