AI 模型全景：Nemotron 3.5 Super VL 登 Landing Page（SageMaker JumpStart）
NVIDIA Nemotron 3.5 Super VL, a 120B-parameter multimodal vision-language model, is now available in Amazon SageMaker JumpStart. Deploy the NVFP4 or BF16 variant in a few steps, th
가이드 목록 · 본문은 주로 중국어 간체입니다. 영문 요약(English summary)을 참고하세요.
概述
本页面汇总 NVIDIA Nemotron 3.5 Super VL 多模态视觉语言模型（120B 参数）在 Amazon SageMaker JumpStart 上的上线与部署情况。模型支持 NVFP4 和 BF16 变体，适合在 AWS 托管环境中以低成本推理方式使用。RooHome 以品牌全景站视角，对比主流云平台的模型上线路径与价格，帮助读者快速判断哪个渠道更适合自己的部署需求。
Nemotron 3.5 Super VL 是 Nemotron 系列模型家族的最新成员，聚焦于图像-文本联合理解场景，在多模态 benchmark 与真实任务中表现出较高的准确率。它和 Claude Code、OpenAI 的最新模型一起，构成当前主流云端多模态模型的可选范围之一。
品牌与落地位置
RooHome 以品牌全景站的角度切分四大模块：品牌锚定、分流雷达、四模块走向、独立垂直主题站。Nemotron 3.5 Super VL 的落地信息以官方渠道为主，RooHome 负责将其与其他主流大模型（如 Grok、Claude、Llama 等）做横向对比，帮助读者形成选择判断。
- 品牌：Roo（AI 比价 / 价格雷达 / 订阅路径）
- 关联站点：["/channels", "/official-prices"]（全景路径与分流雷达的内部锚点）
- 本题角度：Nemotron 3.5 Super VL 登 SageMaker JumpStart（Landing Page）
Nemotron 3.5 Super VL 模型概览
Nemotron 3.5 Super VL 是 NVIDIA 推出的大规模多模态模型，参数量约 120B。它同时处理图像和文本输入，输出统一的视觉语言理解能力，适用于文档理解、视觉问答、代码/文档描述等场景。模型发布时，NVIDIA 同时强调了其对多模态 benchmark 的测试结果，并提供了 SageMaker JumpStart 的托管部署路径。
该模型以 NVFP4 和 BF16 两种精度格式发布，分别对应低功耗推理与高保真训练/评估场景。NVFP4 以量化压缩降低显存与带宽消耗，BF16 则保留更多细节，适合需要较高精度的任务。两种格式都可以在 SageMaker JumpStart 的模型注册表中直接调起，便于通过托管 API 进行部署与监控。
> 注意：以下关于价格、许可与版本的具体数据，以 AWS / NVIDIA 官方渠道挂牌页当日数据为准，非 Roohome 自行编制。
落地路径：如何获取与部署
1. 访问官方落地页
模型挂载在 SageMaker JumpStart 官方博客文章中，链接为：
https://aws.amazon.com/blogs/machine-learning/nvidia-nemotron-3-5-super-vl-is-now-available-in-amazon-sagemaker-jumpstart/
该页为模型上线公告的权威来源，包含模型规格、吞吐量基准与部署示例。
2. 选择变体：NVFP4 vs BF16
- NVFP4：以 INT4/FP4 量化为主，侧重推理时的显存节省与延迟降低，适合边缘或低带宽场景。
- BF16：保留较多数值精度，适合需要较高重建与分析精度的任务。
两者均在 SageMaker JumpStart 中以独立模型变体形式提供，用户可根据负载与预算选择。
3. 通过 API 调用
SageMaker JumpStart 提供模型转储与 API 端点，用户可以通过标准的 AWS SDK 或 REST 接口调起模型。部署时只需指定变体、输入类型（image+text）即可完成推理。
