NVIDIA Nemotron-3.5-Super-VL-Free 免费端点实测：开发真工具只花 2 小时、看图 4/4、94 万上下文（2026-10）
先说能不能用：NVIDIA 的 Nemotron-3.5-Super-VL-Free 是 opencode 免费货架 10 月 15 号新上的视觉语言（多模态）推理模型，它支持文本 + 图像理解，能看图、能开发、还能塞超大上下文。我拿它干了一件真事——从 0 到 1 开发一个 WPF 图像处理工具（ONNX Mask 生成），全程 10.29 小时，但模型真正在干活的时间只有 1.98 小时：这 10 小时里有 7.62 小时是异常（UI 测试挂起 5.08h + 最后撞配额上限停掉 2.54h），只有 0.65 小时是 build 之类有效工具执行——这些都不能算在模型能力头上。基础能力按 low 深度跑了一遍，推理/代码/中文/结构化都达标（事实题 4/5，小样本里错了一道年份）；多模态看图 4/4 全过；上下文实测塞到约 94.1 万 tokens 还能答对，990K 才被端点拒绝。这是一个「免费、能看图、能开发、长会话耐力强」的工程型模型，日常编码和文档任务可以直接用；但它有明确的使用边界（NVIDIA trial 条款），下面逐条说。
一、这次测的对象与配置
这次测的是 opencode 免费端点上的 nemotron-3.5-super-vl-free，对应 NVIDIA 的规范模型名 nvidia/nemotron-3.5-super-vl-120b-a12b，开源权重，2026 年 10 月 15 号发布。名字拆开看：Super = 旗舰级，VL = 视觉语言（Vision-Language），120B A12B = 总参数 1200 亿、激活参数 120 亿的稀疏 MoE。
| 项 | 值 |
|---|---|
| 被测端点 | opencode/nemotron-3.5-super-vl-free（NVIDIA trial 免费端点，$0/$0） |
| 规范模型 | nvidia/nemotron-3.5-super-vl-120b-a12b（开源权重） |
| 类型 | 视觉语言推理模型（文本 / 图像理解） |
| 上下文声明 | models.dev 标 1,048,576（100 万）；本次实测至约 94.1 万成功、990K 拒绝，100 万未完全实测 |
| 思考档位 | 开发用 medium，基础能力用 low |
| 发布 | 2026-10-15 |
免费端点数据条款（NVIDIA trial）：仅限试用，日志由 NVIDIA 留档（安全/改进用途），勿提交个人/机密数据。本次评测全程用公开/合成数据。
二、实测一：真实开发——模型干活不到 2 小时，做完一个完整工具
这是我最想说的部分。我用它从 0 到 1 开发了一个真实的 WPF 图像工具（Link.SoloMedia.Studio：ONNX Mask 图像生成，.NET 10 + MVVM + U-2-Net 推理），全程 270 步长会话，整个开发过程产出了 15 个源文件，代码全部由模型产出，我只注入需求和验收标准（16 条用户消息，集中在后半段）。
完成度：能跑，单测全绿
| 模块 | 状态 |
|---|---|
| WPF 工程（App / 单测 / UI 测试三工程） | ✅ 可编译可运行（build 0 错 0 警） |
| UI（选图 / 生成 Mask / 保存 / 双图预览，MVVM） | ✅ 完成 |
| ONNX U-2-Net 推理 + 无模型回退算法 | ✅ 完成（真机推理链路未在会话内验真） |
| 单元测试 | ✅ 6/6 全绿（126ms） |
| UI 自动测试 | ⚠️ 1/2（主流程用例红，FlaUI 环境/断言问题，非代码 bug） |
| git 提交 | ❌ 会话被配额打断，收尾未做 |
代码完成度约 90%，验收完成度约 70%。270 步里模型只报了 3 次错需要反复（0.3 步/千 token 量级），工程素养在线：建了 MVVM 分层、依赖注入、异步 + 取消令牌、单测工程、模型自动下载（多镜像容错）；踩坑自愈——PowerShell 中文乱码换惯用法绕开、.NET 目标框架不匹配（NU1201）自己修。
这是最后跑起来的主界面：左边选原图、右边出 Mask，双图预览 + 保存按钮都在：
时间账：总耗时 ≠ 模型能力
总耗时 10.29 小时，模型真正在干活只有 1.98 小时（19%）。 但整个会话的有效干活时间不止这些，拆开来是两类：
