Nemotron 3.5 Super VL 對比 DeepSeek V4 Flash Vision Exp：八個索引點，而其中只有一個是產品

在 Artificial Analysis Intelligence Index 上，DeepSeek V4 Flash Vision Exp擊敗NVIDIA Nemotron 3.5 Super VL，領先 8.35 分——34.84 對 26.49，兩者皆非估計值——而且它是在已公布的每百萬輸入 token 0.44 美元、輸出 1.32 美元的價格下做到這點，而 NVIDIA 完全沒有公布任何價格。這就是只看規格表的人會帶走的摘要，而這是不該據以行動的錯誤摘要。這兩個模型並不是在競爭同一個定位。NVIDIA Nemotron 3.5 Super VL 是一款正式一般可用、具備技術報告、NIM 微服務、企業支援，以及包含 Scale AI、Salesforce 和 CrowdStrike 的後訓練生態系的模型。DeepSeek V4 Flash Vision Exp 從其檔名來看就是一項實驗：V4 家族的第一個多模態成員，以權重加上最小限度 PyTorch 參考實作的形式發布，而且是在 DeepSeek 並未販售的配置下於該評測面板上取得分數。八分是真實的差距。這同時也是服務與研究產物之間的差距，而真正有用的問題不是誰勝出，而是哪一個能在六個月後待在你們的合規邊界內。

每一個實際上是什麼

NVIDIA Nemotron 3.5 Super VL 是一款 120B 參數的混合式模型 — 包含 Mamba-2 層、具 512 個路由專家的混合專家架構，以及注意力機制 — 搭配 C-RADIO 視覺編碼器，每個 token 有 12B 個活化參數，上下文最高達 1M 個 token，並原生支援多 token 預測以進行推測解碼，無需另設 drafter。其輸入為文字、圖像與影片；輸出為文字。NVIDIA 自家的評估涵蓋 OCR、圖表與文件推理、影片理解及長上下文作業，授權條款為 OpenMDW-1.1，允許商業使用。它隨附一份技術報告，以及針對 4×H100 或 2×GB200 的已發布部署配方。

DeepSeek V4 Flash Vision Exp 以 DeepSeek-V4-Flash 架構為基礎，加入視覺模組並進行持續訓練。該儲存庫在 MIT 授權下包含 48 個 safetensors 分片、一個分詞器、一個可將 OpenAI 風格訊息區塊轉換為提示的編碼模組，以及一套涵蓋視覺編碼器、對齊器、DFlash 注意力、MoE、Hyper-Connections 與 DSpark 前向路徑的精簡 PyTorch 實作。其設定顯示這是一個 43 層的 MoE，具備 256 個路由專家、每個詞元 6 個專家、1,048,576 個最大位置數，以及三層多詞元預測頭。模型卡明確指出，這是 DeepSeek 在 V4 系列中的首個實驗性多模態模型，並且它在多模態代理任務上優於 DeepSeek-V4-Flash-0731，同時在純文字任務上維持相當的效能。

• 參數與架構 — NVIDIA Nemotron 3.5 Super VL：總計 120B／啟用 12B 的混合式 MoE，搭載 C-RADIO 視覺。DeepSeek V4 Flash Vision Exp：總計 284B／啟用 13B 的 MoE，256 個路由專家，每個 token 6 個。

• 智慧指數 — Super VL 為 26.49，提供服務的 DeepSeek 配置為 34.84。兩者皆非估計值，且皆依據 Artificial Analysis。

• 每個索引任務的輸出 token 數 — 49,174 對 69,174。Super VL 以少 29% 的 token 完成面板的任務。

• 價格——Super VL 在任何地方都沒有公開費率；根據同一個面板，所服務的 DeepSeek 配置為每百萬輸入 $0.44／輸出 $1.32。

• 授權與承諾 — OpenMDW-1.1，允許商業使用、正式推出（GA），並為 Super VL 提供 NIM 服務；DeepSeek V4 Flash Vision Exp. 則以 MIT 授權釋出權重與參考實作，並標示為實驗性。

• 模態 — 依 NVIDIA 的模型卡，Super VL 可輸入文字、圖像與影片；DeepSeek 模型則是圖像輸入、文字輸出，而其自家的基準測試表中完全沒有影片列。

八個百分點的差距站得住腳；價格比較則不然。

先從真正已經有定論的部分說起。DeepSeek 的模型得分更高，而且每 token 成本更低，而這個差距不是雜訊——8.35 個指數點大約就是 NVIDIA Nemotron 3.5 Super VL 與 NVIDIA 自家的 550B NVIDIA Nemotron 3 Ultra 550B A55B 之間的距離，後者位於 22.93。所以誠實的說法是，一家中國實驗室實驗性的 284B 多模態發布版本，目前得分超越一家美國實驗室的旗艦開源視覺模型，而在活躍參數軸上規模大約只有三分之一，且是按公開費率計。如果你的工作負載是透過 API 提供的螢幕與圖表理解，那就是完整答案，你可以不用再讀下去。

