Nemotron 3.5 Super VL
Data source: AIHOT
Model data is shown as published (Chinese).
Released: 2026-10-15 · Context: 1.049M tokens
Open weights ↗Overall rank 78
Official API prices ¥ / million tokens
- Input
- —
- Output
- —
- Cache hits
- —
No paid API from the vendor
官方提供免费原型试用接口,生产部署走合作方或自托管,无按 Token 计费的官方付费 API。
Official pricing ↗Domain capabilities
| Board | Rank | Score | Benchmarks |
|---|---|---|---|
| 综合 | 78 | 45.8 | 18 |
| 编程 | 78 | 44.9 | 5 |
| 科研 | 81 | 45.5 | 5 |
| 专业办公 | 74 | 46.4 | 5 |
| 知识问答 | 76 | 47.3 | 3 |
编程 · 44.9
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 0.0% | 48.9 | 203 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 47.8% | 47.8 | 146 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Artificial Analysis | 6.1% | 45.3 | 117 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| APEX-SWE ↗ 在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。 | Mercor | 22.3% | 43.9 | 62 | 2026-11-18 | Notes代表配置:High 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。 | Terminal-Bench | 0.3% | 41.4 | 64 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:完整系统 · mini-swe-agent。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
科研 · 45.5
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Artificial Analysis | 0.0% | 56.5 | 127 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 10.6% | 56.1 | 133 | 2026-11-18 | Notes这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Humanity's Last Exam ↗ 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。 | Artificial Analysis | 30.7% | 48.9 | 165 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| CritPt v2 Hard ↗ 修订版研究级物理题里较难的 40 道,可以写代码辅助演算。 | Artificial Analysis | 13.5% | 47.7 | 118 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| ARC-AGI-2 ↗ 从几个网格图案的例子中找出变换规则,再解一道新题。 | ARC Prize | 1.5% | 30.9 | 260 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
专业办公 · 46.4
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| GDPval-AA ↗ 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。 | Artificial Analysis | 1,162.4 | 49.8 | 150 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| AA-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 998.8 | 48.8 | 170 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| APEX-Agents ↗ 投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。 | Mercor | 29.5% | 46.7 | 69 | 2026-11-18 | Notes代表配置:High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| τ³-Banking ↗ 扮演银行客服跟模拟客户对话:查政策、找产品、改账户。 | Mercor | 19.2% | 46.7 | 42 | 2026-11-18 | Notes代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 14.8% | 43.4 | 192 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
知识问答 · 47.3
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| MLCR-AA ↗ 读很长的医疗记录回答问题,答案要完整且不能违背原始记录。 | Artificial Analysis | 13.3% | 53 | 113 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| AA-Omniscience v1.1 ↗ 各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。 | Artificial Analysis | -2.9 | 49.3 | 103 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| AA-LCR ↗ 读很长的文档,回答要把多处信息串起来才能答的问题。 | Artificial Analysis | 69.0% | 42.1 | 254 | 2026-11-18 | Notes代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
Benchmarks without results
- Terminal-Bench 4.0 · Vals
- LiveBench · 编程综合
- Code Migration v1.1
- ProgramBench
- MirrorCode
- Vibe Code Bench v1.1
- CyberBench Patch v1.1
- FrontierCode 2.0 · Cognition
- WeirdML v3
- FrontierSWE v2
- TapTap Maker
- FrontierMath v2 · Tiers 1–3
- LiveBench · 推理与数学
- 致知 · 逻辑月榜
- 司南 · 推理
- 司南 · 抽象
- Chess Puzzles
- Mystery Game Puzzles
- MysteryMechanism
- Terminal-Bench Science · Vals
- BioMysteryBench
- Vals Finance Agent v2.1
- Harvey LAB 1.1 · Vals
- Harvey LAB 1.1 · AA
- LiveBench · 数据分析
- AA-Analyst Agent
- Legal Research Bench
- TaxAgentBench
- Excel Modeling v1.1
- SimpleQA Verified
- 司南 · 知识
- LiveBench · 语言与指令
- NYT Connections 扩展版
- BullshitBench · 错误前提
- Arena Text
- Arena WebDev
Recent news
11-17NVIDIA 如何后训练 Nemotron 3.5 Super VL 提升科学领域准确率NVIDIA Technical Blog:Agentic AI / Generative AI
10-26NVIDIA Nemotron 3.5 Super VL 的 ARC-AGI 评测成绩ARC Prize
10-16SGLang 为 NVIDIA Nemotron 3.5 Super VL 提供 Day-0 支持LMSYS Blog
10-16NVIDIA 发布 120B 开源多模态智能体模型 Nemotron 3.5 Super VLMarkTechPost
10-16Nemotron 3.5 Super VL 在 OpenCode 免费开放opencode
10-16Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL,主打企业级持续运行的 AI 智能体The Decoder:AI News