一張標題卡寫著 NVIDIA Nemotron 3.5 Super VL 120B 對比 Intern-S2-397B,並有四塊統計面板,分別列出 Intern-S2-397B 的 403B 總參數量、在 60 層中每個 token 啟用 10 個參數、其約 807 GB 的 BF16 與 F32 權重分佈於約 188 個分片、其 Apache-2.0 授權條款對比 Super VL 的 OpenMDW-1.1,以及 Super VL 的 1M token 上下文對比 Intern-S2-397B 的 256K 文字視窗(多模態評估為 64K),角落還有一個 OrcaRouter 標誌。
Engineering & Research

NVIDIA Nemotron 3.5 Super VL 120B 對比 Intern-S2-397B:兩款開放視覺模型,其中一款你今天就能實際呼叫

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

這兩款模型都是開放權重、都是多模態、都以 Apache 風格或 OpenMDW 授權供商業使用,而且都屬於那種你會下載而非訂閱的東西。真正決定大多數評測結果的差異,並不在任何一份規格表上。Intern-S2-397B是 InternLM 於 2026 年 9 月 13 日在 Hugging Face 發布的 4,030 億參數旗艦模型,它提供廠商代管的 API,你可以在讀到它的同一天,就把相容於 OpenAI 的用戶端指向它。NVIDIA Nemotron 3.5 Super VL 120B A12B於 2026 年 10 月 12 日上傳至 Hugging Face,並在 15 日 NVIDIA 的公告中獲得確認,但它並沒有:NVIDIA 並未在任何途徑上為它公布端點或每 token 價格,包括自家的 NIM 微服務在內。所以其中一款,你今天下午就能用一個 token 來評測;另一款則需要一台 H200 或四張 H100,才能送出第一個提示。這個差距,比任何基準測試表上七個百分點的差距都更有價值。

部署樓層,並排

先從這裡開始,因為對大多數讀者來說,它會在還沒談到品質之前,就排除掉這些型號中的其中一款。

• 總參數與活躍參數 — Intern-S2-397B 總計 403B,每 token 啟用 10 個,橫跨 60 層與 512 個專家;N​emotron 3.5 Super VL 120B A12B 總計 120B,每 token 啟用 12 個,橫跨交錯的 Mamba-2、MoE 與注意力層。

• 磁碟上權重大小 — Intern-S2-397B 約 807 GB,分散於大約 188 個 BF16/F32 分片;Super VL 的 BF16 版本僅為其一小部分,而 NVFP4 版本小到可在單一台 DGX Spark 上執行。

• 最低可行硬體 — Intern-S2-397B 需要真正的多 GPU 機群;Super VL 在 BF16 下需要 4× H100 或 2× GB200,或在 NVFP4 下需要一張 H200、一張 GB200、2× H100 或一台 DGX Spark。

• 託管存取 — Intern-S2-397B 位於供應商自家的 Intern API,網址為 chat.intern-ai.org.cn/api/v1,模型 ID 為 intern-s2-397b,文件記載其相容於 O​penAI 與 A​nthropic;Super VL 則沒有任何一方發布端點。

• 授權條款 — Intern-S2-397B 採用 Apache-2.0;Super VL 採用 OpenMDW-1.1。兩者皆允許商業使用。

• 上下文 — Intern-S2-397B 為 256K 詞元,並於 64K 進行多模態評估;Super VL 則為 1M 詞元。

• 視訊輸入 — Super VL 接受最長兩分鐘的 MP4,並以影格取樣;Intern-S2-397B 記載的模態為文字、影像與原始訊號資料。視訊不在其中。

把那份清單讀兩遍,輪廓就清楚了。Intern-S2-397B 是更大、更舊、更科學的模型,並有一個託管入口。Super VL 則是更小、更新、更容易部署的模型,具備更長的視窗與影片,而且目前完全沒有入口。

Intern-S2-397B 實際上是為了什麼而打造的

InternLM 將該模型描述為沿著三個軸向擴展,而第一個是值得理解的技術主張:直接對科學文獻的原始頁面進行視覺-語言預訓練,在共享的表徵空間中共同建模符號語意與視覺關係,且沒有中間解析步驟。一張圖、一個表格、一份光譜,以及描述它們的句子,是一起被學習的,而不是先擷取文字、事後再附上圖像。

那個設計展現在 InternLM 選擇主打的基準測試中,而這正是為什麼這兩個模型的視覺分數無法互換。Intern-S2-397B 的模型卡列出 ChartQAPro 71.12 與 MMMU Pro 81.68,並在科學專用分數上領先——Biology-Instructions 55.71、Mol-Instructions 53.95、MolecularIQ 62.35、SciReasoner-1.5 63.28、TOMG-Bench 66.76。Super VL 的模型卡則以 OCR-Reasoning 65.08 領先,OCRBench-v2 英文 68.12、中文 59.15,MMLongBench-Doc 62.82、CharXiv-RQ 80.82 與 MathVision 78.16。任務不同、訓練分布不同,而且這兩組數據都未經獨立重現。