一旦你想自己跑起來，這個比較就崩解了，而這正是這兩個模型存在的理由。34.84 這個數字是綁在所提供服務的 Max 配置上，而不是綁在你可部署的檢查點上。Hub 儲存庫確實是以 MIT 授權發布的權重，但 DeepSeek 自家的模型卡將其呈現為帶有極簡推論路徑的實驗性產物——那種實驗室為了讓研究人員重現論文而發布的版本，而不是它會以企業合約支援的版本。NVIDIA 的做法正好相反：在發布產品的同時一併發布權重，並預期由呼叫方自行託管。在兩家實驗室選擇公布的基準測試上，差異就顯現出來了。DeepSeek 強調多模態代理任務——ApexBench 36.5，相對於自家純文字模型的 26.2；Chartography 64.3；ZeroBench 35.0 pass@5；Agents' Last Exam 27.3。NVIDIA 則強調文件與影片面向——OCRBench v2 英文為 68.12、MMLongBench-Doc 62.82、CharXiv 推論 80.82、Video-MME v2 32.85。這兩組數據彼此無法互相比較，而且兩者都是廠商自行報告的。

當供應商編號彼此不一致時

NVIDIA 自家表格中有一個細節值得用一段來說明，因為這正是那種會在聚合過程中被洗白的東西。NVIDIA 的比較欄中包含了 DeepSeek-V4-Flash0731，並為它報告 Terminal-Bench 2.1 為 76.80。DeepSeek 自家的卡片則報告同一模型在同一基準上為 82.7，而 DeepSeek V4 Flash Vision Exp 為 83.9。三個數字、一個基準、兩套測試框架，而雙方都沒有加以核對。這不是什麼醜聞——不同的輔助框架與推理投入設定，會讓代理式基準變動好幾個百分點，而 NVIDIA 公布其 NeMo Gym recipes，正是為了讓這些設定能被檢視。但這意味著，當你看到八分的指數差距時，可靠的是指數本身，而不是組成它的各項基準。指數是由第三方對兩個模型套用單一測試框架。基準表格則是四個實驗室在自己的輔助框架上為自己的作業打分。

在同一個面板上，兩個模型的全知指數皆為負值。Super VL 為負 4.22，準確率 23.3%，幻覺率 35.8%；該列衡量的是模型在不知道答案時是否會拒絕回答，而這兩者都不擅長。GDPval-AA——衡量的是完成的交付成果而非答案——給出 Super VL 1,162.41，而 AA-Briefcase 評分標準的 Elo 為 998.76。就 DeepSeek 模型而言，在所提供的配置中，同樣的列並未填入資料。如果你的使用情境是知識檢索，這兩個數字都不令人振奮。如果是文件產出，Super VL 是這兩者中唯一有測量數據的一項。

執行任一個

部署，正是兩條路正式分道揚鑣的地方。NVIDIA Nemotron 3.5 Super VL 在 4×H100 或 2×GB200 上，以鎖定版本的 vLLM 與 SGLang 容器提供 BF16 服務，另推出 NVFP4 版本以縮小佔用空間，並記錄了一條以 2 FPS 取樣 256 幀、剪枝率 0.5 的影片處理流程。在超過 200 個模型上一律只加價 0%，全部用同一把金鑰，而且自動容錯移轉讓你能把尚未驗證的檢查點放上一小部分流量，同時讓已驗證的檢查點撐住其餘流量。當八分的差距與付之闕如的價格讓這個決定確實難分高下時，這就是務實的答案：兩者都路由，用自己的輸入實測，讓流量來決定——但要注意，目前這兩者只有一個能路由。DeepSeek V4 Flash Vision Exp 已經在我們的目錄上，費率就是供應商公布的價格，而非加價後的價格；NVIDIA Nemotron 3.5 Super VL 則還沒上架，因為目前沒有人能穩定地提供一個三天前才推出的檢查點。這種不對稱值得明說，而不是暗示我們兩者都提供。

每個選擇各一行

選擇 NVIDIA Nemotron 3.5 Super VL，當工作內容是文件、圖表、掃描頁面與影片時，當授權必須允許商業使用時，以及當你需要一個一年後仍會回覆與該檢查點相關的支援工單的供應商時——並接受你將放棄 8.35 個指數點，且得為 GPU 付費，而不是按 token 計費。選擇 DeepSeek V4 Flash Vision Exp，當工作是透過 API 進行圖表與螢幕理解時，當每百萬個 token 要價 $0.44 與 $1.32 是預算底線時，以及當可接受實驗性版本的 beta 級定位時——並接受實際提供的服務組態並不是該檢查點，而該檢查點不受支援。需要這兩種行為模式的團隊，通常會執行兩種不同的工作負載，而兩種不同的工作負載，正是單一端點搭配容錯移轉的用途。