NVIDIA uvádí otevřené modely Nemotron 3.5 Super VL a Bolt Edge

NVIDIA vydala Nemotron 3.5 Super VL 15. října 2026. Jde o otevřený multimodální model se 120 miliardami parametrů určený pro specializované agenty v nepřetržitém provozu. Zároveň představila dva menší modely Bolt pro edge zařízení a místní hardware. Super VL a Nemotron 3.5 Bolt 74B-A9B 24GB jsou k dispozici již nyní, zatímco vydání Nemotron 3.5 Bolt E4B 4GB je naplánováno na 23. října 2026.

Tyto novinky rozšiřují rodinu Nemotron, kterou NVIDIA rozděluje podle cílového způsobu nasazení. Model Lightning, vydaný v srpnu, zvládá úlohy s vysokou propustností; Ultra se zaměřuje na nejnáročnější úlohy vyžadující uvažování a Bolt cílí na edge zařízení. NVIDIA uvedla, že tři nové otevřené modely společně pokrývají celé spektrum nasazení agentů, od velkých podnikových serverů až po edge zařízení a místní hardware, a že Super VL vznikl ve spolupráci s Nemotron Coalition.

Architektura a uváděné výsledky

Super VL využívá architekturu směsi expertů se 120 miliardami parametrů, z nichž se pro každý token aktivuje 12 miliard. NVIDIA uvedla, že model dosahuje přesnosti srovnatelné s jejím největším modelem pro uvažování, přestože má přibližně pětinu jeho počtu parametrů. Týká se to multimodálních úloh agentů, mezi něž patří následování pokynů, používání nástrojů, vícekrokové pracovní postupy v podnikání a vizuální porozumění. NVIDIA jej také označuje za nejrychlejší otevřený model pro agenty ve své třídě a uvádí, že na jediném GPU dosahuje až pětkrát vyšší propustnosti než jiné otevřené modely stejné velikostní kategorie.

Model v jediném systému spojuje uvažování, následování pokynů a používání nástrojů s porozuměním textu, obrázkům, dokumentům a videu. Podle technického blogu NVIDIA tato integrace umožňuje týmům zpracovávat textové i vizuální úlohy, aniž by musely nasazovat samostatné textové a obrazově-jazykové modely nebo mezi nimi předávat kontext úloh. NVIDIA uvedla, že trénink modelu pro práci s obrazem a jazykem se zaměřuje na to, s čím se agenti setkávají v praxi: optické rozpoznávání znaků, tabulky, grafy a strukturované informace ve vizuálních dokumentech, například na webových stránkách a v souborech PDF.

Podle zveřejněných hodnocení NVIDIA dosáhl Super VL v testu Hermes Bench skóre 63,44 % a v behaviorálních hodnoceních LangChain 87,05 %, zatímco Nemotron 3 Ultra získal 56,33 %, respektive 84,3 %. V testu CharXiv zaměřeném na uvažování nad grafy NVIDIA uvádí u Super VL skóre 80,8 % oproti 63 % u Nemotron 3 Nano Omni; při interpretaci kódu v Pythonu se výsledek zvyšuje na 84 %. NVIDIA také popisuje Super VL jako jeden z nejlepších otevřených modelů v žebříčku OCRBench v2. Technický blog dále uvádí, že nezávislé hodnocení společnosti EXO Labs zařadilo model na Paretoovu hranici z hlediska přesnosti a doby dokončení úlohy na DGX Spark.

Návrh trénování a inference

Super VL byl destilován z modelu Nemotron 3 Ultra. Technický blog připisuje zlepšení přesnosti při programování schopnostem Ultra v oblasti programování a ztrátové funkci SkewReverse použité při destilaci. Při dodatečném trénování kombinuje on-policy distilace s více učiteli vedení od specializovaných učitelů pro text i obraz; ti hodnotí odpovědi modelu z hlediska uvažování o videu a sledování objektů, používání vizuálních nástrojů a souladu. Technický blog zmiňuje také příspěvky organizací sdružených v Nemotron Coalition: datové sady od Perplexity podpořily průběžný trénink modelu a prostředí od Prime Intellect posloužila k vytvoření modelů učitelů.

Nemotron 3.5 Super VL byl v rámci předtrénování a pokračujícího předtrénování trénován na přibližně 26 bilionech tokenů. Následné dotrénování pak zahrnovalo zhruba 3,8 milionu vzorků a posilovací učení v desítkách prostředí. Pokračující předtrénování přidalo 10 miliard indických tokenů a NVIDIA vydává datovou sadu s přibližně 2,8 bilionu tokenů ve 22 indických jazycích, vytvořenou ve spolupráci s IIT Madras a jeho laboratoří AI4Bharat.

