Nemotron 3.5 Super VL
性价比更高: Qwen3.5-4B $0.060/M 即可获得 Index 46.7,便宜 78%。
有 28 个更便宜的已排名模型得分更高:GLM 5.3 Flash (57.8, $0.238)、DeepSeek V4 Flash (57.2, $0.262)、Claude Haiku 5.5 (56.7, $0.200),另有 25 个。
截至 2026年11月16日,Nemotron 3.5 Super VL(NVIDIA)在 BenchLeader Index 上得分 45.8(共 608 个已排名配置)。表现最好的是长上下文(59),最弱的是编程(34)。API 价格为输入每百万 token $0.200、输出每百万 token $0.500(按 3:1 混合为 $0.275),为 2026年11月16日的标价。输出速度约为 270 token/秒(Artificial Analysis)。发布于 2026年10月15日。
要点(截至 2026年11月16日)
- Nemotron 3.5 Super VL 的 API 价格为输入每百万 token $0.200、输出每百万 token $0.500(按 3:1 混合为 $0.275)(标价,2026年11月16日)。
- Nemotron 3.5 Super VL 的输出速度约为 270 token/秒(Artificial Analysis,2026年11月16日)。
- Nemotron 3.5 Super VL 于 2026年10月15日发布(NVIDIA)。
详细说明:Nemotron 3.5 Super VL 是 NVIDIA 的开放权重推理模型,发布于 2026年10月15日。其最佳配置在 BenchLeader Index 上得分 45.8 ±7.9,在 608 个配置中排第 445 名,处于下半区。关键在于这个“±”:另有 319 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,长上下文得分最高(59),编程最低(34)。按混合价格计,每百万 token $0.275,比大多数已排名模型便宜。输出速度为 271 token/秒,首次回答需 13.7 秒,位于最快的四分之一。它已在 5 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年10月15日。
- 混合价格
- $0.275/M
- 输入 $0.200 · 输出 $0.500
- 来源:Artificial Analysis
- 输出速度
- 271 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 14 s
- 首 token 0.53 s
- 上下文
- 1.0M
- 来源:models.dev
- 完整回答
- 36 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $0.557
- 每项任务 5 min,AA Index
- 单任务 token 数
- 81k
- 其中 69% 为推理
- 发布日期
- 2026年10月15日
- 综合 Index46
- 推理37
- 编程34
- 知识43
- 长上下文59
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/nemotron-3-5-super-vl)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
NVIDIA 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Nemotron 3.5 Super VL本页 | 2026年10月15日 | 45.8 | #445 |
| Nemotron Super VL 3.5max | – | – | – |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年10月28日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 83.3#14 | Artificial Analysis |
推理
| 基准测试 | 无推理 | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Humanity's Last Exam (AA)不计入 Index推理强度未说明 | – | – | – | 30.7%#161 | Artificial Analysis | |
| HLE-Diamond (AA)推理强度未说明 | – | – | – | 8.8%#126 | Artificial Analysis | |
| ARC-AGI-1 | 2.0%#262 | 20.2%#230 | 22.7%#223 | – | ARC Prize | |
| ARC-AGI-2 | 0.8%#239 | 1.9%#213 | 1.5%#222 | – | ARC Prize | |
| CritPt不计入 Index推理强度未说明 | – | – | – | 10.6%#131 | Artificial Analysis | |
| CritPt v2 hard subset (AA)推理强度未说明 | – | – | – | 13.5%#106 | Artificial Analysis |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SciCode (AA)不计入 Index | 47.8%#144 | Artificial Analysis | |
| SWE Atlas v1.1不计入 Index | 24.8%#26 | Scale AI SEAL | |
| SWE Atlas v1.1: Codebase QnA不计入 Index | 26.6%#26 | Scale AI SEAL | |
| SWE Atlas v1.1: Test Writing不计入 Index | 27.8%#26 | Scale AI SEAL | |
| SWE Atlas v1.1: Refactoring不计入 Index | 20.0%#26 | Scale AI SEAL | |
| Terminal-Bench 4.0 (AA)不计入 Index | 0.0%#186 | Artificial Analysis | |
| Design Arena Website不计入 Index | 1160#115 | Design Arena | |
| FrontierCode 1.1 (AA)不计入 Index | 25.5%#71 | Artificial Analysis | |
| FrontierCode 2.0 (AA) | 6.1%#105 | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Terminal-Bench | 0.3%#108 | – | Terminal-Bench | |
| GDPval-AA v2.1, normalised score不计入 Index推理强度未说明 | – | 33.1%#75 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index推理强度未说明 | – | 1162#146 | Artificial Analysis | |
| AutomationBench不计入 Index推理强度未说明 | – | 14.8%#177 | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index推理强度未说明 | – | 8.0%#177 | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index推理强度未说明 | – | 999#155 | Artificial Analysis | |
| Terminal-Bench-Science 0.1 (AA)不计入 Index推理强度未说明 | – | 0.0%#115 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-Omniscience v1.1 | -2.9#91 | Artificial Analysis | |
| AA-Omniscience v1.1: accuracy不计入 Index | 21.2%#120 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | 69.5%#38 | Artificial Analysis |
