NVIDIA Nemotron 3.5 Super VL Base BF16：NVIDIA 列出卻從未提供連結的 249 GB 檢查點

nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-Base-BF16 是 N​VIDIA N​emotron 3.5 Super VL 發行版中的成品，而 N​VIDIA 從未連結該發行版。該公司 10 月 15 日的公告貼文用一個子句表示：「該發行版包含基礎、後訓練與 NVFP4 量化的檢查點，以及訓練配方、資料和強化學習環境。」該頁面上的每個儲存庫連結都指向 nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4。字串「Base-BF16」完全沒有出現在該貼文中。

該儲存庫真實且公開。Hugging Face 記錄其初始提交時間為 2026-10-12T15:31:49Z，權重分片上傳時間為 2026-10-13T04:55Z，而模型卡本身的發布日期欄位寫著「Hugging Face - 10/15/2026」。它並未設閘門，下載不需要權杖，而且重量與後訓練版nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16建置完全相同：248.9 GB、橫跨 63 個 BF16 分片，對比後訓練版建置的 248.9 GB、橫跨 64 個分片，兩個索引檔相差 16 位元組。權重上架三天後，它已被下載 4 次，而後訓練全精度儲存庫為 142 次，NVFP4 同系列版本為 81 次。這些都是 Hugging Face 自家的計數器，於 10 月 16 日讀取。

所以這不是外洩，也不是謠言。權重是最不該出錯的地方——它們只不過是在一場其他方面都聲勢浩大的發布中，宣傳最少的產物；而它們背後的模型卡自相矛盾，若你正是那種會下載 249 GB 後訓練前檢查點的人，這個矛盾就事關重大。那個矛盾就在下方。

什麼送到了，以及提到它的那句話

三個主要儲存庫和一個草稿模型在同一時段上線，全都是 N​VIDIA 第一方，全部採用 OpenMDW-1.1 授權，皆未設存取限制：

• Base BF16 — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-Base-BF16，儲存庫建立於 2026-10-12T15:31:49Z，權重 2026-10-13T04:55Z，README 最後修改於 2026-10-15T15:22:08Z。

• 後訓練 BF16 — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-BF16，建立於 2026-10-12T15:32:06Z，比基礎儲存庫晚十七秒。

• 經後訓練的 NVFP4 — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4，建立於 2026-10-12T15:32:30Z，總計 75.1 GB，而非 248.9 GB。

• 一個 NVFP4 草擬器——nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4-LiLiCorr，更早一天建立，時間為 2026-10-11T20:20:59Z。

那些儲存庫與 NVIDIA 文案之間的對應關係，正是在這裡顯得不一致，而這件事值得實際查核，而非憑空假設。公告中的部署錨點全都指向 NVFP4 建置版本。基礎模型卡自己的開頭說明則向外指向另外兩者——「想找經過後訓練的模型嗎？客製化請見 BF16 版本，最佳化部署請見 NVFP4 版本」——因此基礎儲存庫反倒會在第一行就告訴你該往哪裡去。反向則不成立。經過後訓練的 BF16 模型卡在任何地方都沒有連向基礎儲存庫的連結，NVFP4 模型卡也沒有。基礎檢查點是這次發布中唯一一個 NVIDIA 自家文件從不引導你前往的產出物；你得讀到公告裡那九個字構成的子句，然後翻查該組織的檔案清單才找得到——這裡就是這樣找到的。NVIDIA 的文案中沒有任何內容解釋，為什麼基礎檢查點公布的規格是 249 GB，與實際經過後訓練的模型相同，也沒有解釋你該拿它做什麼，而那是經過後訓練的模型做不到的。

那種缺席本身就是重點。一次開放權重發布中，廠商連結了三個檢查點中的兩個，並用九個字描述第三個，這並不是在隱藏什麼——權重就在那裡——但這確實意味著你需要的文件不在公告裡。它在儲存庫裡。

「base」在此版本中是什麼意思？

這兩份模型卡回答了這個問題，而它們之間的差異，正好清楚說明了後訓練在這裡帶來了什麼。

基礎卡記錄了三個訓練階段。階段 1 在 N​emotron 3 Super Base 之上建構語言主幹，並以 100B 個 token 針對凍結的主幹訓練共享 MTP 頭，接著從 N​emotron 3 Ultra Base 蒸餾 1T 個 token。階段 2 是 100B 個 token 的 Indic 持續預訓練、擴展至 1M 上下文的 35B 個 token 延伸、在 256K 上下文下進行 67B 個 token 的軟體工程中期訓練，以及 9B 個 token 的長上下文恢復階段。階段 3 加裝 C-RADIO 視覺編碼器與視覺語言連接器。

