NVIDIA presenta i modelli aperti Nemotron 3.5 Super VL e Bolt per l’edge

NVIDIA ha rilasciato Nemotron 3.5 Super VL il 15 ottobre 2026: un modello multimodale aperto da 120 miliardi di parametri, pensato per agenti specializzati sempre attivi, insieme a due modelli Bolt più piccoli per l’edge e l’hardware locale. Super VL e Nemotron 3.5 Bolt 74B-A9B 24GB sono già disponibili, mentre Nemotron 3.5 Bolt E4B 4GB è previsto per il 23 ottobre 2026.

Queste uscite ampliano la famiglia Nemotron, che NVIDIA organizza in base alla fascia di distribuzione. Lightning, rilasciato ad agosto, gestisce carichi di lavoro ad alto throughput; Ultra affronta i compiti di ragionamento più impegnativi; Bolt è destinato all’edge. NVIDIA ha dichiarato che i tre nuovi modelli aperti coprono nel loro insieme l’intero spettro delle implementazioni di agenti, dai grandi server aziendali ai dispositivi edge e all’hardware locale, e che Super VL è stato sviluppato in collaborazione con la Nemotron Coalition.

Architettura e prestazioni dichiarate

Super VL utilizza un’architettura mixture-of-experts da 120 miliardi di parametri, che ne attiva 12 miliardi per token. NVIDIA ha dichiarato che il modello offre un’accuratezza paragonabile a quella del suo più grande modello di ragionamento, pur avendo circa un quinto dei parametri, nei compiti multimodali basati su agenti, tra cui il rispetto delle istruzioni, l’uso di strumenti, i flussi di lavoro aziendali articolati in più fasi e la comprensione visiva. NVIDIA lo descrive inoltre come il modello aperto basato su agenti più veloce della sua categoria, con un throughput fino a 5 volte superiore rispetto ad altri modelli aperti di dimensioni analoghe quando viene eseguito su una singola GPU.

Il modello combina ragionamento, rispetto delle istruzioni e uso di strumenti con la comprensione di testo, immagini, documenti e video in un unico sistema. Secondo il blog tecnico di NVIDIA, questa integrazione consente ai team di gestire attività testuali e visive senza distribuire modelli separati per il testo e per la visione-linguaggio né trasferire il contesto delle attività dall’uno all’altro. NVIDIA ha dichiarato che l’addestramento visione-linguaggio del modello è incentrato su ciò che gli agenti incontrano nella pratica: il riconoscimento ottico dei caratteri, le tabelle, i grafici e le informazioni strutturate presenti in documenti visivi come pagine web e PDF.

Secondo le valutazioni riportate da NVIDIA, Super VL ha ottenuto un punteggio del 63,44% su Hermes Bench e dell’87,05% nelle valutazioni comportamentali di LangChain, rispetto rispettivamente al 56,33% e all’84,3% di Nemotron 3 Ultra. Su CharXiv, un benchmark di ragionamento sui grafici, NVIDIA riporta un punteggio dell’80,8% per Super VL, contro il 63% di Nemotron 3 Nano Omni; il risultato sale all’84% quando il modello ricorre all’interpretazione del codice Python. NVIDIA descrive inoltre Super VL come uno dei migliori modelli aperti nella classifica di OCRBench v2; il blog tecnico riferisce che una valutazione indipendente di EXO Labs lo ha collocato sulla frontiera di Pareto per accuratezza e tempo di completamento delle attività su DGX Spark.

Progettazione dell’addestramento e dell’inferenza

Super VL è stato distillato da Nemotron 3 Ultra. Il blog tecnico attribuisce il miglioramento dell’accuratezza nella generazione di codice alle capacità di programmazione di Ultra e alla loss SkewReverse utilizzata durante la distillazione. Nella fase di post-addestramento, la distillazione on-policy multi-insegnante combina le indicazioni di insegnanti specializzati in testo e visione; questi valutano le risposte del modello in termini di ragionamento e tracciamento nei video, uso di strumenti visivi e allineamento. Il blog tecnico segnala inoltre il contributo delle organizzazioni della Nemotron Coalition: i dataset di Perplexity hanno supportato la fase intermedia di addestramento del modello, mentre gli ambienti di Prime Intellect sono stati utilizzati per creare i modelli insegnanti.

Nemotron 3.5 Super VL è stato addestrato su circa 26.000 miliardi di token tra pre-addestramento e pre-addestramento continuo, per poi essere sottoposto a post-addestramento con circa 3,8 milioni di campioni e apprendimento per rinforzo in decine di ambienti. Il pre-addestramento continuo ha aggiunto 10 miliardi di token in lingue indiche; NVIDIA sta inoltre rilasciando un dataset di circa 2.800 miliardi di token in 22 lingue indiane, sviluppato con IIT Madras e il suo laboratorio AI4Bharat.

