NVIDIA Nemotron 3.5 Super VL 120B 對決 DeepSeek V4 Pro：像素的成本是文字的 40 倍，以下就是這筆帳

DeepSeek V4 Pro 每百萬個輸入 token 的費用是 $0.66。無論把一頁掃描合約送進 NVIDIA Nemotron 3.5 Super VL 120B A12B 要花你多少錢，都不會是每百萬 66 美分，原因是你並非租用它——你是在買 GPU。這種單一的不對稱，就是這項比較的全貌所在：比較 DeepSeek V4 Pro，這款 DeepSeek 自 2026 年 4 月起上架、擁有 1.6 兆參數的純文字旗艦模型，以及 NVIDIA Nemotron 3.5 Super VL 120B A12B，NVIDIA 於 2026 年 10 月 12 日上傳至 Hugging Face 的開放權重視覺語言模型，且在任何服務途徑上都未公布價格。比較它們的基準測試分數很容易，而且大多沒用。比較兩者在同一份文件上的營運成本，才是真正能決定事情的練習。

簡短的回答

如果您的輸入是文字，而您的預算是一項單獨列出的項目，DeepSeek V4 Pro 的勝出幅度是任何開放模型都無法縮小的——第三方評測小組將其領先 Super VL 9.5 個指數點，而每千個 token 的成本僅為幾分之一美分。如果您的輸入包含圖像、影片或頁面掃描，那就完全無法比較，因為 DeepSeek V4 Pro 無法看見它們。這兩個模型並未在大多數團隊真正關心的軸線上重疊。

一次搞懂每個模型是什麼

DeepSeek V4 Pro 是一款 1.6T 參數的混合專家模型，每個 token 啟用 49B 參數，具備 1M token 的上下文視窗，輸出上限達 384K token，且僅以文字作為輸入與輸出模態。自 2026 年 4 月 24 日起，已透過 DeepSeek 自家 API 及第三方平台全面開放使用，定價為每百萬輸入 token 0.66 美元、每百萬輸出 token 1.98 美元，快取讀取則為 0.022 美元。根據 Artificial Analysis 面板的獨立量測，最後評估於 2026 年 8 月 13 日，其在 Intelligence Index 上為 36.0，在 147 個模型中排名第 41。

Nemotron 3.5 Super VL 120B A12B 是一款 Mamba-2/Transformer 混合架構模型，每個 MoE 層有 512 個路由專家，總參數 120B、每個 token 啟用 12B，配備 C-RADIO 視覺編碼器、原生多 token 預測（Multi-Token Prediction），以及 1M token 的上下文長度。輸入為文字、圖像與影片；輸出為文字。它依 OpenMDW-1.1 開源，允許商業使用，提供 BF16、base-BF16 與 NVFP4 版本，在 BF16 下可運行於 4× H100 或 2× GB200，在 NVFP4 下則可運行於單張 H200、單張 GB200、2× H100 或一台 DGX Spark。獨立測量在相同測試面板上給出 26.49，這個數字在後續對話推進時值得記住。

輸入成本實際上落在哪裡

以下是沒有人發表過的計算。以一套 200 頁的掃描合約為例。若走 DeepSeek V4 Pro，這套文件在送達之前必須先經過 OCR 與文字擷取，而模型接著會就擷取出的文字，以每百萬個輸入 token 向你收取 0.66 美元。若走 Super VL，這些頁面會以影像形式送入，只需一次，送進一個你早已按 GPU 小時付費的模型。

• DeepSeek V4 Pro 按定價——每百萬個 token 輸入 $0.66、輸出 $1.98、快取讀取 $0.022。一份 200 頁的擷取作業便宜到每次呼叫成本根本不會出現在預算審查中。

• Super VL 的膨脹成本——在 BF16 下需要 4× H100 或 2× GB200，在 NVFP4 下則是一張 H200／一張 GB200／一台 DGX Spark。這是無論文件是否送達都會持續累積的租金或資本支出。

• 交叉點——也就是自行託管 Super VL 變得比 OCR 加 V4-Pro 更便宜的那一點——取決於你的文件量，以及你能讓 GPU 維持的利用率。沒有人發表過這個數字，而對低文件量的團隊來說，它很可能永遠不會到來。