後訓練卡片記錄了六個階段，而基礎卡片所缺的那三個，正是讓模型真正可用的三個：第 4 階段是在視覺、推理、程式碼、工具、聊天、安全與長上下文資料上進行監督式微調，並使用長達 524,288 個符元的打包序列；第 5 階段是結合可驗證獎勵的強化學習、RLHF，以及多教師同策略蒸餾；第 6 階段則是針對凍結的後訓練主幹來強化 MTP 頭，讓推測解碼真正發揮效益。

基礎模型卡本身在推論（Inference）一節中就這麼寫道：「基礎模型旨在作為進一步訓練的起點。若要用於對話、推理和工具呼叫應用，請使用後訓練的 BF16 或 NVFP4 版本及其部署說明。」其載明的使用情境是「透過持續預訓練、監督式微調、強化學習與蒸餾來打造自訂視覺語言模型的開發者與研究人員」。

那是一個異常直接的免責聲明，而這是對這件產物的正確解讀。這裡以「base」名義發布的，並不是較弱的聊天模型。它是 Stage 4 到 Stage 6 所運行於其上的基底，並與它們一同發布，好讓其他人能夠跑一套不同的 Stage 4 到 6——在他們自己的資料上、依他們自己的授權條款——而不必重新執行一次 20 兆個 token 的預訓練。

設定並未承載的 1M token 宣稱

這就是值得你投入 249 GB 注意力去關注的落差。

基礎模型卡在其說明中表示，該模型「支援的上下文長度最高可達 1M 個 token」，並在「模型設計」區段中重複此點：「該模型支援最高 1M 個 token 的上下文。」訓練方法論也佐證了這項意圖——第 2 階段明確包含「以 35B 個 token 擴展至 1M 上下文，接著進行 9B 個 token 的長上下文恢復階段。」

隨附的 config.json 說的卻是另一回事。它的 max_position_embeddings 是 262,144——256K，不是 1M。沒有 rope_scaling 區塊，也沒有 original_max_position_embeddings 欄位，因此位置方案也未宣告任何擴展。相較之下，後訓練儲存庫的 config 則宣告 max_position_embeddings 為 1,048,576。兩個姊妹檢查點，相同架構字串、相同層配置，位置上限卻有四倍差距，而基礎卡片的說明文字並未提及此事。

把這三個事實放在一起看，最站得住腳的結論並不是基礎模型屬於短上下文，而是基礎儲存庫出廠時附帶了一個保守的宣告上限，並預期你會去修改它。那 1M 的擴充確實訓練過。已發布的設定檔卻沒有把它暴露出來。如果你的持續預訓練計畫假設開箱即是 1M token 的序列長度，那麼這個假設來自模型卡，而不是執行環境實際會讀取的那個檔案——而修正方式是一項你必須知道要去做的設定檔編輯。

基於同樣理由，值得點出：基礎卡片的「模型摘要」表根本就不存在。後訓練卡片則有一張——總參數量、架構、精度、上下文長度、部署目標、推測解碼、推理模式、建議取樣、最適合用途、授權。基礎卡片直接從「描述」跳到「授權」，然後再到基準測試表。任何地方都沒有建議取樣列，也沒有部署列，因此基礎卡片上沒有任何內容能告訴你它需要什麼硬體。

架構，從出貨的設定檔中讀出

由於廠商對基礎架構的描述只是一段文字，而真正的樣貌在檔案裡，以下是該檔案的內容。這一切都直接來自 config.json在基礎儲存庫中，而非來自任何摘要。

• 深度與組成 — 語言主幹中有 88 個區塊。其中 40 個是 Mamba-2 層，40 個是專家混合層，8 個是完整注意力層，分別位於索引 7、16、25、36、47、58、69 和 78。大約每九層就有一個注意力區塊，這就是整個長上下文機制。

• MoE — 每個 MoE 層有 512 個路由專家，每個 token 會選取 22 個，另外有一個共享專家，潛在大小為 1024，且共享專家的中間大小為 5376，而路由專家則為 2688。這就是「120B 總計、12B 活躍」這個標題背後的算術。

