NVIDIA 15 Ekim'de 120 milyar parametreli açık ağırlıklı bir modeli ağa bıraktı ve kendi duyurusunda sınıfının en iyi çalışanından beş kat hızlı olduğunu söyledi. Bağımsız ölçüm kuruluşu Artificial Analysis bir hafta boyunca kendi enstrümanlarıyla baktı ve hız defterini doğruladı: yirmi yedi ölçülen model arasında birincilik. Aynı kuruluşun zekâ endeksi ise aynı modelde başka bir şey söylüyor: 26 puan — kendi açık ağırlık sınıfının birincisi, ama ligin zirvesinin belirgin biçimde gerisi. Yazının hikâyesi bu bilanço: zekâ tahtında değil, hız, fiyat ve lisans temizliği üzerine kurulu bir üçgenin hikâyesi.
Bu Yazıda
- Duyurudan bir gün önce inen model
- Tek model, iki iş
- Bağımsız karne: hızda kral, zekâda klasman birincisi
- NVIDIA'nın tablosu: özelleşmiş zeminde iddialar
- Kendi sunucunuzda: yol var, bedeli var
- Murat Karakaya Akademi Yorumu
- Kaynakça
1. Duyurudan bir gün önce inen model
İşin habercilik tarafıyla başlayalım, çünkü takvim ilginç çalıştı. NVIDIA duyurusu 15 Ekim sabahı Kari Briski imzasıyla yayımlandı: Nemotron 3.5 Super VL açık ağırlıklı multimodal ajan modeli, aynı gün ailenin yerel üyesi Bolt 74B-A9B, bugüne planlanmış küçük kardeş Bolt E4B [1]. OrcaRouter'ın kaydettiğine göre Ollama kataloğu checkpoint'i duyurudan bir gün önce, 14 Ekim'de (v0.40.5) listelemişti bile [14]. Modelin varlığı, şirket ağzından konuşulmadan yirmi dört saat önce dağıtım kanalında görünür hale gelmişti.
Bu tekil bir kaza değil, yeni bir zamanlama rejimi. VentureBeat'in lansman haftası bağlamında andığı NVIDIA–Hugging Face alım anlaşması (yaklaşık 12,93 milyar dolarlık anlaşma, kapanışın 2027'nin ilk yarısında beklenmesi) açık model dağıtımının saatler içinde döndüğü bir savaşın işaret fişekleri [10]. Kurumsal pazara ürün satan bir laboratuvarın, modelini kendi duyurusundan önce üçüncü taraf bir katalogda basılı görmek zorunda kalması, o savaşın maliyeti. Duyuru blogunda geçen "Nemotron Coalition" işbirliğinin üye listesi yayımlanmış değil; ortakların kimliği ve kapsamı doğrulanamadı [1].
Aile konumlandırması net: Nemotron 3 Ultra en zor muhakeme işleri, Lightning yüksek hacim, Super VL multimodal ajan, Bolt yerel donanım [1][2]. Super VL bu kademenin ilk çok modlu üyesi; sesi yok, karşılığında metin, görsel, belge ve NVIDIA'nın beyanıyla video girişi var [2][6].
2. Tek model, iki iş
Mimari, lansmanın en az pazarlama kokan tarafı. 120B toplam, 12B aktif parametreli bir MoE: 512 yönlendirilmiş uzman, top-22 seçimi ve bir paylaşımlı uzman; 88 katmanın 40'ı Mamba-2, 8'i attention, 40'ı MoE [2][6]. Görü tarafını C-RADIO (RADIO v2.5-H ViT-Huge) kodlayıcısı taşıyor; hızın kaynaklarından biri modele gömülü Multi-Token Prediction spekülatif çözümlemesi [2][6]. Pratik karşılığı şu: eskiden ayrı bir belge-okuma modeli (VLM) artı ayrı bir ajan modeli kurup ikisini birbirine bağlamak gerekirdi; NVIDIA tek ağırlık setinde ikisini de yapacağını söylüyor.
Damıtma tarafında şirket, modeli ailenin en büyük üyesi Nemotron 3.5 Ultra'dan eğittiğini ve beşte bir parametreyle onunkine yaklaşan doğruluk aldığını savunuyor [1][2]. Eğitim defteri de NVIDIA rakamları: yaklaşık 26 trilyon token ön eğitim, 3,8 milyon örneklik son eğitim; araştırma raporunun hakemlik durumu ve bu rakamların bağımsız tekrarı yok [5]. Sayıları şirketin verdiği gibi, şirketin verdiği yere yazıyoruz.
