Nemotron 3.5 Super VL 與 Nemotron 3.5 Super VL 120B：同一個模型、五個檔案、三種不同行為

這個比較之所以存在，是因為一個搜尋框促成了它。NVIDIA Nemotron 3.5 Super VL 和 NVIDIA Nemotron 3.5 Super VL 120B並不是兩個模型。它們是同一個檢查點的兩種寫法，沒有任何基準測試能區分它們，因為根本沒有可區分之處：120B 是 Super VL 的參數量，而較短的字串是行銷頁面對該檔案的稱呼，該檔案的完整儲存庫名稱為 nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16。圍繞這個檢查點的命名混亂，正是那種最終會寫進事後檢討報告的事情，而記錄在案的事件都收錄在 OrcaRouter AI Incident Archive，其中每一條目都附有自己的來源、嚴重程度、信心評級與爭議標記。

所以，正面對決是錯的文章。有用的版本，是從同一個困惑延伸出來的那篇：如果這兩個名稱都指向同一個模型，為什麼下載「Nemotron 3.5 Super VL」會得到五個不同的儲存庫、三種不同的下載大小和兩種不同的架構，而你實際拿到的又是哪一個？

命名，迎刃而解

NVIDIA 對同一次發佈使用三個重疊的標籤，而它們是層層嵌套而非互相衝突。

• Nemotron 3.5 Super VL — 產品名稱。部落格文章、座談會和每篇新聞報導都這樣稱呼它。

• Nemotron 3.5 Super VL 120B — 名稱後附上參數量。常見於比較表與型錄清單，包括產生此頁面的那些。

• NVIDIA-Nemotron-3.5-Super-VL-120B-A12B — 儲存庫主幹名稱，其中加入了作用中參數數量。每一個可下載的成品都依附於此：BF16、NVFP4、Base，以及 NVFP4 LiLiCorr 草稿模型。

這三者都不是不同的模型。真正有差異的東西位於下一層，體現在精度與後訓練的後綴中，而真正的抉擇就在那裡。

五個檔案，以及每一個實際上究竟是什麼

這五個都出現在彼此相隔約四天之內，而它們的建立時間戳記是現有最可靠的發布證據——比公告日期更可靠，因為公告日期是在這五個全部出現之後才有的。

• ...-120B-A12B-Base-BF16 — 建立於 2026-10-12T15:31:49Z。後訓練前的檢查點。未經指令微調、未經工具使用訓練、沒有推理模式。如果你打算自行進行後訓練，這就是你應該從它開始的檢查點；如果你不打算這樣做，它對你就毫無用處。

• ...-120B-A12B-BF16 — 於 15:32:06Z 建立，十七秒後。完成後的指令模型，全精度，約 249 GB，分佈於 63 個分片。NVIDIA 的服務配置是：在 H100 上採用張量平行度 4，或在 GB200 上採用 2。

• ...-120B-A12B-NVFP4 — 建立於 15:32:30Z。相同的後訓練權重，在訓練期間而非訓練後量化為 4 位元，約 75 GB。這是大多數人實際上會部署的檔案，可在單張 H200、兩張 H100、單張 GB200 或單台 DGX Spark 上執行。

• ...-120B-A12B-NVFP4-LiLiCorr — 建立於 2026-10-11T20:20:59Z，比其他模型早一天，且在任何公告出現之前。它並非一般意義上的模型：而是一個推測解碼草稿模型，NVIDIA 的部落格後來將其列為 DGX Spark 上低延遲推論的推薦選擇。

• {{1}}GGUF 與社群量化{{/1}}——{{2}}屬衍生產物，並非由 NVIDIA 發布，也不在供應商所報告的任何範疇內{{/2}}。

如果你來這裡是想找「這兩者哪個比較好」的答案，答案是：這五個之中的兩個根本不是彼此的替代方案：基礎檢查點和指令檢查點是同一次訓練流程中的不同階段，而草稿模型則不是你會直接呼叫的模型。

全精度建置與 4 位元建置之間有什麼變化？

這是命名糾葛中唯一具有實際後果的比較，也是獨立證據最少的一項。

• 磁碟與記憶體 — BF16 需 248.94 GB，NVFP4 需 75.06 GB。兩者相差 174 GB，而這正是四張 H100 與兩張 H100 之間的差距。

• 數值 — NVFP4 在 Blackwell 上執行 W4A4，在較舊硬體上則執行 W4A16。量化是在訓練期間透過蒸餾套用，NVIDIA 表示這能縮小事後量化所造成的準確度落差。

• 準確度聲明——NVIDIA 回報相對於 BF16 參考的中位數準確度恢復率為 99.62%。這是供應商在其自家測試框架上提供的數字，也是整個發布中最關鍵卻未經驗證的單一數字。

• 獨立評估 — 無。Artificial Analysis 在其 Intelligence Index 上給該模型評分為 26.49，非估算值，但並未為 NVFP4 版本單獨發布一行。你見過的這個模型的每個第三方數字，都是全精度或供應商預設的測量值。