第三個軸線,正是讓 Intern-S2-397B 在代理式工作負載中顯得與眾不同之處:在沙箱環境中進行黑箱代理式強化學習,代理透過多個框架連接,並明確以長時程任務上限為目標。N​VIDIA 對 Super VL 的對等主張,則是一條以可驗證獎勵的強化學習與多教師同策略蒸餾作結的後訓練流程,並在 SWE-bench 與 tau2-bench 上進行評估。兩者都是對方法的宣稱,而非對結果的量測。

兩家競爭對手皆不具備的訊號輸入能力

Intern-S2-397B 接受原始訊號資料——.npy、.csv 與 .wav——作為與文字和圖像並列的一等輸入類型,並附有已記載的地震事件範例,可偵測 P 波與 S 波的到達索引,以及透過 forecast_horizon 參數進行點預測與分位數預測。該功能目前僅支援 LMDeploy,且屬於推論時期的功能,而非基準測試結果。

在這項比較中,沒有任何模型能做到類似的事,也沒有任何閉源前沿模型能做到。如果你的工作涉及感測器軌跡、地震資料,或必須與圖像和文字一起推理的時間序列預測,那麼在這兩者之中,Intern-S2-397B 不是比較好的選擇——它是唯一的選擇,而 807 GB 的權重就是入場費。

基準,每一項都附上資料來源

兩個模型都沒有乾淨的獨立評估,而兩份廠商表格沒有任何一列重疊,因此接下來是對各方宣稱的判讀,而非排名。

Intern-S2-397B,所有數據均由 InternLM 在其自家測試框架(OpenCompass、VLMEvalKit、AgentCompass)上自行報告,未經重現,並以 GPT-5.5 作為封閉參考模型:MMLU Pro 89.77、HMMT-2026 93.56、AdvancedIF 71.57、MMMU Pro 81.68、ChartQAPro 71.12、TerminalBench 2.1 64.04、SWE-bench-Pro 68.54、SWE-bench-Multilingual 84.00、SciCode 47.63、SGLBench 51.89、FrontierScience-Olympiad 87.00 以及 FrontierScience-Research 55.00。Artificial Analysis 在發佈時並無 Intern-S2-397B 的條目,中立排行榜也都沒有收錄——這個缺口此後可能已經補上,在你依賴上述任何數據之前,值得先查證。

N​emotron 3.5 Super VL 120B A12B,分屬兩個來源。N​VIDIA 在 NeMo Gym 上回報的廠商數據: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、GPQA-Diamond 89.52、HLE 31.79(不使用工具)、OCRBench-v2 英文 68.12、MMLongBench-Doc 62.82、Video-MME-v2 32.85。由 Artificial Analysis 進行的小組實測,而這是整篇文章中唯一獨立產生的數字:智力指數 26.49,Terminal-Bench 4.0 為 0.0,測得的幻覺率為 0.3585。

第二個區塊裡有兩件事值得特別指出。NVIDIA 的 Terminal-Bench 2.1 數字在模型卡上是 66.70,在技術報告的摘要表中卻是 60.67,而這兩份文件中的其他每一列都彼此相符——兩者之中有一個是錯的,而在相關 recipe 重新執行之前,這兩個數字都不宜引用。至於評測小組在 Terminal-Bench 4.0 上給出的 0.0,對照廠商回報、由自家實驗室在另一套測試套件上測得的 Intern-S2-397B 於 TerminalBench 2.1 的 64.04,則提醒我們:即使名稱看起來相似,終端代理的成績在不同測試框架之間並不可比。

A two-column comparison scoreboard titled NVIDIA Nemotron 3.5 Super VL 120B vs Intern-S2-397B, with rows for Parameters, Context, Weight footprint, Licence, Hosted API, Video input and Independent score, carrying Super VL's 120B total and 12B active, 1M-token context, single-H200 NVFP4 serving, OpenMDW-1.1 licence, no published endpoint, MP4 video up to two minutes and its 26.49 panel index with 0.0 Terminal-Bench 4.0, against Intern-S2-397B's 403B total and 10 active across 512 experts, 256K text and 64K multimodal context, roughly 807 GB across about 188 shards, Apache-2.0 licence, vendor Intern API, no video input, and no panel entry at release.