3. Bağımsız karne: hızda kral, zekâda klasman birincisi
Artificial Analysis'ın 23.10 erişimli sayıları iki farklı tablo çiziyor ve ikisi de doğru:
| Ölçüm | Değer | Sınıf karşılığı |
|---|---|---|
| Intelligence Index | 26 | Açık ağırlık sınıfında 1/67; sınıf medyanı 8 |
| Çıktı hızı | 429,9 tok/s | Ölçülen 27 modelde 1/27; medyan 92 |
| Görev başına maliyet | ~$0,19 | Girdi $0,23 / çıktı $0,57 (1M token) |
| Lisans | OpenMDW-1.1 | Ticari kullanım, fine-tune, yeniden dağıtım serbest |
Tablo: Artificial Analysis model sayfası [9] · erişim 23.10.2026.
Hız birinciliği bağımsız: NVIDIA'nın "5 kat hızlı" cümlesinin referansı kendi seçtiği rakip (Inkling Small) ve o kesin oran tekrarlanmadı, ama 429,9 tok/s ile sınıf açık ara birinciliği üçüncü taraftan ölçülmüş durumda [1][9]. Zekâ tarafında ölçeği geçen haftadan vermek lazım: aynı AA sayfası ailesinde MiniMax M3.1 Flash 43, GLM-5.3-Flash 42 puanla ölçülmüştü; Super VL'nin 26'sı "açık ağırlık sınıfının birincisi" unvanını kendi açıklık ve boyut profiline göre alıyor, ham akılda o ikisinin çok gerisinde [9]. AA'nın bir notu daha var: model konuşkan — endeks değerlendirmesinde sınıf medyanının epey üstünde çıktı üretmiş, bu da fiyata gecikme olarak yansır [9].
4. NVIDIA'nın tablosu: özelleşmiş zeminde iddialar
Kendi model kartındaki benchmark seti (NVIDIA'nın NeMo Gym ile ölçtüğü tablo) etkileyici başlıklar taşıyor: GPQA-Diamond 89,52; LiveCodeBench v6 88,22; HLE metin-only 31,79; DeepSWE 24,65; OSWorld-Verified 51,14 [3]. Tablonun gösterişsiz köşeleri de var ve onlar daha çok şey anlatıyor: Terminal-Bench 4 [offline] skoru 1 — uç bir zayıflık — ve NVIDIA'nın kendi AA-Omniscience ölçümünde 26,2 doğruluk yanında yüzde 30'luk halüsinasyon riski [3]. Çok modlu puanların (Video-MME v2 32,85 gibi) tamamı şirket içi ölçüm; bağımsız multimodal kıyaslama henüz ortada yok [3].
Lansman haftasının en çok dolaşan cümlesi şuydu: Super VL, özelleştirilmiş post-train haliyle belgeli beş dar görevde Claude Opus 5 ve GPT-6.1 Sol'u geçiyor. VentureBeat'in aktardığı grafiklere göre tıbbi-iddia görevinde baz modelin yüzde 28'i yüzde 72'ye, güvenlik görevinde yüzde 35'i yüzde 76'ya çıkıyor; rakip bantları Opus 5 için yüzde 38, GPT-6.1 Sol için yüzde 66 civarında [10]. Üç not düşmek borç: grafikler NVIDIA'nın kendi grafiği, bağımsız tekrar yok; üstünlük yalnız bu özelleşmiş görevlerde; ve kıyaslanan şey ham model değil, işe göre son-eğitilmiş hali [10]. Aynı ailenin Hermes Bench 63,44 ve LangChain 87,05 puanlarıyla "kendinden büyük Ultra'yı geçiyor" cümlesi de aynı kategoride: şirketin kendi değerlendirmesi [2].
The New Stack'in aktardığı beşli karşılaştırma daha dengeli bir fotoğraf veriyor: Qwen3.5-122B-A10B'ye karşı GPQA'da üstün, Terminal-Bench 2.1'de 66,7'ye 48,7 açık fark — ama SWE-bench Verified'da 71,1'e 71,9 geride, IFBench ve MMLongBench-Doc'ta da biraz geride [11].
