Nemotron 3.5 Super VL 跑分出炉:终端与浏览任务亮眼,HLE 仍薄弱

testingcatalog · x · 2026-10-15

testingcatalog 曝光了 Nemotron 3.5 Super VL 与一众开源模型的对比跑分(N3.5 Super 120B-A12B、N3 Ultra 550B、Qwen3.5/3.8、DS-V4 Flash、GLM-5.3 Flash、Inkling Small):

• Agentic 类:SWE-bench Multilingual 67.8,SWE-bench Pro 51.8,Terminal-Bench 2.0 60.7,BrowseComp 76.9(不及 Qwen3.8 Flash-Next 的 85.8 与 DS-V4 的 76.8 相当水平),SciCode 47.1 领先
• 推理:GPQA Diamond 89.6,略低于 Qwen3.8 的 92.7
• 多模态:CharXiv-RQ 80.8,OCR-Bench 68.1,MMLongBench-Doc 62.8
• 明显短板:HLE 无工具仅 31.8,GraphWalks 长上下文 63.3 垫底

原文链接 →

「模型」频道最新

• OpenAI 额度机制遭吐槽：剩 13% 用量时拒绝手动重置 — AccomplishedSugar490 · 2026-10-23
• 816B Meta 新模型 39 分反输 180B Qwen：开源模型得分/规模图 — BTA_Labs · 2026-10-23
• 文档太大就不干活？Gemini 在 Google Docs 里拒生图 — viksit · 2026-10-23
• 程序员吐槽：人生真正使命是安利大家试试最新 DeepSeek — intellectronica · 2026-10-23
• SubQ Snap 1.1 登顶决策模型指数，384K 上下文与低幻觉率取胜 — ArtificialAnlys · 2026-10-23
• PolyAI 推 Dialog-RSN-1 语音模型：单 pass 直听音频，响应快于 300ms — matthen2 · 2026-10-23

更多「模型」频道 AI 资讯 →