A dúvida aparece com frequência em mensagens de WhatsApp, legendas de vídeo e redações informais. A forma padrão, pelo menos na norma culta brasileira, é vamos nos ver. O pronome "nos" fica antes do verbo porque o "vamos" funciona como auxiliar e o proneme átono tende a vir antes na língua portuguesa contemporânea.
Eu já perdi tempo corrigindo isso em textos de alunos e colegas que mandavam áudio dizendo "vamos se ver lá". Na fala cotidiana, especialmente no Sul do Brasil, o "se" aparece bastante. Mas se você está escrevendo algo que vai ser lido por pessoas atentas à gramática, o caminho mais seguro é "nos ver".
vamos se ver ou vamos nos ver: qual a diferença prática
A diferença não é só estética. "Vamos nos ver" marca claramente que o sujeito inclui o falante e o interlocutor — somos nós dois. O "se" pode gerar ambiguidade em outras construções, embora neste caso específico o sentido seja compreensível mesmo com "se".
Na prática, eu recomendo usar "nos ver" em textos formais, currículos, e-mails profissionais e conteúdo que precise passar credibilidade. Em conversas informais, legendas de meme, tweets, tanto faz. Ninguém vai te processar por escrever "vamos se ver" num grupo de amigos.
O que acontece é que o "se" soa mais natural para quem ouve muito português europeu ou fala regional do interior. No português de Portugal, a colocação pronominal segue regras diferentes e o "se" pode aparecer em construções que aqui não existiriam. Se você tem contato frequente com falantes de Lusitânia, talvez o "se" pareça menos estranho do que parece para quem cresceu no Sudeste brasileiro.
Quando usar cada forma
- Vamos nos ver: e-mails de trabalho, mensagens profissionais, conteúdos editoriais, redações, provas do ENEM e concursos.
- Vamos se ver: conversas informais, grupos de WhatsApp, legenda de foto, posts de redes sociais sem compromisso formal.
Não existe uma terceira forma que seja mais correta que as duas. A questão é registro.
Um problema que eu encontrei na prática
Numa revisão de material didático para curso online, percebi que metade dos vídeos tinha legendas com "vamos se ver". O produtor achava que estava tudo certo. A correção levou duas horas porque precisávamos decidir se mantínhamos o tom informal das legendas ou padronizávamos para a norma culta. A solução foi dividir: nos trechos de conversa entre colegas, mantivemos "se ver". Nos trechos explicativos, usamos "nos ver". O resultado ficou misto, mas pelo menos consistente dentro de cada contexto.
Se você está trabalhando com localização de conteúdo, essa decisão de registro precisa ser tomada no início do projeto, senão vira um inferno de revisões.
Alternativas
Se a construção com pronome átono está dando trabalho, dá para evitar o problema inteiro. Em vez de "vamos nos ver", use "nos veremos" ou "encontramo-nos". A forma sintética do futuro do presente ("veremos") permite a mesóclise em registros mais formais, embora hoje em dia seja rara no português falado. Mais simples ainda: "nos vemos" funciona em praticamente qualquer situação. É curta, direta, e ninguém vai questionar a colocação pronominal.
A verdade é que a maioria das pessoas não se importa com essa diferença. O importante é comunicar. Se o seu texto está claro e o sentido não fica ambíguo, "vamos se ver" e "vamos nos ver" cumprem o papel. A norma culta é uma ferramenta, não uma prisão. Use quando fizer sentido, ignore quando não fizer.
Galeria
vamos NOS ver OU vamos SE ver? - YouTube
Quadro Decorativo Vamos Ver se Dá Certou ou Vamos Fazer dar Certo? - Kiaga
A ver vamos ou haver vamos? | Português à Letra
¿Cómo se dice vamos haber o vamos a ver? - Sociedad y Acción
Vamos a ver | Vocabulario español, Aprender español, Español