5. Kendi sunucunuzda: yol var, bedeli var
Lisans tarafı sınıfın en temizlerinden: OpenMDW-1.1 ticari kullanıma, ince ayara ve yeniden dağıtıma izin veriyor; model kartı "ticari ya da ticari olmayan kullanım" diyor [3][7][11]. Yerel yol gerçekten var: Ollama'da ollama run nemotron-3.5-super komutu vision/tools/thinking etiketleriyle çalışıyor, vLLM 0.31 ile Day-0 desteği yayımlandı, HF'de BF16/NVFP4 checkpoint'leri duruyor [8][12][3][4]. Lansman haftası boyunca yayılan topluluk yürüyüşleri — OpenCode'da uygulama demosundan DGX Spark üstüne vLLM kurulumuna — kurulum adımlarının zaten standartlaştığını gösteriyor [15][17]. Bedeli bellek: BF16 yaklaşık 227GB; pratik Q4 indirmesi 80-90GB; en agresif 1-bit GGUF 46,1GB'a kadar iniyor ama Unsloth en az 64GB birleşik bellek öneriyor ve kalite ödününü not düşüyor [6][13]. DGX Spark sahipleri için NVFP4 checkpoint tek makinede multimodal ajan kurmanın en temiz yolu olarak konumlanmış [1][11].
İki şerh. Video girişi NVIDIA'nın beyanı: model kartı ve NIM belgesi videoyu sayıyor, Ollama kataloğunun etiketlerinde yalnızca "vision" var, video gösterimi ise llama.cpp mtmd CLI rehberinde (Ollama'da değil) görünüyor [6][8][13]. AA'nın mod listesi de "text+image" diyor — AA'nın multimodal kapsamı geriden geliyor olabilir; güvenli cümle "video NVIDIA'nın beyanı" [9]. Bolt tarafında da aynı terazi: "Qwen'i geçti" sayıları NVIDIA'nın kendi testleri; küçük kardeş Bolt E4B'ın resmî tarihi bugün (23 Ekim) ve bu yazı hazırlanırken (23.10 saat ~10:00) resmî kaynaklarda "yakında" satırından öte bir çıkış teyidi yoktu [1][11]. Günlük tazelik kontrolü: AA ve Ollama sayfaları yazı bitmeden yeniden yoklandı; hız, endeks ve fiyat sayıları aynı duruyor.
Yarın için ölçülü bir test planı: kendi faturanız, sözleşmeniz ya da ekran görüntüyle OCR + tablo çıkarımı; çok adımlı araç çağrısı; 1M bağlamda uzun bir PDF. Yanına sınıfın öbür ucundan bir modeli koyup görev başına maliyeti karşılaştırın — ~$0,19/görev buradaki gerçek iddia [9]. OpenRouter'daki ücretsiz katman gözlemi bir video kaydından aktarılan bir gözlem; bugün için doğrulanmış değil, planınızı ona göre yapın [16].
Murat Karakaya Akademi Yorumu
Verilerin söylediği: bağımsız ölçüm bu modeli iki ayak üstünde net tutuyor — açık ağırlık sınıfında hız birinciliği (medyan 92'ye karşılık 429,9 tok/s) ve görev başına ~$0,19 ile ligin en ucuz işçilerinden biri [9]. Aynı ölçüm sınırı da çiziyor: 26 Intelligence Index, kendi sınıfının medyanının (8) üç katından fazla olsa da ham zekâ liginin 40+ skorlu modellerinin ligine ait değil; NVIDIA'nın kendi kartındaki yüzde 30'luk halüsinasyon riski ve Terminal-Bench'teki uçuk zayıflık, doğrulama katmanı olmayan iş akışlarına bu modeli koymayı akılsızlaştırıyor [3][9]. Rakip geçme grafikleri şirketin kendi grafiği; biz yazı boyunca bağımsız olanı şirkete bırakılanı ayırdık.