> 若需本地化部署或私有云对接，请参考 SageMaker 的模型包装与迁移路径，避免直接搬运第三方托管的模型包。
价格与资源对比
RooHome 的分流雷达逻辑是：先通过官方渠道确认模型是否可用，再根据变体与部署场景比较价格与性能。以下为本条目对照的四个维度（品牌、渠道、变体、价格区间），便于读者快速对比。
| 维度 | Nemotron 3.5 Super VL | 同级主流大模型（参考） |
|---|---|---|
| 主流云平台 | AWS SageMaker JumpStart | AWS, Azure, GCP（各平台模型差异） |
| 变体 | NVFP4 / BF16 | NVFP4 / FP16 / FP32（依模型而定） |
| 典型用途 | 多模态推理、视觉问答 | 通用文本生成、多模态混合 |
| 获取方式 | 官方挂牌 + API 调用 | 官方/社区混合挂牌 |
本对比未涉及具体定价，定价请以 AWS / NVIDIA 官方挂牌为准。若想知道不同变体的实际单次推理成本差异，可查看 SageMaker 模型注册页的 pricing 表（["/official-prices"]）。
部署与监控要点
- 在 SageMaker 控制台创建模型与端点，选择变体（NVFP4 / BF16）。
- 使用 SageMaker Pipelines 或 SageMaker Studio 编写模型包装脚本，将模型注册到 /models。
- 部署后通过 CloudWatch 监控推理延迟与错误率，特别注意量化（NVFP4）带来的精度损失与吞吐提升之间的平衡。
- 若需在本地 GPU 集群上复现，建议使用 NVIDIA 官方的模型包装工具，避免自行编译导致兼容性问题。
> 注意：本指南仅描述标准部署流程，不包含完整的 detector 操作手册或固件级调优。
如何选择：决策路径
读者可按下列顺序快速判断 Nemotron 3.5 Super VL 是否适合自己：
1. 看平台：是否使用 AWS 生态（SageMaker JumpStart + S3 + IAM）？
2. 看变体：是否接受 NVFP4 的轻量化推理，或需要 BF16 的高保真？
3. 看成本：是否在预算内接受量化带来的精度折损？
4. 看数据：是否已有图像-文本标注数据可用于微调？
若以上四点全部匹配，则 Nemotron 3.5 Super VL 是当前主流多模态模型中的一个强力候选。
独立垂直主题站
本全景页仅负责快速定位与对比路径。Nemotron 3.5 Super VL 的详细技术规格、benchmark 结果、许可条款与最佳实践，全部放在 RooHome 的独立垂直主题站中展开。这些独立站点与本全景站保持严格分流，避免同一矩阵互刷。
- 垂直技术页：["/official-api", "/api-transit"]（模型接口与数据传输路径）
- 价格与对比：["/channels", "/official-prices"]
延伸阅读
- SageMaker JumpStart 模型目录与挂牌页：["/models"]
- AWS 官方模型博客原文：https://aws.amazon.com/blogs/machine-learning/nvidia-nemotron-3-5-super-vl-is-now-available-in-amazon-sagemaker-jumpstart/
- 多模态模型对比指南（Roohome 独立站）：[]
风险与边界
- 本页仅做快速定位与横向对比，不构成官方许可或合同依据。
- 模型上线与价格信息以 AWS / NVIDIA 官方挂牌页当日数据为准；Roohome 未自行编制定价。
- 若需本地化部署或私有化运行，请遵循 SageMaker 的模型包装与数据安全规范；Roohome 不负责模型迁移与合规审查。
- 本内容不涉及攻击、盗号或绕过任何付费通道，也不以任何形式推销特定第三方工具或服务。若后续出现违规内容，将立即删除并修正。
结语与补充
本页的目标是让读者第一时间看到 Nemotron 3.5 Super VL 的上线状态与落地路径，并能对比同级主流大模型。Roohome 的四模块分流雷达负责让读者在「全站比价」与「独立垂直主题」之间快速切换。
若需要更详细的模型参数、license 与 benchmark 原始数据，请进入 Roohome 的独立垂直站点继续查阅。所有外部数据均以官方挂牌为准，不保证与非公开渠道一致。