多模态
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| Humanity's Sixth Sense不计入 Index | 24.7%#29 | Scale AI SEAL |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 69.0%#249 | Artificial Analysis | |
| MLCR不计入 Index | 13.3%#101 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Intelligence Index v5.0.1不计入 Index | 13.6#106 | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 26.5#158 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 283.9#162 | Artificial Analysis |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Venice | 392 tok/s | 0.43 s | $0.200 | $0.500 | 262k | fp4 |
| CoreWeave | 296 tok/s | 0.52 s | $0.150 | $0.470 | 1.0M | nvfp4 |
| Together | 188 tok/s | 0.55 s | $0.150 | $0.500 | 262k | – |
| Prime Intellect | 157 tok/s | 1.19 s | $0.150 | $0.500 | 1.0M | nvfp4 |
| DeepInfra | 152 tok/s | 0.82 s | $0.150 | $0.500 | 262k | fp4 |
| Baseten | 137 tok/s | 3.24 s | $0.200 | $0.500 | 1.0M | fp4 |
| Nebius Token Factory | 108 tok/s | 2.31 s | $0.300 | $0.900 | 1.0M | fp4 |
| Crusoe | 103 tok/s | 0.60 s | $0.100 | $0.400 | 1.0M | bf16 |
| io.net | 93 tok/s | 1.67 s | $0.090 | $0.300 | 262k | nvfp4 |
| Darkbloom | 19 tok/s | 13 s | $0.060 | $0.350 | 262k | nvfp4 |
使用情况
Nemotron 3.5 Super VL 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
过去 30 天的典型请求:每次请求 42.5k token、每个输出 token 对应 24 个输入 token、79% 的输入来自缓存、83% 的输出为推理内容、每次请求 0.44 次工具调用。
在 OpenRouter 上向它发送 token 最多的应用:Claude Code (27.0B)、Namazu Data Factory (19.5B)、OpenHands (10.1B)、cyber-train nexus eval (8.1B)、Hermes Agent (5.7B)。
| Vercel AI Gateway 上的提供商 | 吞吐量 | 首 token | 在线率,1 天 |
|---|---|---|---|
| Baseten | 755 tok/s | 0.74 s | 99.96% |
| Together AI | 411 tok/s | 0.19 s | 100.00% |
| DeepInfra | 156 tok/s | 0.35 s | 100.00% |
来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.020。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0002 | $0.0002 | 14.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0027 | $0.0011 | 15.9 s |
| 代码编辑 | 6,000 / 1,500 | $0.0020 | $0.0011 | 19.2 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.014 | $0.0059 | 28.4 s |
| 结构化信息提取 | 2,000 / 200 | $0.0005 | $0.0002 | 14.4 s |
NVIDIA 的更多模型
将 Nemotron 3.5 Super VL 与以下模型对比
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Nemotron 3.5 Super VL 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/nemotron-3-5-super-vl)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Nemotron 3.5 Super VL on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/nemotron-3-5-super-vl
BibTeX:
@misc{benchleader_nemotron_3_5_super_vl_20261116,
author = {{BenchLeader}},
title = {{Nemotron 3.5 Super VL on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/nemotron-3-5-super-vl}},
note = {Data as of 2026-11-16}
}常见问题
- Nemotron 3.5 Super VL 的基准测试得分是多少?
- 截至 2026年11月16日,Nemotron 3.5 Super VL 的 BenchLeader Index 为 45.8 ±7.9。最强的是长上下文(59),最弱的是编程(34)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Nemotron 3.5 Super VL 排名第几?
- 截至 2026年11月16日,Nemotron 3.5 Super VL 在 608 个已排名配置中排第 445 名。另有 319 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Nemotron 3.5 Super VL 每百万 token 的价格是多少?
- 截至 2026年11月16日,Nemotron 3.5 Super VL 的价格为输入每百万 token $0.200、输出每百万 token $0.500,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.275。标价最近一次变动是在 2026年11月14日。
- Nemotron 3.5 Super VL 比 Granite 4.2 30B 更好吗?
- 截至 2026年11月16日,Granite 4.2 30B 与 Nemotron 3.5 Super VL 的质量不相上下(BenchLeader Index 45.8 比 45.8,在 ±9.8 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Nemotron 3.5 Super VL 是什么时候发布的?
- NVIDIA 于 2026年10月15日发布了 Nemotron 3.5 Super VL。BenchLeader 收录了它在 5 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Nemotron 3.5 Super VL:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/nemotron-3-5-super-vl。