• 兩欄中都沒有的——DeepSeek 路徑所需的 OCR 管線。那是第二套系統、第二種失敗模式，也是大多數文件管線真正斷掉的地方：被 OCR 扭曲的表格、在擷取中消失的圖表、蓋在簽名區塊上的印章。

這才是支持視覺模型的真正論點，而且這不是基準測試的論點。而是：擷取步驟消失了。頁面以其原本存在的樣貌抵達模型，模型必須處理圖表、表格和彆扭的版面，而不是收到它們被壓平後的近似物。Super VL 的視覺是否好到足以證明值得擁有 GPU，這個問題取決於你的文件；唯一誠實的回答方式，就是把你自己的資料集在單張 H200 上跑過 NVFP4 建置，並計算錯誤。

現有的基準列，以及它們屬於誰

這裡涉及兩種不同類型的數字，若沒有標示，它們絕不該在同一句話中被引用。

由 Artificial Analysis 進行小組測量，DeepSeek V4 Pro 上次於 2026 年 8 月 13 日接受評估：

• 智慧指數 — DeepSeek V4 Pro 36.0 對 N​emotron 3.5 Super VL 26.49。

• Humanity's Last Exam — DeepSeek V4 Pro 41.0。此面板並未包含 Super VL 列。

• 長上下文召回——在 AA-LCR 量表上，DeepSeek V4 Pro 為 80.3，對比 Super VL 的 0.69，這是本文中比例差距最大的一項。

• SciCode — DeepSeek V4 Pro 51.0 對比 Super VL 在面板上未公布的列。

• Terminal-Bench 4.0 — DeepSeek V4 Pro 14.1 對比 Super VL 0.0。

• τ²-bench — DeepSeek V4 Pro 96.2，這是 DeepSeek 引以為傲的領先數字，而該評測面板並未公布 Super VL 的對應數字。

由廠商報告，出自 N​VIDIA 自家 NeMo Gym 對 Super VL 的評估；N​VIDIA 以自家模型對照其自行選擇的基準進行這項評估：

• 代理式 — SWE-bench Verified 71.10、SWE-bench Multilingual 67.72、SWE-bench Pro 51.78、tau2-bench 零售 69.24 與航空 76.50、BrowseComp 78.91、GraphWalks 89.71（在超過 100 萬 token 的設定下）。

• 推理 — GPQA-Diamond 89.52，HLE 未使用工具為 31.79，在另一套內部測試框架上使用工具則提升至 46.01。

• 視覺 — CharXiv-RQ 80.82、MathVision 78.16、V* 85.60、OCR-Reasoning 65.08、OCRBench-v2 英文 68.12、中文 59.15、MMLongBench-Doc 62.82、OSWorld 52.14、Video-MME-v2 32.85。

這兩份文件沒有任何一列是共用的，這正是為什麼上方的索引比較是唯一乾淨可用的排名。而讀者應該注意到一件容易被忽略的事：Super VL 在 SWE-bench Verified 的 71.10 是很強的數字，而且是 NVIDIA 自家的成績，但評審小組卻給同一個模型在 Terminal-Bench 4.0 上 0.0 分。這兩件事可以同時為真。在廠商測試框架上測得的代理式編碼分數，與第三方測得的終端機分數，並不是同一類證據；誠實的解讀是，Super VL 的代理式能力概況是宣稱，而非已確立。

為什麼長上下文那一行才是該擔心的

兩份規格表上都列著 100 萬個 token 的上下文視窗。實際上，評測小組測得 DeepSeek V4 Pro 的長上下文召回率為 80.3，而 Super VL 為 0.69；NVIDIA 自家的反駁論點則是，GraphWalks 在超過 100 萬個 token 的設定下達到 89.71——這是廠商提供的數字，出自廠商的測試框架，而且是在一項要求 Super VL 遍歷圖形、而非記起一段文字的任務上。

這些並不是在衡量同一件事，而這正是任何要做決定的人所面臨的問題。如果你的工作負載是「在這份 900,000 個 token 的文件中找到該條款」，面板數字更接近你的任務，而且還差得遠。如果你的工作負載是「遍歷這組相互連結的文件，並回報什麼依賴什麼」，供應商數字更接近，但仍應被視為一種宣稱。在有人獨立地針對該檢查點執行這兩項任務之前，安全的規劃假設是：Super VL 的有效上下文明顯短於其規格表所說的長度。

