BenchLeader

Nemotron 3.5 Super VL

推理强度
质量第 215 / 339 名
45.8Index
低于中位数
较中位数 −4.4
价格第 63 / 255 名
$0.275每百万 token
最便宜的四分之一
中位数的 0.3 倍
速度第 7 / 216 名
271token/秒
前 10%
中位数的 3.3 倍
性价比第 60 / 255 名
166.5分/$
前四分之一
中位数的 3.0 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index46
  2. 推理37
  3. 编程34
  4. 知识43
  5. 长上下文59

嵌入这个排名

更多徽章样式
[![Nemotron 3.5 Super VL on BenchLeader: 综合第 212 名](https://www.benchleader.com/badge/nemotron-3-5-super-vl.svg?style=compact)](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。

NVIDIA 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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。

推理强度Index排名速度首次回答聊天回复成本类别
无推理––271 tok/s14 s$0.0002智能体与工具 21 · 推理 29
medium––271 tok/s14 s$0.0002推理 32
high––271 tok/s14 s$0.0002推理 32
max––271 tok/s14 s$0.0002
未说明最佳45.8#445271 tok/s14 s$0.0002编程 34 · 知识 43 · 长上下文 59 · 推理 37

Index 走势

2026年10月28日 至 2026年11月16日
374757

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 Index83.3#14Artificial Analysis

推理

基准测试无推理mediumhigh默认来源趋势
Humanity's Last Exam (AA)不计入 Index推理强度未说明–––30.7%#161Artificial Analysis
HLE-Diamond (AA)推理强度未说明–––8.8%#126Artificial Analysis
ARC-AGI-12.0%#26220.2%#23022.7%#223–ARC Prize
ARC-AGI-20.8%#2391.9%#2131.5%#222–ARC Prize
CritPt不计入 Index推理强度未说明–––10.6%#131Artificial Analysis
CritPt v2 hard subset (AA)推理强度未说明–––13.5%#106Artificial Analysis

编程

基准测试默认来源趋势
SciCode (AA)不计入 Index47.8%#144Artificial Analysis
SWE Atlas v1.1不计入 Index24.8%#26Scale AI SEAL
SWE Atlas v1.1: Codebase QnA不计入 Index26.6%#26Scale AI SEAL
SWE Atlas v1.1: Test Writing不计入 Index27.8%#26Scale AI SEAL
SWE Atlas v1.1: Refactoring不计入 Index20.0%#26Scale AI SEAL
Terminal-Bench 4.0 (AA)不计入 Index0.0%#186Artificial Analysis
Design Arena Website不计入 Index1160#115Design Arena
FrontierCode 1.1 (AA)不计入 Index25.5%#71Artificial Analysis
FrontierCode 2.0 (AA)6.1%#105Artificial Analysis

智能体与工具

基准测试无推理默认来源趋势
Terminal-Bench0.3%#108–Terminal-Bench
GDPval-AA v2.1, normalised score不计入 Index推理强度未说明–33.1%#75Artificial Analysis
GDPval-AA v2.1不计入 Index推理强度未说明–1162#146Artificial Analysis
AutomationBench不计入 Index推理强度未说明–14.8%#177Artificial Analysis
GDP.pdf (AA)不计入 Index推理强度未说明–8.0%#177Artificial Analysis
AA-Briefcase v1.1不计入 Index推理强度未说明–999#155Artificial Analysis
Terminal-Bench-Science 0.1 (AA)不计入 Index推理强度未说明–0.0%#115Artificial Analysis

多模态

基准测试max来源趋势
Humanity's Sixth Sense不计入 Index24.7%#29Scale AI SEAL

长上下文

基准测试默认来源趋势
AA-LCR v1.169.0%#249Artificial Analysis
MLCR不计入 Index13.3%#101Artificial Analysis

综合

基准测试默认来源趋势
AA Intelligence Index v5.0.1不计入 Index13.6#106Artificial Analysis
AA Intelligence Index v4.3.2不计入 Index26.5#158Artificial Analysis
AA Progress Index v1不计入 Index283.9#162Artificial 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
Venice392 tok/s0.43 s$0.200$0.500262kfp4
CoreWeave296 tok/s0.52 s$0.150$0.4701.0Mnvfp4
Together188 tok/s0.55 s$0.150$0.500262k–
Prime Intellect157 tok/s1.19 s$0.150$0.5001.0Mnvfp4
DeepInfra152 tok/s0.82 s$0.150$0.500262kfp4
Baseten137 tok/s3.24 s$0.200$0.5001.0Mfp4
Nebius Token Factory108 tok/s2.31 s$0.300$0.9001.0Mfp4
Crusoe103 tok/s0.60 s$0.100$0.4001.0Mbf16
io.net93 tok/s1.67 s$0.090$0.300262knvfp4
Darkbloom19 tok/s13 s$0.060$0.350262knvfp4

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

OpenRouter,过去一周
#11
token 份额 1.7%
可用性,72 小时
99.7%
OpenRouter,全部提供商
工具调用错误率,7 天
2.63%
占工具调用
OpenRouter 每日 token 数(2026年10月17日 至 2026年11月15日):共 1.92T,环比上周 −5.4%。

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
Baseten755 tok/s0.74 s99.96%
Together AI411 tok/s0.19 s100.00%
DeepInfra156 tok/s0.35 s100.00%

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。

$0.00$0.179$0.358$0.536$0.71526年10月26年11月
输入 输出
当前:输入 $0.200 · 输出 $0.500

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$0.000214.8 s
总结一份 30 页的报告12,000 / 600$0.0027$0.001115.9 s
代码编辑6,000 / 1,500$0.0020$0.001119.2 s
智能体编程会话60,000 / 4,000$0.014$0.005928.4 s
结构化信息提取2,000 / 200$0.0005$0.000214.4 s

NVIDIA 的更多模型

本月新上线

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。

[![Nemotron 3.5 Super VL on BenchLeader: 综合第 212 名](https://www.benchleader.com/badge/nemotron-3-5-super-vl.svg)](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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。