Nemotron 3.5 Super VL 對上 Nemotron 3 Ultra：比旗艦更便宜，還是只是規模較小？

NVIDIA 的 Nemotron 3.5 共有三個等級，而其中一個是規劃者的陷阱。NVIDIA Nemotron 3 Ultra 550B-A55B於 2026 年 6 月 4 日發布，是該系列的旗艦：總參數 5,500 億、每個 token 啟用 550 億，具備搭配多 Token 預測的 LatentMoE 層、100 萬 token 上下文，並註明最低需要十六張 H100 或八張 GB200。NVIDIA Nemotron 3.5 Super VL其權重於 2026 年 10 月 12 日在 Hugging Face 上發布，NVIDIA 的公告則於 10 月 15 日跟進，是低於旗艦的等級：總參數 1,200 億、啟用 120 億，同樣具備 100 萬 token 上下文、C-RADIO 視覺編碼器，以及最低四張 H100 或兩張 GB200 的需求。NVIDIA 自家的 Super VL 產品卡直接將其與 Ultra 進行基準比較，並聲稱在參數約為五分之一的條件下，準確度達到 Ultra 的鄰近水準。該說法由供應商自行報告、未經重現，而整個比較就繫於這一句話。

真正決定部署的算術

先從這兩個檢查點實際上需要什麼開始，因為那才是預算負責人會簽核的數字。

• 總參數量 — Super VL 為 120B，而 Ultra 為 550B。權重佔用量大約是 4.6 倍，而填滿 GPU 的正是這些權重。

• 每個 token 的活躍參數 — 12B 對上 55B。每個 token 的運算量取決於這個數字，而非總參數量，這就是為什麼這兩個模型的實際執行成本都遠低於其規模所暗示——也是為什麼它們之間的差距在記憶體上是 4.6 倍，但在每 token 運算量上同樣是 4.6 倍。

• 最低硬體需求 — Super VL 為 4×H100 或 2×GB200；Ultra 為 16×H100 或 8×GB200。實際上來說，就是一個節點對上一座機架。

• 模態 — Super VL 支援文字、圖像與影片輸入；Ultra 則是文字輸入、文字輸出。Ultra 完全沒有視覺路徑。

• 注意力設計 — Super VL 是交錯式的 Mamba-2、專家混合與注意力混合架構，每個 MoE 層有 512 個路由專家；Ultra 則採用 NVIDIA 的 LatentMoE 配置。兩者均配備 MTP 頭部以進行推測解碼。

• 授權 — OpenMDW-1.1，兩者皆允許商業使用，權重與配方在兩者上皆開放。

那六行所顯示的模式是：Super VL 並不是精簡版的 Ultra。它是另一種形態的模型：具備視覺能力、記憶體佔用遠小得多，而且——關鍵在於——可部署在中型團隊可能早已擁有的硬體上。Ultra 的門檻是一場資料中心等級的討論。Super VL 的門檻則是一台正式的推論節點。

多出來的430億活躍參數換來了什麼

一般推理案例

Ultra 的打造目標是登上 NVIDIA 產品陣容的頂端，專攻純文字推理；而 NVIDIA 在六月發布的資料中，將它與六個當代前沿模型進行基準比較，涵蓋知識、數學、程式設計與長上下文測試套件。這些數據，如同這份比較中的每一項數據，都來自 NVIDIA 自家的測試框架，而非獨立評估者，因此它們確立的是 NVIDIA 所測量到的結果，而不是第三方會測量到的結果。

多模態案例

這正是比較出現反轉的地方。Ultra 無法讀取頁面。如果工作涉及文件、表格、圖表、螢幕截圖或影片畫面，這款旗艦模型根本不會是候選方案，而家族中最大的模型無論其推理指數有多好，都與你的問題無關。Super VL 的視覺編碼器與連接器正是為這類工作負載而存在，而其已公布的強項——OCR、從視覺文件進行結構化擷取、多步驟業務工作流程——所描述的是與 Ultra 所調校的任務不同的另一種工作。

長上下文案例

兩者都達到 100 萬個 token。NVIDIA 以一個專門的 350 億 token 階段延伸了 Super VL 的上下文，隨後再進行長上下文復原階段；這比單看最大長度是更強烈的訊號：這表示長輸入被視為要保留的能力，而不是用來宣傳的緩衝區。Ultra 透過自身的訓練流程達到了相同的視窗。在沒有對兩者進行獨立長上下文評估的情況下，請將其視為平手，並對你自己的檢索軌跡顯示能在超過 20 萬之後仍維持住的模型，給予看似合理的優勢。

服務其中一個或兩者，以及層級陷阱

陷阱在於假設這個家族是一座你不斷往上爬的梯子。它更像是分區，而分區界線是依每項任務的成本、而非能力來劃定的。一個需要兩顆 GB200、完成文件任務速度比同級快五倍的 12B 活躍參數模型，若 NVIDIA 的吞吐量說法成立，在該任務上會勝過 55B 活躍參數模型，不論哪一個更聰明——因為較聰明的那個只能閒置等待較快者的佇列消化完。把任務換成不含像素的長時程程式設計或數學問題，Ultra 多出來的參數就真正在發揮作用。

這兩者都不在我們的目錄上，而且值得把話說清楚，而不是用一句含糊的話語暗示相反的情況：OrcaRouter 並不提供 NVIDIA Nemotron 3.5 Super VL、Nemotron 3 Ultra 550B-A55B，或任何其他 NVIDIA 檢查點。它們是你自行部署的權重。路由層在這類決策中所貢獻的是量測，而非存取權。路由 DSL 讓你能把同一個提示詞送到兩個上游模型面前，並排閱讀它們的回答，因此要評估一個 12B 活躍參數的候選模型對上 55B 活躍參數的現行模型，只需改一項設定，而不是進行兩個整合專案。自動容錯移轉之所以重要，原因恰恰相反：如果你路由到的託管模型在流程中途效能衰退，請求會轉移而不是失敗，這讓那些把 Super VL 自架為主要方案的團隊仍保有可用的備援路徑。而對於不該由任何自架層吸收的那部分工作負載——突發流量、罕見模態、一次性的長脈絡工作——藏在單一金鑰背後、以供應商定價 0% 加成提供兩百多個模型的目錄，正是那些請求的去處。

對那段話誠實的定調是：我們在這裡並不是這兩個模型任何一方的供應商。我們是讓比較得以低成本運行、讓升級路徑得以低成本維持的那一層。

在你做出承諾前，應該先檢驗的主張

以上種種全都歸結為一句未經證實的話：一個擁有 120B 參數、12B 活躍參數的模型，能以大約五分之一的參數量，匹敵 NVIDIA 最大的推理模型。如果這句話成立，Super VL 就是混合工作負載下更好的預設選擇，而 Ultra 則保留給真正需要它的那一小部分極端問題。如果這句話不成立——而且在發布一天之後，NVIDIA 之外還沒有任何人實際測量過——那麼這兩個層級就只是同一樣東西的不同規模，選擇也就回歸到你的任務需要什麼：要像素還是不用像素，一個節點還是一座機架。

這個測試便宜又具體。從你自己的待辦佇列中挑出五十個有可檢查答案的真實任務，將它們同時跑在兩者上，並以完成度而非基準測試分數來評分。那個數字，而非 NVIDIA 的數字，才是決定你要為哪個等級購買硬體的依據——而且當下一個 Nemotron 版本發布、重設這頁時，那個數字仍會成立。