• 注意力 — 32 個查詢頭對 2 個鍵值頭，頭維度為 128，因此是比例 16:1 的分組查詢注意力。隱藏大小為 4096。

• MTP — 一層下一詞元預測層，本身由一個注意力區塊與一個 MoE 區塊組成，風格仿效 DeepSeek 的多詞元預測頭。一次預測步驟，而非數次。

• Vision — 一個 C-RADIO ViT-H 塔：32 層、隱藏大小 1280、16 個注意力頭、patch 大小 16、7 個 register token、3 個 class token、最大影像尺寸 2048，以及介於 1024 到 13312 之間的 patch 預算。連接器投影至 20,480，接著 0.5 的降採樣比例與強制影像尺寸 512 再把 token 數量壓回來。

• 影片——時間區塊大小為 2，且宣告的剪枝率為 0.7。

• 兩個怪異之處——設定檔宣告了一個 <audio> 上下文 token，但其 sound_config 為 null，因此音訊的底層管線在這套架構中存在，而這個檢查點並未帶上任何相關內容。而且 tie_word_embeddings 為 false，這對這個規模的模型來說是標準做法，如果你打算調整詞彙表大小，這點值得知道。

作為規模參照：該儲存庫自身的 safetensors 中介資料總計 124,453,395,974 個參數，是一個位元組一個位元組數出來的張量，對比 N​VIDIA 所公布的 120B 總量／12B 啟用參數。這兩個數字是基於不同的計算基礎：廠商數字是語言模型的路由加共享運算量，檔案數字則是儲存庫中儲存的一切，包含視覺塔與 MTP 頭。不要把這個落差當成不一致；請以檔案本身來編列預算。

基準表實際上衡量的究竟是什麼

這張基礎卡公布了 24 列基準測試資料，而且值得讚許 NVIDIA 的是，還有一欄說明每一列分別是什麼：

• MMLU 84.14 精確匹配 · MMLU-Pro 76.25 · AGIEval-En 75.65 CoT · SuperGPQA 47.65 CoT · GPQA Diamond 66.16 於 5-shot CoT 精確匹配

• GSM8K 91.74 於 8-shot CoT · Minerva MATH 87.66 · MATH-500 81.56 取樣 pass@1 n=32 · HumanEval 81.31 EvalPlus 淨化版 · MBPP-Sanitized 79.06 · LiveCodeBench CodeGen 47.61 · BigCodeBench 48.42 完整版與 49.39 指令版

• ARC-Challenge 95.99 · HellaSwag 88.96 · TruthfulQA MC2 71.18 · WinoGrande 79.08 · PIQA 85.09 · CommonsenseQA 85.26 · OpenBookQA 48.80 · SocialIQA 49.03 · RACE 91.39

• 全球 MMLU 86.56，在 8 種語言上平均 · MGSM 87.53，在 6 種語言上以 8-shot 原生 CoT 達到

關於那張表，有兩件事很容易被忽略，而兩者都很重要。

首先，這張模型卡自己的框架說明句指出，這些結果「評估 N​emotron 3.5 Super 純文字基礎主幹，在視覺語言訓練之前」。無論這還意味著什麼，它都意味著這些數字不是一份多模態評分卡——基礎模型卡上任何地方都沒有 OCR 基準、沒有文件理解列、沒有視訊列，儘管視訊與文件輸入在前兩節就已描述。如果你想要基礎檢查點的理由是它的視覺塔，這張卡沒有提供任何可供規劃的實證依據。

第二，表格沒有基線欄位。後訓練模型卡的表格橫跨七欄——Nemotron 3.5 Super GA 對比 Qwen3.5-122B-A10B、Qwen3.8-Flash-Next、DeepSeek-V4-Flash0731、Nemotron 3 Ultra、Inkling-Small 和 GLM-5.3-Flash。基礎模型卡則恰好只有一欄。而且實際執行的項目組合很能說明問題：後訓練模型卡完全捨棄 MMLU，改用 MMLU-ProX，而基礎模型卡同時跑 MMLU 和 MMLU-Pro，卻既沒有 MMLU-ProX，也沒有後訓練模型卡所仰賴的代理式與測試框架層級套件。你無法從卡片回答「這個基礎模型比那個基礎模型更好嗎」。你得把兩者都跑過一遍。

