Nemotron 3.5 Super VL vs Beam 1.0
完整资料:Nemotron 3.5 Super VL(NVIDIA)和 Beam 1.0(Reflection),包括全部基准测试、价格和排名。
更新于 · 数据来自 7 个来源
截至 2026年11月16日,Nemotron 3.5 Super VL 与 Beam 1.0 的质量不相上下(BenchLeader Index 45.8 比 45.9,在 ±9.7 的误差范围内)。Nemotron 3.5 Super VL 更便宜,对方的价格是它的 2.2 倍(每百万 token 混合价格 $0.275 比 $0.600)。在两者都有成绩的所有类别中,Beam 1.0 均领先。
要点(截至 2026年11月16日)
- Nemotron 3.5 Super VL 的 BenchLeader Index 为 45.8,Beam 1.0 为 45.9(BenchLeader,2026年11月16日)。
- Nemotron 3.5 Super VL 每百万 token 混合价格为 $0.275(标价,2026年11月16日)。
- Beam 1.0 每百万 token 混合价格为 $0.600(标价,2026年11月16日)。
- 在两者都有结果的 21 项基准测试中,Beam 1.0 领先 16 项(BenchLeader,2026年11月16日)。
按用途怎么选
推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。
| 用途 | 推荐 | 理由 | 置信度 |
|---|---|---|---|
| 编程 | Beam 1.0 | 类别得分 37 比 34;FrontierCode 2.0 (AA) 5.5% 比 6.1% | 中 |
| 推理 | Beam 1.0 | 类别得分 42 比 37;HLE-Diamond (AA) 12.8% 比 8.8% | 中 |
| 知识 | Beam 1.0 | 类别得分 46 比 43;AA-Omniscience v1.1 2.3 比 -2.9 | 中 |
| 长文档 | Beam 1.0 | 类别得分 64 比 59;AA-LCR v1.1 78.0% 比 69.0% | 中 |
| 成本最低 | Nemotron 3.5 Super VL | 每百万 token 混合价格 $0.275 比 $0.600;智能体编程会话 $0.014 比 $0.029 | – |
| 首次回答最快 | Beam 1.0 | 首个回答 token 5.4 秒(Beam 1.0)比 13.7 秒(Nemotron 3.5 Super VL) | – |
| 低预算大批量 | 两者都不选 | 通常更小的模型更合适:便宜好用的大模型、最快的大模型 | – |
主要差异
- Nemotron 3.5 Super VL 与 Beam 1.0 的质量不相上下(45.8 比 45.9,在 ±9.7 的误差范围内)。
- Beam 1.0 在编程、知识、长上下文、推理方面更强。
- Nemotron 3.5 Super VL 更便宜,对方的价格是它的 2.2 倍(每百万 token 混合价格 $0.275 比 $0.600)。
概览
| 规格 | Nemotron 3.5 Super VL | Beam 1.0 |
|---|---|---|
| 提供商 | NVIDIA | Reflection |
| 发布日期 | 2026年10月15日 | 2026年10月5日 |
| 上下文窗口(token) | 1,048,576 | 1,048,576 |
| 对比时的配置 | Nemotron 3.5 Super VL | Beam 1.0 |
| 开放权重 | 是 | 是 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.200 / $0.500 / $0.020 | $0.400 / $1.20 / – |
逐类别对比
类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。
| 类别 | Nemotron 3.5 Super VL | Beam 1.0 | 领先者 |
|---|---|---|---|
| 推理 | 36.5 | 42.3 | Beam 1.0 |
| 编程 | 34.4 | 36.9 | Beam 1.0 |
| 智能体与工具 | – | 41.3 | 无法比较 |
| 数学 | – | 38.8 | 无法比较 |
| 知识 | 43.2 | 46.0 | Beam 1.0 |
| 长上下文 | 58.9 | 63.6 | Beam 1.0 |
同一图表对比
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
未绘制(测得的模型少于两个):智能体与工具, 数学, 指令遵循, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 21 项基准测试中,Nemotron 3.5 Super VL 领先 5 项,Beam 1.0 领先 16 项。所有同时评测两者的综合评分都认为 Beam 1.0 更强。
| 综合 Index | Nemotron 3.5 Super VL | Beam 1.0 | 领先者 |
|---|---|---|---|
| BenchLeader Index | 45.8 | 45.9 | 不相上下 |
| AA Intelligence Index v5.0.1 | 13.6 | 17.7 | Beam 1.0 |
各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。
价格、速度与延迟
标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。
| 指标 | Nemotron 3.5 Super VL | Beam 1.0 |
|---|---|---|
| 每百万 token 混合价格 | $0.275 | $0.600 |
| 每百万 token 输入 / 输出 | $0.200 / $0.500 | $0.400 / $1.20 |
| 每百万 token 缓存输入 | $0.020 | – |
| 每项任务价格:聊天回复 | $0.0002 | $0.0005 |
| 每项任务价格:总结一份 30 页的报告 | $0.0027 | $0.0055 |
| 每项任务价格:代码编辑 | $0.0020 | $0.0042 |
| 每项任务价格:智能体编程会话 | $0.014 | $0.029 |
| 每项任务价格:结构化信息提取 | $0.0005 | $0.0010 |
| 智能体编程会话(输入大多命中缓存) | $0.0059 | – |
| 每项基准测试任务成本(AA Index) | $0.557 | $0.284 |
| 每项任务输出 token(AA Index) | 81k | 34k |
| 其中推理部分 | 56k | 22k |