- 干活时间 2.63h（26%）：
- 模型干活 1.98h（19%） = 推理思考 0.92h + 响应生成/调用开销 1.07h。这是「步骤时长 − 工具时长」的口径，中间的网络重试、调用排队这类通信开销都算在这条线里面了——只多不少。
- 其余工具 0.65h（6%） = dotnet build / 包管理 / 文件系统排查——这些是有效的开发动作（不白干），但属于工具执行，不算「模型在干活」。
- 异常情况耗时 7.62h（74%）：
- FlaUI UI 自动化测试挂起 5.08h（49%）——
dotnet test驱动 WPF 调试弹窗时 UIA 找不到元素，测试进程空转，纯环境问题。 - 配额停掉 2.54h（25%）——会话收尾时撞上免费端点每日配额上限，从 04:03 起模型完全不再响应，空等到 06:36（无产出）。这是最后真正到限流停掉的，不算干活时间；归为免费端点的调用限制。
- FlaUI UI 自动化测试挂起 5.08h（49%）——
所以别拿 10.29 小时这个数去判断模型快慢——真正算模型在干活的时间只有 1.98 小时；就算把工具执行里有效的 0.65h 也算进「干活」，总共 2.63h（26%），剩下的 7.62h（74%）全是异常（测试挂起 + 配额停掉），跟模型能力没关系。
token 账：约 3388 万，$0
整段开发共消耗约 3388 万 tokens，明细如下：
| 口径 | Tokens | 单步均值 |
|---|---|---|
| 输入（非缓存） | 约 122 万 | 约 4,505 |
| 输出 | 9.1 万 | 337 |
| 推理 | 13 万 | 481 |
| 缓存读 | 约 3240 万（占 95.8%，命中率 96.4%） | — |
| 合计 | 约 3388 万 | — |
| 成本 | $0（免费端点） | — |
缓存读是绝对大头——典型 agentic coding 特征：上下文高度复用，模型每次请求重放历史，只为新增量付少量输入。输出非常克制（单步平均 337 tokens，多为工具调用参数而非长篇文本）。
模型耗时账：单步响应中位 3.4 秒，270 步只错 3 次
| 口径 | 值 |
|---|---|
| 单步推理时长 | 中位 3.4s / 均值 12.2s（均值被少量深思考步拉高） |
| 单步模型总耗时（含生成） | 中位 10.6s / p90 75.1s |
| 报错需反复 | 270 步仅 3 次（0.3 步/千 token 量级） |
| 质量滑坡 | 未见（10.29h / 270 步长会话） |
| 中断原因 | 配额上限（最后一步无产出），非上下文退化 |
结论：medium 深度下它属于「轻思考、快产出、长会话耐力强」的工程型模型——模型单步响应很短，token 消耗主要来自上下文重放（缓存命中下免费端 $0），真正的费用/时间大头都不在模型本身。
三、实测二：基础能力——低档达标，事实小样本含错
按 low 深度跑基础能力剖面：
| 维度 | 结果 |
|---|---|
| 推理 | 3/3（水箱题 / 逻辑包含 / 因式分解） |
| 事实 | 4/5（1 错：一道年份题答「2002 年」，预期不符——小样本，含错，如实标注） |
| 结构化 | 3/3（JSON 输出合法） |
| 选择题 | 5/5 首词正确 |
| 中文 | 流畅贴合语境（秋天短文） |
| 代码 | 3/3（fib / avg / HTML 骨架，语法正确） |
速度（low，5 次取中位数）：TTFT 2.67 秒、端到端 E2E 4.67 秒、输出速度 74.9 t/s、思考 tokens 242。稳定性：同题跑 5 次，唯一输出 5/5 一致（代码输出仅注释微差）。
调用成功率：有失败记录，但都不是端点稳定性问题
干活过程中最关心的其实是“这免费端点稳不稳”。把当天所有请求数了一遍：
| 模块 | 成功 | 失败 | 失败归类 |
|---|---|---|---|
| 能力剖面 + 对照 | 40/40 | 0 | — |
| 身份自报 | 6/6 | 0 | — |
| 速度（5 次） | 5/5 | 0 | — |
| 多模态 VL | 4/4 | 4 次 | 评测姿势坑（prompt 被当文件路径），修复后重跑全成 |
| 上下文 32K→800K | 4/4 | 4 次 | 990K 边界拒绝（预期行为，非干活调用失败） |