上方每一項數據都是 N​VIDIA 的，且是透過 N​VIDIA 自家的 NeMo Gym 測試框架產生——後訓練版模型卡明確如此表示，而基礎版模型卡則完全沒有公布任何測試框架說明。兩張表上的任何內容都未經獨立重現。

基礎模型與後訓練模型，在它們唯一共用的基準測試中

這兩張卡沒有共用的基準測試表，但恰好有一列可以並排比較，而這一列正是最重要的。

• GPQA Diamond — 基礎版模型卡上為 66.16，採 5-shot 思維鏈精確匹配。後訓練版模型卡上為 89.52。相差 23.36 分，出自 N​VIDIA 自家的兩份文件，且基礎數據被明確標示為純文字主幹。

這就是第 4 到第 6 階段在研究所程度科學推理上價值的誠實標題：後訓練並非對這個模型進行打磨修飾，而是大約再增加一半的能力。這也告訴你取捨的方向。如果你打算自行對基礎檢查點進行後訓練，你一開始就落後 NVIDIA 正在販售的模型 23 個百分點，並且押注你的資料與獎勵訊號能在你的領域中弭平這個差距——而這正是 NVIDIA 自家客戶數據所描述的押注：Scale AI 回報供應商信用處理的推論成本降低 40 倍，Ramp 預期收據轉 JSON 擷取的輸送量提高最多 50%、延遲降低 10 倍。這些是供應商與客戶陳述的成果，並未經獨立量測，而它們是唯一已發表的證據，顯示弭平這個差距是可以達成的。

請注意將這兩張卡片放在一起解讀時的陷阱。基礎卡片的「MMLU-Pro」為 76.25，而後訓練卡片的「MMLU-ProX」為 76.91，看起來像是 0.66 分的差距，但兩者不可比較——它們是不同的基準測試，其中一個還註明了 TigerLab 的提取方法。基礎卡片的「MMLU」為 84.14，在後訓練卡片上完全沒有對應項。如果你想要同基準測試的差異值，GPQA Diamond 是你能得到的，而 LiveCodeBench 則不是：基礎卡片報告 CodeGen 為 47.61，而後訓練卡片報告 LiveCodeBench v6 為 88.22，這是同一基準測試家族的不同版本，並非差異值。

249 GB 能換到什麼，以及換不到什麼

下載本身只需一個指令，而它是整個基礎模型卡中唯一的指令：

• hf download nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-Base-BF16 --local-dir ./models/super-vl-base-bf16

這就是完整的快速入門。基礎卡片包含一個程式碼區塊；後訓練卡片則包含二十二個。這裡沒有 vllm serve 這一行，沒有 SGLang 啟動方式，沒有張量平行指引，沒有 --max-num-seqs，沒有推理解析器旗標，沒有用於推測解碼的 MTP 設定，也沒有 API 用戶端範例。後訓練卡片則全部都有，包括一個使用 --enable-mamba-shared-prefix-checkpoint 的 4×H100 配方，以及一個 TP2 的 2×GB200 配方。

• 執行階段引擎——基礎卡片列出 PyTorch、Megatron-LM 與 NeMo，而其中的推論章節僅列出 PyTorch。後訓練卡片則列出 vLLM 與 SGLang。那些在一邊是訓練框架名稱，另一邊是服務執行階段名稱，而這種區分是刻意的，並非偶然。

• 測試硬體 — Hopper H100 與 H200、Grace Blackwell GB200 與 GB300、Blackwell B200 與 B300。部署時，後訓練卡則縮減為 4×H100 或 2×GB200。

• 磁碟 — 跨 63 個分片共 248.9 GB，與經過後訓練的全精度版本相同。NVFP4 的對應版本為 75.1 GB。如果你下載基礎版本是為了檢視或調適，而不是為了執行，那麼你付的是 NVFP4 下載量的 3.3 倍，換來的卻是沒有推論服務配方。

你確實能取得的、真正可用的內容是：這個儲存庫附帶了一個完整的 chat_template.jinja，大小為 12,513 位元組，其中包含了 enable_thinking 開關，也包括 medium-effort 變體。它還附帶了一個 generation_config.json，其中 temperature 為 1.0、top_p 為 0.95，而 do_sample 為 true。將該範本與後訓練版本進行比對，會得到 414 位元組的差異，全都落在圖片與影片佔位符周圍的空白處理上——除此之外，這兩個範本基本上是同一個檔案。