| 每项任务耗时(AA Index) | 5 min | 119 s |
| 输出速度 | 271 tok/s | 288 tok/s |
| 首次回答时间 | 13.7 秒 | 5.4 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 36.4 秒 | 16.4 秒 |
按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Nemotron 3.5 Super VL 上花费 $0.557,在 Beam 1.0 上花费 $0.284;完成同样的工作,Nemotron 3.5 Super VL 输出的 token 是对方的 2.4 倍,这是只看 token 单价看不出来的。
每个模型都按其排名最高的推理强度设置进行对比。Nemotron 3.5 Super VL 得分 45.8,首个回答 token 需 14 秒。Beam 1.0 得分 45.9,首个回答 token 需 5 秒。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本
全部基准测试
共 58 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。
| 指标 | 发布方 | Nemotron 3.5 Super VL | Beam 1.0 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 45.8 | 45.9 |
| 编程得分 | BenchLeader | 34.4 | 36.9 |
| 知识得分 | BenchLeader | 43.2 | 46.0 |
| 长上下文得分 | BenchLeader | 58.9 | 63.6 |
| 推理得分 | BenchLeader | 36.5 | 42.3 |
| 智能体与工具得分 | BenchLeader | – | 41.3 |
| 数学得分 | BenchLeader | – | 38.8 |
| 混合价格(美元/百万 token) | BenchLeader | $0.275 | $0.600 |
| 输出速度 | BenchLeader | 271 tok/s | 288 tok/s |
| 首次回答时间 | BenchLeader | 13.7 秒 | 5.4 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| Humanity's Last Exam (AA) | Artificial Analysis | 30.7% | 34.7% |
| HLE-Diamond (AA) | Artificial Analysis | 8.8% | 12.8% |
| ARC-AGI-1 | ARC Prize | 2.0%† | 45.0%† |
| ARC-AGI-2 | ARC Prize | 0.8%† | 2.8%† |
| CritPt | Artificial Analysis | 10.6% | 13.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 13.5% | 26.5% |
| MysteryMechanism | Vals AI | – | 22.1% |
| 编程 | |||
| SciCode | SciCode | – | 48.5% |
| SciCode (AA) | Artificial Analysis | 47.8% | 48.5% |
| IOI | Vals AI | – | 22.8% |
| Code Migration v1.1 | Vals AI | – | 22.9% |
| Vibe Code Bench v1.1 | Vals AI | – | 66.4% |
| SWE Atlas v1.1 | Scale AI SEAL | 24.8% | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 26.6% | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 27.8% | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 20.0% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | – | 1097.5† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 0.0% | 3.0% |
| Design Arena Website | Design Arena | 1160 | 1239† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 25.5% | 24.3% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 6.1% | 5.5% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 0.3%† | 6.4%† |
| APEX-Agents | Mercor | – | 48.8%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 33.1% | 33.9% |
| GDPval-AA v2.1 | Artificial Analysis | 1162 | 1177 |
显示全部 58 项基准测试
| 指标 | 发布方 | Nemotron 3.5 Super VL | Beam 1.0 |
|---|---|---|---|
| 智能体与工具 | |||
| Finance Agent v2.1 | Vals AI | – | 51.8% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 4.6% |
| Legal Research Bench | Vals AI | – | 28.9% |
| Tax Agent Bench | Vals AI | – | 8.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 4.0% |
| Terminal-Bench Science | Vals AI | – | 1.4% |
| AutomationBench | Artificial Analysis | 14.8% | 48.5% |
| GDP.pdf (AA) | Artificial Analysis | 8.0% | 11.6% |
| AA-Briefcase v1.1 | Artificial Analysis | 999 | 976 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 0.0% | 0.5% |