模型/端点本身没有稳定性失败——能力、身份、速度这些标准请求共 51 次全成功，没有 5xx、没有超时、没有限流导致的拿不到结果。但中间确实有 8 次失败调用，只是都能归到非模型/非端点的问题上：VL 初跑 4 次是评测脚本把提示词当文件路径（姿势坑，修复后 4/4 全成），990K 4 次是上下文边界拒绝（模型说“再往上是它的极限了”，预期行为）。
四、本次实测验证：多模态 4/4 + 超长上下文 ≥800K
这是本次评测补上的一个新维度：之前测 DeepSeek V4.1 Flash Free、GLM-5.3-Flash-Free 时，它们其实也支持图像输入，只是当时聚焦文本上下文契约、没跑多模态。这次 Nemotron 专门拿图实测了多模态。
多模态 VL：看图 4/4 全过
拿一张公开非敏感人像照片测了四类：
| 题 | 结果 |
|---|---|
| 描述内容 | 正常：东亚女性、黑发高发髻、黑色单肩、素色墙面、光线柔和 ✅ |
| 细节 | 正常：丸子头、淡粉口红、单肩露肩设计、衣物褶皱 ✅ |
| OCR（有无文字） | 「没有文字。」✅ 准确判空 |
| 场景 | 室内/工作室素色墙前拍摄 + 理由链（背景极简/光线均匀/构图刻意）✅ 带推理 |
text+image 输入 4/4 正常理解——多模态是真实能力，不是摆设。
超长上下文：32K→800K 全成，990K 拒绝
用超长文档检索法（伪随机填充 + 尾段藏秘密词，要求模型只输出秘密词）实测：
| 档位 | 实际输入 tokens | 结果 |
|---|---|---|
| 32K | 约 5.9 万 | ✅ 秘密词找回 |
| 250K | 约 30.5 万 | ✅ |
| 400K | 约 47.4 万 | ✅ |
| 800K | 约 94.1 万 | ✅ |
| 990K | — | ❌ 拒绝（Bad Request 400，重试全拒） |
实测可处理到约 94.1 万 tokens 输入，990K 才被端点拒绝。这个量级不低（比很多模型能装的都多）。models.dev 标的 100 万属于「接近但未完全实测」——我测到约 94 万就成功了、990K 被拒，不敢说上限就是 100 万。
五、注意点
- 契约差异（记录不判死）：模型自报上下文 128K，与 models.dev 声明 100 万不符；自报「不支持思考档位」，但端点实际接受 low/high 档（对档位不敏感/忽略）。
- NVIDIA trial 条款：免费端点仅限试用，日志由 NVIDIA 留档（安全/改进用途），勿提交个人/机密数据——用它跑业务敏感数据要谨慎。
- 免费限制：配额有上限，重负荷会撞墙：opencode 免费端点有每日配额上限（约 200 次请求 / 天，UTC 重置），这是当天实测中真实碰到过的：开发会话（medium，270 步）收尾时被配额上限打断过——最后一步模型无响应 2.54 小时（就是时间账里算进模型侧那 2.54h）。所以连续重负荷跑活时，要留意配额、错峰使用；这是免费端点的调用限制，不是模型推理能力的问题。
- 另注意：990K 拒绝是上下文边界（服务端 Bad Request 400，isRetryable=false），不是限流；评测期间还遇到过本机调度侧的限流抖动，那是评测环境问题，不是被测端点。
六、结论与适用场景
一句话：免费、能看图、能开发、长会话耐力强——这是 opencode 免费货架上目前最有「生产力」质感的多模态模型（截至 2026-10-19 实测）。
- 日常编码、文档任务：直接开用。开发实测证明它能从 0→1 干真项目，270 步长会话不滑坡，medium 档单步响应快、token 用量结构省（单步输出均值 337）。
- 多模态场景（看图/OCR/场景判断）：可以用。4/4 全过，识别准确带推理。
- 大上下文任务：80 万 tokens 以内实测稳，990K 会被拒——长文档检索别超过约 94 万这个实测线。免费端缓存命中率高（96.4%），大上下文重放成本低。
- 要先想清楚的：NVIDIA trial 条款（日志留档，别传机密数据）；事实题小样本含错（重要事实建议交叉验证）；免费配额约 200 次请求/天上限，重负荷会撞墙（开发收尾被卡住 2.54h 就是撞墙现场），记得错峰。
- 时效提醒：免费端点限时免费、配额有上限（重负荷使用需错峰），配置随时可能调整；结论只对 2026-10-19 当天的实测有效。
关注微信公众号
扫码关注，第一时间获取软件更新动态与选型建议。