所以，用來與基礎檢查點以聊天模型方式對話的管線已經存在，而且與已發布的聊天模型幾乎完全相同。缺席的是任何表明你應該這麼做的說明。基礎模型卡上沒有建議取樣列，沒有推理模式列，在聊天配置中也沒有針對它的基準測試。你可以在大約十分鐘內把它當作聊天模型來提供服務。輸出是否值得離開測試框架是另一個問題，而模型卡的答案是不值得。

沒有人談論的語料庫披露

這是基礎版本中可說比權重更有用的部分，而它幾乎未受關注，因為它存在於一個從未被連結的 repo 裡的表格中。

基礎模型卡詳細公開了後訓練模型卡未載明的訓練語料庫：一個超過 20 兆個符元的基礎語料庫，蒐集於 2013 年至 2025 年 12 月之間，並依來源逐項列出——Nemotron-CC-v2 與 v2.1 為 9.1T，Nemotron-CC-Code-v1 為 427.9B，Nemotron-Pretraining-Code 系列合計 1.7T，Nemotron-CC-Math-v1 為 133.3B，專用與 SFT 合成資料集為 660B，以及法律資料集為 4.3B。英語、其他 19 種口說語言、43 種程式語言。

接著是兩張多數開放權重發布根本不會公開的表。其中一張列出由第三方擁有、私人且無法公開存取的資料集，並列出產生其標籤的模型——Qwen3.5-122B-A10B 用於大量 OCR 與視覺問答重新標註工作、DeepSeek-OCR 用於經過篩選的中文 OCR 子集、Qwen3.5 用於經驗證正確的子集、Gemini 3 與 GPT-5 用於搜尋的 RL 資料。另一張列出 NVIDIA 自家的私人資料集，同樣列出產生者：Kimi K3 用於數學思維鏈 SFT 資料、DeepSeek-V4-Pro 用於競技程式設計 OCR、gpt-oss-120b 用於結構化輸出 RL、GLM-5.2 用於精煉、MiniMax-M2 用於搜尋圖走訪，以及一長串其他模型。

接著是兩份大多數開放權重發布根本不會公開的表。其中一份列出 第三方擁有、非公開取用的私有資料集，並指名產生其標籤的模型——在廣泛的 OCR 與視覺問答重新標註工作上使用的 Qwen3.5-122B-A10B、用於經過篩選的中文 OCR 子集的 DeepSeek-OCR、用於經驗證正確子集的 Qwen3.5，以及用於搜尋 RL 資料的 Gemini 3 與 GPT-5。另一份列出 NVIDIA 自家的私有資料集，同樣指名其生成者：用於數學思維鏈 SFT 資料的 Kimi K3、用於競技程式設計 OCR 的 DeepSeek-V4-Pro、用於結構化輸出 RL 的 gpt-oss-120b、用於精修的 GLM-5.2、用於搜尋圖走訪的 MiniMax-M2，以及一長串其他模型。這兩份成對的表提醒了我們這個產業實際上是怎麼運作的——前沿模型的訓練訊號經常包含競爭對手模型的輸出，而 NVIDIA 是極少數會說明是哪些模型、用於什麼用途的實驗室之一。

該儲存庫亦隨附一份Nemotron_3.5_Super_VL_EU_Training_Content_Summary.pdf，於 10 月 15 日新增，這是面向歐盟的訓練內容揭露文件。中期訓練混合資料的揭露粒度相同，而其中有一行與你直接相關——若你打算針對軟體工作進行微調：67B token 的軟體工程階段中，20% 為完整儲存庫、41% 為 issue 與 pull request 配對、3% 為提交差異、1% 為建置與 CI 日誌、10% 為代理軌跡、20% 為預訓練回放，以及 5% 為長上下文資料；其來源已針對 SWE-bench 與 Terminal-Bench 儲存庫進行去汙染處理。這句去汙染聲明，正是模型卡中唯一告訴你這兩項基準測試分數究竟值多少的一句話。

授權條款，以及基礎檢查點是為誰而設

OpenMDW-1.1，與後訓練版本相同的授權條款，模型卡並直白寫明：「本模型已可供商業或非商業用途使用。」該儲存庫未設存取限制，下載時也不需要 Hugging Face 權杖，不過此系列其他地方的 NVIDIA 自家容器配方則假設需要一個。