| CWE-Bench (AA) | Artificial Analysis | – | 49.2% |
| DeepSec-Bench (AA) | Artificial Analysis | – | 6.9% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 45.0% |
| 数学 | |||
| ProofBench | Vals AI | – | 18.0% |
| 知识 | |||
| AA-Omniscience v1.1 | Artificial Analysis | -2.9 | 2.3 |
| BioMysteryBench | Vals AI | – | 42.6% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 64.7% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 21.2% | 30.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 69.5% | 59.0% |
| 多模态 | |||
| Humanity's Sixth Sense | Scale AI SEAL | 24.7%† | – |
| Code2Video-AA | Artificial Analysis | – | 675 |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 69.0% | 78.0% |
| MLCR | Artificial Analysis | 13.3% | 17.8% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 150.9 |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 13.6 | 17.7 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 26.5 | 30.3 |
| AA Progress Index v1 | Artificial Analysis | 283.9 | 296.2 |
| Vals Index | Vals AI | – | 43.4 |
| Vals Finance Index | Vals AI | – | 46.5% |
| Vals Science Index | Vals AI | – | 22.0% |
| Vals Legal Index | Vals AI | – | 61.8% |
| AA Cyber Index | Artificial Analysis | – | 33.7 |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 83.3 | 38.9 |
数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。
变化
- Nemotron 3.5 Super VL:价格 $0.060/M → $0.020/M。
- Nemotron 3.5 Super VL:输入价格 $0.18/M → $0.20/M;价格 $0.52/M → $0.56/M。
- Nemotron 3.5 Super VL:BenchLeader Index 48.9 → 45.8。
- Nemotron 3.5 Super VL:BenchLeader Index 45.7 → 48.9。
- Nemotron 3.5 Super VL:1 项新结果(HiL-Bench);1 项分数修订。
- Beam 1.0:BenchLeader Index 45.7 → 46.2。
- Beam 1.0:1 项新结果(SciCode)。
- Nemotron 3.5 Super VL:输入价格 $0.20/M → $0.18/M。
- Beam 1.0:1 项分数修订。
- Beam 1.0:BenchLeader Index 45.2 → 45.7。
相关对比
- Nemotron 3.5 Super VL vs Command A+
- Nemotron 3.5 Super VL vs Granite 4.2 30B
- Nemotron 3.5 Super VL vs Mistral Large 3
排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型
Nemotron 3.5 Super VL vs Beam 1.0:常见问题
- Nemotron 3.5 Super VL 比 Beam 1.0 更好吗?
- Nemotron 3.5 Super VL 与 Beam 1.0 的质量不相上下(45.8 比 45.9,在 ±9.7 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
- Nemotron 3.5 Super VL 和 Beam 1.0 哪个更便宜?价格会变吗?
- 目前 Nemotron 3.5 Super VL 更便宜:每百万 token $0.275 比 $0.600(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
- 编程用 Nemotron 3.5 Super VL 还是 Beam 1.0 更好?
- Beam 1.0 在编程方面得分更高(类别得分 37 比 34,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Nemotron 3.5 Super VL 为 6.1%,Beam 1.0 为 5.5%。
- Nemotron 3.5 Super VL 和 Beam 1.0 哪个更快?
- Beam 1.0 输出更快(输出 288 比 271 token/秒,Artificial Analysis 7 日中位数)。
- 处理长文档哪个更好?
- Beam 1.0 在长上下文基准测试上得分更高(64 比 59)。两者都支持 1,048,576 token 的上下文。
更多问题(3)
- 哪个延迟更低?
- Beam 1.0 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 5.4 秒比 13.7 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
- 第三方基准测试对 Nemotron 3.5 Super VL 和 Beam 1.0 的看法一致吗?
- 在两者都有结果的 21 项基准测试中,Nemotron 3.5 Super VL 领先 5 项,Beam 1.0 领先 16 项。所有同时评测两者的综合评分都认为 Beam 1.0 更强。
- Nemotron 3.5 Super VL 是什么时候发布的?
- Nemotron 3.5 Super VL 于 2026年10月15日 发布。