Il rilascio include checkpoint di base, sottoposti a post-addestramento e quantizzati con NVFP4. La procedura NVFP4 utilizza pesi e attivazioni a 4 bit sull’architettura Blackwell di NVIDIA, insieme a una distillazione consapevole della quantizzazione, pensata per colmare il divario di accuratezza introdotto dalla quantizzazione. NVIDIA riferisce che una tecnica aperta di decodifica speculativa chiamata LiLiCorr genera token fino a 2,3 volte più velocemente rispetto alla decodifica senza speculazione su DGX Spark. La previsione di più token fornisce al modello un generatore interno che propone diversi token da verificare in un unico passaggio in avanti, mentre le ottimizzazioni di serving con riutilizzo del contesto conservano sia le cache di attenzione sia gli stati ricorrenti Mamba tra chiamate ripetute degli agenti.

Modelli Bolt per l’edge

Bolt 74B-A9B 24GB utilizza una quantizzazione nativa a 2 bit per rientrare in 24GB di memoria e funzionare localmente su NVIDIA RTX e DGX Spark insieme ad altre applicazioni. NVIDIA lo descrive come il miglior modello aperto della sua categoria su PinchBench e il secondo modello aperto in classifica su BrowseComp. Il modello è disponibile su Hugging Face e supporta llama.cpp, Ollama, LM Studio, Unsloth e vLLM. È progettato per i portatili NVIDIA RTX Spark, in arrivo il 16 ottobre 2026, e funziona anche su PC GeForce RTX, DGX Spark, DGX Station e workstation RTX PRO.

Bolt E4B 4GB è destinato agli agenti fisici e conversazionali su GeForce RTX, Jetson e RTX/DGX Spark e combina una conversazione naturale con funzionalità agentiche multi-turno per assistenti vocali locali, personaggi interattivi e interfacce integrate.

Personalizzazione, primi utilizzatori e distribuzione

Il modello viene distribuito con pesi aperti, dataset aperti e ricette di addestramento; la personalizzazione è supportata tramite NVIDIA NeMo, pipeline basate su Python e dataset aperti. NVIDIA sta rilasciando su Hugging Face dataset aperti che coprono l’uso di strumenti da parte di agenti, la finanza, il rispetto delle istruzioni, il contesto esteso, l’equità e 45 dataset di visione e linguaggio, oltre ad ambienti per l’apprendimento per rinforzo in NeMo Gym.

Secondo NVIDIA, decine di organizzazioni stanno completando il post-training di Super VL utilizzando i propri dati, strumenti, criteri e flussi di lavoro. Scale AI ha completato il post-training del modello per l’agente finanziario per il credito ai fornitori di Skydance e per l’agente di due diligence M&A di EY; il blog tecnico afferma che, per il carico di lavoro di Skydance, il costo di inferenza diminuirà di 40 volte e la latenza di 5 volte. AfterQuery ha personalizzato il modello per Hebbia, per l’analisi dei contratti di credito, mentre AI21 e Alice ne hanno completato il post-training per migliorarne la resilienza agli attacchi informatici; NVIDIA riferisce che l’accuratezza di Alice nell’analisi delle minacce e delle vulnerabilità è superiore del 40%. Mercor ha completato il post-training del modello sul benchmark di programmazione APEX-SWE per agenti di programmazione in grado di pianificare, scrivere ed eseguire il debug del codice. Ramp sta convertendo immagini di ricevute in JSON strutturati contenenti informazioni sugli esercenti, date e dati di pagamento e, secondo il blog tecnico, prevede un throughput fino al 50% superiore e una latenza inferiore di 10 volte.

Tra le aziende che sviluppano piattaforme software e integrano Super VL figurano Atlassian, per la ricerca basata su agenti tra applicazioni come Jira e Confluence; CrowdStrike, per attività di blue teaming basate su agenti nella sicurezza aziendale; Dassault Systèmes, per la progettazione e la simulazione ingegneristiche; e Perplexity, per la ricerca e le attività basate su agenti. Salesforce sta personalizzando Nemotron per alimentare agenti di IA che digitalizzano e automatizzano i flussi di lavoro governativi tramite Missionforce Operations, mentre il software di Synopsys per la verifica della progettazione dei semiconduttori è interoperabile con il modello.

Per la distribuzione, NVIDIA NIM confeziona il modello come microservizio pronto per la produzione, aggiornato ogni due settimane con patch di sicurezza e miglioramenti delle prestazioni. NVIDIA riferisce che, su 16 GPU B200 con una velocità di 50 token al secondo per utente, il servizio Dynamo con instradamento consapevole della cache KV supporta fino a 8 volte più utenti, riducendo al contempo dell’85% la latenza al primo token. Super VL è disponibile da subito su Hugging Face, OpenRouter e ModelScope, nonché come NVIDIA NIM, e funziona su DGX Spark, DGX Station, sistemi RTX PRO e RTX, Jetson e ambienti di data center e cloud.