Nemotron 3.5 Super VL

Nemotron 3.5 Super VL 是 NVIDIA 于 2026 年 10 月 15 日在 Hugging Face 开放权重的视觉语言模型，总参数 120B、每 token 激活约 12B，采用 Mamba-2 与 Transformer 混合的 MoE 结构（每层 512 个路由专家），并带有多 token 预测（MTP）。它接受文本、JPEG/PNG 图像和 2 分钟以内的 MP4 视频，输出文本，上下文最长 100 万 token，许可为 OpenMDW-1.1，允许商用。这是 Nemotron 3.5 家族在 8 月 Lightning 30B-A3B 之后推出的大号版本，NVIDIA 同时发布了面向本地部署的 Bolt 74B-A9B。核心判断：它的卖点是“同量级里更快、更少幻觉”，而不是绝对能力；在 NVIDIA 自己的对比表里，Agent 编程类指标明显落后于同期的 Qwen3.8-Flash-Next 和 GLM-5.3-Flash。

官方对比表里，Agent 编程是它最弱的一块

NVIDIA 模型卡用 NeMo Gym 跑了一张横向表。Terminal-Bench 2.1 上 Super VL 为 60.67%，Qwen3.8-Flash-Next 为 85.80%、GLM-5.3-Flash 为 82.70%、DeepSeek-V4-Flash-0731 为 76.80%，差距在 16 到 25 个百分点；SWE-bench Pro 为 51.78%，对手分别为 60.37%、59.70% 和 56.91%；tau3-bench banking 只有 18.88%，Qwen3.8-Flash-Next 为 44.5%。表中较新的 DeepSWE 一项，Super VL 为 24.65%，Qwen3.8-Flash-Next 为 55.57%。这说明它在长链路的代码 Agent 任务上并不是同代开放模型里的第一梯队。

强项在低幻觉与长图结构推理

同一张表里，Super VL 的 AA-Omniscience 幻觉率为 30.0%，对比 Qwen3.5-122B-A10B 的 84.5%、DeepSeek-V4-Flash-0731 的 95.9%，只比 Nemotron 3 Ultra（22.1%）和 GLM-5.3-Flash（30.3%）持平或略高；GraphWalks 长上下文图遍历 89.71%，是表内最高。视觉方面 MathVision 78.16%、CharXiv reasoning 80.82%、OSWorld-Verified 51.14%，与 Qwen3.5-122B-A10B 相当，但低于 Qwen3.8-Flash-Next（87.5%、85.8%、55.8%）。知识覆盖类的 AA-Omniscience 准确率只有 26.2%，低幻觉在一定程度上来自“更常拒答”。

“快 5 倍”目前只有厂商口径

NVIDIA 称它比同级次优模型快约 5 倍，依据是 Mamba-2 混合结构、MTP 原生投机解码和 NVFP4 权重；官方给出的部署配置为 4 张 H100 或 2 张 GB200。截至 10 月 19 日，我们没有找到公开原始数据的第三方速度测试；第三方转述的 Artificial Analysis 智能指数 26.5 也未能在其官网核对，本页暂不录入。训练数据截至 2025 年 12 月，预训练约 26T token，后训练约 380 万条样本加多环境强化学习。

适用边界

需要在自有 GPU 上部署、处理文档截图/图表/网页并且对幻觉敏感的 Agent 场景，Super VL 是少数同时提供 1M 上下文、视频输入和宽松商用许可的选择。以代码 Agent 为主要负载时，同为开放权重的 Qwen3.8-Flash-Next 和 GLM-5.3-Flash 在官方表上领先明显；只需要 256K 上下文且显存有限时，可看同批发布的 Nemotron 3.5 Bolt 74B-A9B。