Vydání zahrnuje základní, dodatečně natrénované a kvantizované kontrolní body NVFP4. Recept pro NVFP4 používá na architektuře NVIDIA Blackwell 4bitové váhy a aktivace a kombinuje je s kvantizací zohledňující trénink, jejímž cílem je zmírnit ztrátu přesnosti způsobenou kvantizací. NVIDIA uvádí, že otevřená technika spekulativního dekódování LiLiCorr generuje na DGX Spark tokeny až 2,3× rychleji než dekódování bez spekulace. Predikce více tokenů dává modelu interní návrhovou komponentu, která v jednom průchodu vpřed navrhne několik tokenů k ověření. Optimalizace obsluhy s opětovným využitím kontextu zachovávají mezi opakovanými voláními agentů jak mezipaměti pozornosti, tak rekurentní stavy Mamba.

Modely Bolt pro edge zařízení

Bolt 74B-A9B 24GB využívá nativní 2bitovou kvantizaci, díky níž se vejde do 24 GB paměti a může běžet místně na NVIDIA RTX a DGX Spark souběžně s dalšími aplikacemi. NVIDIA jej označuje za nejlepší otevřený model své třídy v testu PinchBench a za druhý nejlépe hodnocený otevřený model v BrowseComp. Model je dostupný na Hugging Face a podporuje llama.cpp, Ollama, LM Studio, Unsloth a vLLM. Je určen pro notebooky NVIDIA RTX Spark, které mají dorazit 16. října 2026, a běží také na počítačích GeForce RTX, DGX Spark, DGX Station a pracovních stanicích RTX PRO.

Bolt E4B 4GB je určen pro fyzické a konverzační agenty na zařízeních GeForce RTX, Jetson a RTX/DGX Spark. Pro místní hlasové asistenty, interaktivní postavy a vestavěná rozhraní spojuje přirozenou konverzaci s agentními schopnostmi ve více kolech.

Přizpůsobení, první uživatelé a nasazení

Model se dodává s otevřenými váhami, otevřenými datovými sadami a postupy trénování; přizpůsobení podporují NVIDIA NeMo, pipeline založené na Pythonu a otevřené datové sady. NVIDIA zveřejňuje na Hugging Face otevřené datové sady zaměřené na agentické používání nástrojů, finance, následování instrukcí, dlouhý kontext, spravedlnost a 45 datových sad pro vidění a jazyk. Součástí jsou také prostředí pro posilované učení v NeMo Gym.

Podle společnosti NVIDIA desítky organizací model Super VL dodatečně trénují na vlastních datech, nástrojích, zásadách a pracovních postupech. Scale AI model dodatečně trénovala pro agenta Skydance pro financování dodavatelských úvěrů a agenta EY pro hloubkovou prověrku v rámci fúzí a akvizic (M&A); technický blog uvádí, že náklady na inferenci pro úlohu Skydance klesnou 40krát a latence 5krát. Společnost AfterQuery model přizpůsobila pro Hebbia k analýze úvěrových smluv a společnosti AI21 a Alice jej dodatečně trénovaly s cílem zvýšit odolnost vůči kybernetickým útokům. NVIDIA uvádí, že přesnost Alice při analýze informací o kybernetických hrozbách a zranitelnostech je o 40 % vyšší. Mercor model dodatečně trénovala na programátorském benchmarku APEX-SWE pro programovací agenty, kteří plánují, píší a ladí kód. Ramp převádí obrázky účtenek na strukturovaná data JSON obsahující informace o obchodníkovi, data a údaje o platbách a podle technického blogu očekává až o 50 % vyšší propustnost a desetkrát nižší latenci.

Mezi společnosti vyvíjející softwarové platformy, které integrují Super VL, patří Atlassian, který jej využívá pro agentické vyhledávání napříč aplikacemi, jako jsou Jira a Confluence, CrowdStrike pro agentické operace modrého týmu v oblasti podnikového zabezpečení, Dassault Systèmes pro konstrukční návrh a simulace a Perplexity pro vyhledávání a úlohy agentů. Salesforce přizpůsobuje Nemotron pro provoz agentů AI, kteří digitalizují a automatizují pracovní postupy státní správy prostřednictvím Missionforce Operations, a software společnosti Synopsys pro ověřování návrhů polovodičů s modelem spolupracuje.

Pro nasazení poskytuje NVIDIA NIM model jako mikroslužbu připravenou pro produkční provoz, která se každé dva týdny aktualizuje o bezpečnostní opravy a vylepšení výkonu. NVIDIA uvádí, že při použití 16 GPU B200 a rychlosti 50 tokenů za sekundu na uživatele dokáže služba Dynamo se směrováním zohledňujícím mezipaměť KV obsloužit až osmkrát více uživatelů a současně snížit latenci do zobrazení prvního tokenu o 85 %. Super VL je nyní k dispozici na Hugging Face, OpenRouter a ModelScope i jako NVIDIA NIM; běží na systémech DGX Spark, DGX Station, RTX PRO a RTX, na Jetsonu i v datových centrech a cloudových prostředích.