Kanaatimize gelince: NVIDIA açık model liginde zekâ maratonu koşmuyor, altyapı satıyor. Kendi sunucunuzda çalışan, belgelerinizi okuyan, lisansı temiz, ucuz ve ölçülebilir biçimde hızlı bir işçi — ve duyurusundan bir gün önce katalogda belirmesi, açık dağıtımın artık saat savaşına döndüğünün ilanı. Bu modelin gerçek sınavı akıllı soru çözmek değil; sizin deponuzda, sizin donanımınızda, sizin PDF'lerinizle yapılacak üç test. Üretici iddialarının aksine zekâ liderliği bekleyerek gelmeyin; belge-ağır, ajan-ağır işlerde fiyat-hız hesabıyla gelin.
Etiketler: Murat Karakaya Akademi, NVIDIA Nemotron, Nemotron 3.5 Super VL, Açık Ağırlık Modeller, Yerel Yapay Zeka, Ollama
Kaynakça
- blogs.nvidia.com — Kari Briski, "Open From Data Center to Desktop: NVIDIA Expands Nemotron Family With Highest Efficiency Super VL and Bolt Models" (15.10.2026) · erişim: 23.10.2026
- developer.nvidia.com — "NVIDIA Nemotron 3.5 Super VL Powers Specialized Agents With Multimodal Reasoning" (teknik blog: mimari, benchmark, damıtma) · erişim: 23.10.2026
- huggingface.co — NVIDIA Nemotron 3.5 Super VL 120B-A12B BF16 model kartı (OpenMDW-1.1, NeMo Gym tablosu) · erişim: 23.10.2026
- huggingface.co — NVFP4 model kartı (niceliklendirme puan koruması) · erişim: 23.10.2026
- research.nvidia.com — Nemotron 3.5 Super and Lightning araştırma raporu sayfası · erişim: 23.10.2026
- docs.nvidia.com — NeMo AutoModel Nemotron 3.5 Super VL rehberi (mimari ayrıntıları, ~227GB BF16; NIM get-started: vLLM 0.31, text+image+video girişi, ses yok) · erişim: 23.10.2026
- build.nvidia.com — Nemotron 3.5 Super VL model kartı (1M bağlam, MTP, ticari kullanım) · erişim: 23.10.2026
- ollama.com — "nemotron-3.5-super" katalog sayfası (komut, vision/tools/thinking etiketleri, 1M bağlam uyarısı, lisans) · erişim: 23.10.2026
- artificialanalysis.ai — "Nemotron 3.5 Super VL" model sayfası (Index 26, açık ağırlık 1/67; hız 429,9 tok/s 1/27; ~$0,19/görev; 1M ctx; text+image) · erişim: 23.10.2026
- venturebeat.com — "Nvidia's new open Nemotron 3.5 Super VL with post-training beats Claude Opus 5, GPT-6.1 Sol on specialized task benchmarks" (beş uzmanlaşmış post-train kıyası; NVIDIA grafikleri; HF alım bağlamı) · erişim: 23.10.2026
- thenewstack.io — Jenny Morris, NVIDIA Nemotron/Bolt analizi (15.10.2026; Qwen3.5-122B-A10B karşılaştırması, Bolt testleri "Nvidia says", OpenMDW teyidi) · erişim: 23.10.2026
- vllm.ai — "Nemotron 3.5 Super VL in vLLM" Day-0 blog (v0.31.0, NVFP4 GB200, reasoning-parser + MTP) · erişim: 23.10.2026
- unsloth.ai — Nemotron 3.5 Super VL yerel çalışma rehberi (GGUF boyutları, 1-bit 46,1GB, 64GB+ önerisi, llama.cpp mtmd CLI ile görsel+video) · erişim: 23.10.2026
- orcarouter.ai — "Nemotron 3.5 Super: Ollama local" analizi (checkpoint'in 14.10'da, duyurudan bir gün önce katalogda belirmesi; llama.cpp runarı; veri merkezi önerisi 4×H100 / 2×GB200) · erişim: 23.10.2026
- youtube.com — Sanny-Recommends, "NVIDIA Nemotron 3.5 Super VL Is INSANE!" (16.10.2026; OpenCode demo, OpenRouter/Ollama/LM Studio yolları) · erişim: 23.10.2026
- youtube.com — Outright Systems, Nemotron ailesi özeti (21.10.2026; OpenRouter ücretsiz katman gözlemi;
ollama run nemotron-3.5-bolt) · erişim: 23.10.2026 - youtube.com — Skillversitas, DGX Spark + vLLM kurulum yürüyüşü (16.10.2026) · erişim: 23.10.2026
