Nemotron 3.5 Super VL 的「同尺寸第一」：分数差 13 分，比的不是同一档

先说结论：10 月 15 日 NVIDIA 放出 Nemotron 3.5 Super VL 的开放权重。Artificial Analysis（下称 AA）独立指数给它 26 分，在「同尺寸开放权重」一组里排第 1；同一天 Meta 的 Muse Spark Open（xhigh）在 AA 上是 39 分。两家都能说「美国开放权重里很靠前」，但比的不是同一档尺寸——1200 亿总参数对 8160 亿总参数。读者若只记住标题里的「第一」，会把两件事读成一件。

发生了什么

据 NVIDIA 官方博客（企业宣称，2026-10-15），Nemotron 3.5 Super VL 是总参数约 1200 亿、每个词元激活约 120 亿的混合专家多模态模型，面向常开智能体：指令、工具调用、多步业务流，以及文档与视觉理解。同日还放出面向本机的 Bolt 74B-A9B，Bolt E4B 定在 10 月 23 日。权重可在 Hugging Face、OpenRouter、ModelScope 与 NVIDIA NIM 上拿到。开发者博客补充：许可证为 OpenMDW-1.1；发布含基础、后训练与 NVFP4 量化检查点，以及可后训练的数据与强化学习环境（企业宣称）。

NVIDIA 自己的口径偏猛：称它是同档里完成任务最快、准确度最高的开放智能体模型之一，并写「最高可达同档 5 倍吞吐」（企业宣称）。这类句子一律按企业宣称读，不升格成已证实。

独立尺子来自 AA。发布说明（第三方评测）写：Nemotron 3.5 Super VL 的 Intelligence Index 约 26（文中亦写 26.5），在美国开放权重里排在前列，略高于 Thinking Machines 的 Inkling Small（约 25.7），高于自家上一代旗舰 Nemotron 3 Ultra（23）与 Meta 的 Muse Glimmer（17）；相对 Nemotron 3 Super，智能指数约翻倍，每道指数题输出词元约少 60%。同一篇还注明：美国开放权重整体仍落后于阿联酋的 K2 Horizon（31）与中国的 MiMo-V2.6-Pro（46）。

AA 模型页（第三方评测）把数字钉得更死：指数 26；在「同尺寸开放权重」比较组（页面写明共 67 个）里排第 1，该组中位数是 8；多家服务商中位价约输入每百万词元 0.20 美元、输出 0.57 美元；输出速度中位约每秒 233 词元；许可证栏标 OpenMDW-1.1，并写明允许商用。页面还写清了尺寸分档：开放权重只与同档比——Tiny ≤40 亿、Small 40–400 亿、Medium 400–1500 亿、Large >1500 亿（原文为 ≤4B / 4B–40B / 40B–150B / >150B）。1200 亿总参数落在 Medium；Muse Spark Open 的 8160 亿落在 Large。

和 Muse Spark Open 对一下，差在哪

我们今天早些时候写过 Muse Spark Open 的「美国最强」要先读限定词（见前稿 muse-spark-open-benchmark-scope）。现在多了一个可核对的对照。

AA 的并排页（第三方评测）直接给出：

• 智能指数：Muse Spark Open（xhigh）39，Nemotron 3.5 Super VL 26；
• 每道指数题成本：约 0.84 美元对 0.25 美元；
• 输出速度：约每秒 103 词元对 233 词元；
• 总参数 / 激活：8160 亿 / 420 亿，对 1200 亿 / 120 亿；
• 输入模态：前者含文本、图像、语音与视频；后者为文本与图像。

也就是说：若问「绝对分数谁高」，Muse 高 13 分；若问「400–1500 亿这一档的开放权重谁高」，Nemotron 在 AA 的同尺寸组里排第 1。NVIDIA 与部分转述写的「美国开放权重领先」，对照的是 Inkling Small、Nemotron 3 Ultra、Muse Glimmer 等，并没有把 Muse Spark Open 放进同一句话里（第三方评测）。这不是谁造假，是比较集不同。

速度数字也有两套口径，不要混用。AA 发布说明写：在 DeepInfra 预发布、NVFP4、约 10 万词元提示下测到约每秒 630 词元，并据此说「约 5 倍于 Inkling Small」（第三方评测）。模型页给的是多家服务商中位约每秒 233 词元。630 是单点端点与长提示条件下的测速；233 是跨服务商中位。NVIDIA 博客里的「5 倍」应对照前者那种条件，而不是把中位速度再乘一遍。

为什么重要

对要自己部署或按量付费的人，这三件事比口号更有用。

第一，尺寸档决定「第几名」写在哪一行。开放权重榜把 Large 与 Medium 拆开比，是合理做法：8160 亿与 1200 亿的显存、并发与单价本就不在一个预算里。读标题时先问：这句话的分母是「所有美国开放权重」，还是「某一尺寸档」。

第二，性价比信号与绝对智能不是同一方向。AA 并排页上，Nemotron 每道指数题更便宜、输出更快；Muse 指数更高、模态更宽，但中位价与单题成本更高（第三方评测）。选模型时若预算紧、任务偏文档与工具调用，中档高吞吐可能比「榜上绝对分」更贴工作负载；若任务吃重推理且能承担更高单价，39 分那一档仍有独立数据支撑。

第三，许可证字段要分开看。Nemotron 在 AA 上标 OpenMDW-1.1、允许商用（第三方评测）。Muse 一侧，Meta 博客写的是带「有限商业条款」的 Muse Model License（见前稿，企业宣称）；AA 并排页对两款都勾了「支持商用」类字段，但「有没有限制」仍以许可证原文为准，不能只看汇总表打勾。

我们不知道什么

公开材料里仍有几块空白。

NVIDIA 列举的客户后训练收益——例如某场景推理成本降到约四十分之一、时延降到约十分之一、准确率升约四成——目前是厂商与合作方口径（企业宣称），AA 的指数并不覆盖这些私有工作流。把客户案例里的倍数读成「通用能力已证实」，证据不够。

Bolt 74B-A9B 在 AA 发布说明里指数约 21，同文称其在 1000 亿参数以下美国模型里靠前（第三方评测）；本机 24GB 场景是否稳、与具体推理后端如何配对，仍缺可复核的第三方长跑数据。

指数 26 的模型页与发布文 26.5 有小数差，属同一评测体系内的四舍五入或组件更新，不影响「同尺寸组第 1、绝对分低于 Muse Spark Open」这一判断；若后续 AA 改版，以模型页当前值为准。

接下来看什么

三件可核对的事：一是 AA 同尺寸组里，Nemotron 能否在指数上稳住第 1，还是被新的 Medium 档开放权重挤开；二是 DeepInfra 类端点上的高峰吞吐，会不会回落到接近跨服务商中位，从而改写「5 倍」叙事的适用条件；三是 OpenMDW-1.1 与 Muse Model License 在真实商用合同里的限制条款对照——字段打勾之后，律师与采购仍要读原文。

我们的看法：Nemotron 3.5 Super VL 值得记的，不是又一句「美国第一」，而是——独立评测已经把「同尺寸第一」和「绝对分更高」拆开了。和 Muse Spark Open 那篇同一条方法：先读限定词与分母，再读分数；厂商的 5 倍与客户案例倍数，一律标成企业宣称，等到有可复现的第三方条件，再决定要不要写进决策表。