• 效能額外負擔 — NVIDIA 表示並無此負擔，因為量化是在訓練期間進行，而非在執行階段才處理的步驟。

在依據 99.62% 規劃之前，請先仔細看懂這個數字。在一組未具名的評估中，「準確率中位數恢復」並不等同於「損失 0.38% 的能力」這種說法。中位數可以停在 99.62%，但個別基準可能往任一方向移動數個百分點；若沒有各基準的分散程度，這個數字所透露的資訊比表面上看起來更少。如果你的工作負載對特定能力敏感——長文件 OCR、圖表擷取、影片定位——唯一穩妥的做法，是在你自己的資料上執行這兩個建置版本，因為 NVIDIA 尚未公布你需要的那一列數據。

基礎檢查點是沒有人會拿來做基準測試的那一個

在這五個檔案中，base build 是最少被討論的，但如果你有後訓練計畫，它卻是最有趣的。它同樣具備 120B 總參數與 12B 啟用參數的結構、相同的混合主幹與相同的視覺編碼器，並且停在產出 instruct 模型的那套六階段後訓練流程之前——也就是 NVIDIA 也公開了其 SFT 與 RL 資料集的那套流程，共十一個資料集，全都在同一週的 61 小時時段內。

它沒有附帶的，是一張可用的基準測試表。它的模型卡跑的是 MMLU 和 MMLU-Pro；後訓練後的模型卡則完全捨棄 MMLU，改採 MMLU-ProX，並加入代理式與測試框架層級的套件。這兩組的重疊程度不足以回答「後訓練究竟增加了多少」，這意味著要衡量這個問題，唯一的方法就是自己把兩者都跑一遍。開放權重讓這件事成為可能。但它們並不會讓它變成免費。

為什麼會有重複的名稱？

三份產物、三種受眾、一次發佈。部落格文章需要一個短到能放進標題的產品名稱：Nemotron 3.5 Super VL。型錄或比較表需要一個在同時包含 Bolt 74B、Bolt E4B 和 Lightning 30B 的產品系列中可排序且明確無歧義的名稱：加上 120B 就能做到。Hub 需要一個能編碼精度與有效參數的儲存庫名稱，讓指令碼無需人工閱讀說明就能挑選檔案。

這種分層的代價是搜尋。兩個意思相同的字串會爭奪同一個查詢，而輸入其中一個字串的讀者，會來到一個詢問哪個比較好的比較頁面。對那個查詢有用的答案，就是上面那個：它們是同一個檔案，這個名稱實際上可以指的五件事如下，而以下是判斷你手上是哪一個的方法。

如果你是以呼叫的方式使用，而不是下載它，這代表什麼意思

透過 API，命名問題大多會消失，因為供應商已經替你選好了一個建置版本——而剩下的模糊之處正是轉移到這裡。獨立小組針對這個檢查點追蹤了七個伺服器，而他們對相同權重所公布的費率，從每百萬輸入 token 0.10 美元到 0.20 美元，以及每百萬輸出 token 0.40 美元到 0.50 美元不等。其中兩筆刊登明確是 NVFP4 建置；其餘的則未說明，而沒有標明精度的費率，是你無法拿來與另一個費率相比的費率。

這就是本頁開頭那個問題的實用版本。模型名稱對應到一個架構和五個檔案；價格不會告訴你付費的是哪個檔案。向供應商詢問他們提供哪個建置版本，以及他們的吞吐量數據是在 BF16 還是 FP4 上測得，會比對同一個檢查點的兩種寫法進行任何直接比較更有用。

在我們這邊，老實的說明很短：這個檢查點不在 OrcaRouter 的目錄中。模型清單列有略超過 200 個 ID，而且目前沒有 NVIDIA 條目，所以在這裡並不構成提供該模型服務的要約。對於如此模糊的名稱，平台真正提供的相關功能，是一層把模型字串集中在一處的路由層：當某個變體真的上線時，呼叫端不必變更，可以將流量拆分到同一檢查點的兩家供應商，以便在你自己的工作負載上比較兩者，而自動容錯移轉可因應其中一家服務降級的情況。供應商牌價以 0% 加價直接透傳，這一點在這裡特別重要，因為這個模型的價差是 2 倍，而你寧可清楚看到價差，也不願讓它被併入毛利之中。

簡短版答案，給那位搜尋冗長名稱的讀者

Nemotron 3.5 Super VL 與 Nemotron 3.5 Super VL 120B 是同一款模型，於 2026 年 10 月 12 日以權重形式釋出，並於 2026 年 10 月 15 日公布；總參數達 1,200 億，活躍參數為 120 億，支援 100 萬 token 上下文，可輸入文字、圖像與影片，採用 OpenMDW-1.1 授權。如果你是在幾個選項之間做選擇，要選的並不是這兩個名稱。真正要選的是 BF16 與 NVFP4、基礎檢查點與指令微調版，以及價格與精度未以相同單位標示的伺服器。這才是三個實際的決定。名稱並不是其中之一。