為什麼相較於 256K,1M token 視窗並不是七位數的勝利

規格表顯示,Super VL 可處理 100 萬個 token,而 Intern-S2-397B 則為 256K,多模態評估則在 64K。這看起來像是 NVIDIA 模型的一面倒勝利,直到你加上該評測小組的長上下文召回數據:在 AA-LCR 上為 0.69。一個擁有百萬 token 視窗、長上下文分數卻低於 1 的模型,就是能吞下百萬個 token,卻未必能在最末端善加利用的模型。

Intern-S2-397B 的 256K 在文件中記載為:文字推理為 256K,多模態為 64K,而 InternLM 完全沒有公布任何長脈絡召回率數據。所以誠實的立場是:其中一個模型有較長的視窗,但在該視窗上的實測召回率很差;另一個模型則有較短的視窗,且沒有任何量測數據。如果長脈絡召回對你的工作負載至關重要,那麼這兩個模型都不應因其脈絡長度而被選用。

可用性,以及當兩個模型都不在我們的目錄中時,OrcaRouter 如何契合

Intern-S2-397B 與 NVIDIA Nemotron 3.5 Super VL 120B A12B 目前都未由 OrcaRouter 提供服務,本文也不會暗示相反情況。Intern-S2-397B 可透過供應商自家的 API,以及使用 LMDeploy、vLLM 或 SGLang 自行託管來取用,模型卡中也隨附部署配方。Super VL 僅支援自行託管——NVIDIA 的 NIM 微服務是已公布的途徑,但目前尚未公布其端點或價格。

當你想要的模型不在某個閘道器上時,這個閘道器還有什麼價值,有個具體的答案:它就是管線其餘部分早已所在的地方。必須留在你網路內部的文件分流,跑在你自家的 Intern-S2-397B 或 Super VL 部署上;圍繞著它的擷取、分類與摘要呼叫,則以同一把金鑰跑在託管模型上。路由 DSL 正是讓那條界線保持清晰可辨的關鍵——它以提示詞上的條件來表達,而不是當成埋在應用程式碼裡的分支——而自動容錯移轉則意味著,自行託管的那一半故障時,不會把整個請求一起拖下水。零加成在這裡的重要性顯得更平淡無奇:你的管線中託管的那一半今天要花多少成本,在這裡就是那個成本,因為供應商的標價是原封不動地轉嫁過去的。

The OrcaRouter models index page, showing the catalogue of more than two hundred models with provider names and per-million-token pricing.

在它們之間做選擇

如果你需要在今天就能開始運行、不必購買硬體,如果你的領域是科學文獻與圖表,如果原始訊號或時間序列輸入是工作負載的一部分,或者如果供應商維護的託管端點對你而言比部署的控制權更有價值,那就選擇 Intern-S2-397B。807 GB 的權重是實實在在的成本,但託管 API 意味著你可以在付費之前先確認這個模型是否夠好。

若影片是輸入,若你擁有的是一台 H200 或一台 DGX Spark,而不是一整個機隊,若模型必須部署在你的網路內,或若你打算進行微調,就選擇 Nemotron 3.5 Super VL 120B A12B —— NVIDIA 隨權重一同發布了後訓練資料集與 NeMo Gym RL 環境,而那是這次發布中更具可重用性的一半。在投入之前,先用自己的文件集跑過 NVFP4 版本,並特別測試長脈絡回溯,而不是輕信 1M-token 這個數字。

目前兩者都先別選,如果你真正需要的是一個有獨立評估、可供你倚賴的模型。Intern-S2-397B 的數字全都是廠商自行回報的,而且其測試面板涵蓋範圍並不清楚;Super VL 恰好只有一個第三方分數,而且那只是單一指標數字。兩個開放視覺模型,發佈時間相隔約六週,兩者的基準測試表都未經重現,而且兩者都沒有以你能比較的方式出現在中立排行榜上——負責任的做法是在你自己的文件上對它們做基準測試,而供應商 API 正是讓其中一半變得便宜的原因。

值得關注的是:Intern-S2-397B 的獨立評審小組條目,這將使其整張卡片從宣稱轉為證據;Super VL 的價格與端點,這將把 H200 從入門要求中移除;以及 N​VIDIA 更正後的 Terminal-Bench 數據,這將解決某廠商自家兩份主要文件相互矛盾的那唯一一處。

The Hugging Face model card for NVIDIA Nemotron 3.5 Super VL 120B A12B, showing the model summary and the vendor benchmark table with the vision-language evaluation rows.

這些都不是避開這個模型的理由,而只是了解其來龍去脈的理由:這一類模型背後有文獻記載的 AI 事故與代理失效案例,全都收錄於OrcaRouter AI 事件檔案庫,其中每個條目都附有自己的來源、嚴重程度、可信度等級與爭議標記。