把授權條款放在使用案例旁邊，目標受眾便清楚無疑。沒有人會下載 249 GB 的後訓練前檢查點來省下推論成本——NVFP4 版本小了 3.3 倍、速度更快，而且在 GPQA Diamond 上高出 23 分。基礎檢查點是給打算主導後訓練階段的團隊用的：他們要的是與 NVIDIA 所跑的不同領域、不同獎勵訊號，或不同資料政策。在 OpenMDW-1.1 之下，允許商業使用且權重不設限，這確實是可以用來打造產品的正當基礎，而這正是為什麼缺少文件要付出代價。

而且值得在這裡區分兩種讀者。如果你的問題是「這週我該選用哪個來做文件解析或影片理解」，基礎檢查點不是你的答案，從來都不是；後訓練模型才是，而那裡待解的問題是基準驗證，而非可用性。如果你的問題是「我能否取得一個 120B 等級、採用寬鬆授權的混合 Mamba-MoE 視覺語言主幹，作為我自己訓練執行的起點」，那麼這個儲存庫就是答案，而它自 10 月 12 日以來一直未被連結。

如果你打算評估它的話

像這樣的一個檢查點，代價高昂的錯誤就是把下載當成測試。事實並非如此：249 GB、63 個分片，以及在第一次前向傳遞之前修改設定，這些都無法告訴你視覺塔是否能遷移到你的文件類別。

便宜的測試作法是先在一個已部署服務的模型上釐清能力問題，之後才花磁碟空間。路由閘道在這件事上有用，但在這個決策中除此之外別無用處——一把金鑰、一個端點，涵蓋兩三百個模型，以供應商定價、0% 加價原樣計費意味著你可以把後訓練的 N​emotron 3.5 Super VL 版本，拿來跟你已經在用的任何視覺模型，在你自己的圖片上比一比，一個下午就能完成，成本就是那些 token 的費用。跨供應商的自動容錯移轉在這裡之所以重要，有個狹窄的理由：一趟在 5,000 筆請求中第 4,000 筆就掛掉的評估執行，會讓你賠掉整趟；而一個在供應商出錯時會改到別處重試的閘道，就是一個下午與兩個下午的差別。

直接說清楚那件否則會有歧義的事：NVIDIA Nemotron 3.5 Super VL 不在我們的目錄中。我們目前不提供這個模型，而且尤其是基礎檢查點本身，託管端點根本不太可能提供，因為基礎檢查點不是推論產品。閘道能給你的是這個實驗中便宜的那一半——也就是那項比較，告訴你付出 249 GB 是否值得。

什麼仍然尚未確立

四件事，以缺口而非風險來陳述。

• 哪一個上下文長度限制才是真的。規格卡上寫的是 1M，出貨的設定檔宣告的是 262,144，而訓練說明則表示曾執行過一次 1M 的延伸。目前沒有任何公開聲明能釐清這三者。任何打算進行長上下文持續預訓練的人，都應把設定檔中的數值視為預設值，並以實際執行環境來驗證，而非採信規格卡。

• 視覺塔能做到什麼。 基礎卡並未發布任何形式的多模態評估。沒有 OCR、沒有文件、沒有圖表、沒有影片列——而這是該系列中唯一以針對這些模態進行微調為全部目的的檢查點。這是已發布證據中最大的缺口。

• 基礎模型與任何事物相比如何。單欄基準測試表，沒有基線，沒有測試框架註記。66.16 的 GPQA Diamond 數值原則上可透過 NeMo Gym 重現，且尚未被 NVIDIA 以外的任何人重現過。

• 基礎模型是否在任何地方隨附 1M 部署配方。 後訓練模型卡包含涵蓋完整視窗的 4×H100 與 2×GB200 啟動命令。基礎模型卡則包含一個 hf download。目前不清楚這是文件缺漏，還是表明 NVIDIA 不打算支援以 1M 提供基礎模型服務的聲明。

這些都不會讓這次發布變得比較不有趣。它反而讓基礎檢查點成為該系列中文件記載最少的產物，而對某一狹窄且特定類型的團隊來說，卻是最有用的那一個——差別在於你的下一步是 API 呼叫，還是一次訓練執行。

對於一個失效模式仍未被記錄的模型來說，有用的對照資料是其他地方已經出錯的紀錄：這類模型的已記錄 AI 事件與代理失效，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。