兩條路線，一個關鍵，價差就在眼前

DeepSeek V4 Pro 是在 OrcaRouter 目錄中，以 DeepSeek 公布的 $0.66 與 $1.98 價格提供，零加成——供應商標價直接傳遞，因此 DeepSeek 的價格變動會在同一天於此生效，而非等到下一個計費週期。在過去七天經由閘道發出的請求中，V4 Pro 顯示 p50 首字延遲為 1.89 秒，輸出速度為每秒 81.9 個 token，並在該期間承載了 4.803 億個 token 的流量。這些是真實呼叫的測量結果，而非供應商基準測試，而它們才是成本模型應該建立的依據。

N​emotron 3.5 Super VL 120B A12B 並未收錄在我們的目錄中。N​VIDIA 沒有在任何途徑上公布它的每詞元價格，包括自家的 NIM 微服務，因此我們沒有任何費用可轉嫁，而本文也不會假裝有——它是一個由你自己託管的檢查點，運行在上方配方中的硬體上。

在這個搭配中，閘道確實為你帶來的是：管線的兩半不再是兩套整合。擷取與分流的呼叫會送往你自己的 Super VL 部署；推理、程式編寫與低成本高流量的文字呼叫則在同一端點與同一把金鑰上送往 DeepSeek V4 Pro同一個端點與同一把金鑰；而這樣的分流是以路由規則來表達，而非應用程式碼中的條件判斷。當影像路由是決定性因素時，DSL 可以依據提示是否帶有任何影像附件來判斷——這比記住哪條程式碼路徑負責什麼，是維護這道界線更乾淨俐落的方式。跨供應商的自動容錯移轉位於路由模型之下，因此文字呼叫遇到上游 429 時會落到備援方案上，而不是落到你的使用者身上。

弄清楚你站在界線的哪一側

• 如果你沒有圖像——DeepSeek V4 Pro，無需進一步分析。領先九點五個指數點，每百萬輸入 $0.66，p50 首個 token 1.89 秒，且無需維運。

• 如果你有圖像但資料量低——先用 OCR 加上 DeepSeek V4 Pro，直到擷取錯誤率造成的成本開始超過使用 GPU 的成本為止。先量測擷取錯誤；決定交叉點的是那個數字，而不是基準測試差距。

• 如果你有圖片，卻無法把它們傳送到任何地方——Super VL 就是唯一可行的選項，而接下來的決定就變成該選哪個檢查點：如果你打算微調，就選 BF16；如果你打算提供服務，就選 NVFP4。

• 若長脈絡召回是工作負載的核心——先測試再投入。該評測面板的 0.69 對比 80.3 差距極大，因此一張 1M token 的規格表不應被當作具備 1M token 能力的證據。

• 如果你想讓模型在你的領域上有所精進——V4 Pro 不會提供任何途徑。Super VL 則給你權重，而 N​VIDIA 也同步發布了後訓練資料集與 NeMo Gym RL 環境，這是該次發布中更具可重用性的一半。

什麼會改變這篇文章？

三件事，依它們會多大程度改變答案來排序。

Super VL 的價格，無論是來自 N​VIDIA，還是來自任何提供這項服務的一方。一旦有了每 token 的數字，本文第一節就會變成算術，而不是框架，而交叉點的討論也就會淪為兩個數字的比較。

為該模型提供第二個獨立資料集。N​VIDIA 只有一項第三方評分，而且其中並未包含長上下文或編碼代理的項目列。若能重新執行評測小組的測試並公布這些項目列，就能為本文不得不留待未解的兩個問題給出答案。

而 NVIDIA 自家文件中的 Terminal-Bench 2.1 落差——模型卡上是 66.70，技術報告摘要表裡卻是 60.67，而那些文件中的其他所有內容卻彼此吻合。兩份一手來源中必有一份是錯的。在有人重新跑過那些配方之前，這兩個數值都不宜引用；而這個落差竟然存在這件事本身，就是應該把那份報告中其他每一列僅有單一來源的數據都視為暫定的理由。

基準測試會過時，價格會波動，但失敗紀錄不會：這一類模型背後有據可查的 AI 事故與代理失誤，全都收錄於the OrcaRouter AI Incident Archive，其中每一筆紀錄都附有自己的來源、嚴重程度、可信度評級與爭議標記。