NVIDIA lanserer de åpne modellene Nemotron 3.5 Super VL og Bolt Edge

NVIDIA lanserte Nemotron 3.5 Super VL 15. oktober 2026. Dette er en åpen multimodal modell med 120 milliarder parametere, utviklet for spesialiserte, alltid aktive agenter. Samtidig lanserte selskapet to mindre Bolt-modeller for edge-enheter og lokal maskinvare. Super VL og Nemotron 3.5 Bolt 74B-A9B 24GB er tilgjengelige nå, mens Nemotron 3.5 Bolt E4B 4GB etter planen lanseres 23. oktober 2026.

Lanseringene utvider Nemotron-familien, som NVIDIA organiserer etter utrullingsnivå. Lightning, som ble lansert i august, håndterer arbeidsbelastninger med høy gjennomstrømning; Ultra tar seg av de mest krevende resonneringsoppgavene, og Bolt er rettet mot edge-enheter. NVIDIA sa at de tre nye åpne modellene samlet dekker hele spekteret av agentutrullinger, fra store bedriftsservere til edge-enheter og lokal maskinvare, og at Super VL ble utviklet i samarbeid med Nemotron Coalition.

Arkitektur og rapportert ytelse

Super VL bruker en blanding-av-eksperter-arkitektur med 120 milliarder parametere, der 12 milliarder parametere aktiveres for hver token. NVIDIA sa at modellen oppnår høy presisjon på multimodale agentoppgaver, blant annet instruksjonsfølging, verktøybruk, forretningsarbeidsflyter med flere trinn og visuell forståelse. Presisjonen er på nivå med selskapets største resonneringsmodell, men med omtrent en femtedel så mange parametere. NVIDIA beskriver den også som den raskeste åpne agentmodellen i sin klasse og rapporterer opptil fem ganger høyere gjennomstrømning enn andre åpne modeller i samme størrelseskategori på én enkelt GPU.

Modellen kombinerer resonnering, instruksjonsfølging og verktøybruk med forståelse av tekst, bilder, dokumenter og video i ett og samme system. Ifølge NVIDIAs tekniske blogg gjør denne integrasjonen det mulig for team å håndtere tekst- og visuelle oppgaver uten å ta i bruk separate tekstmodeller og visuell-språklige modeller eller overføre oppgavekontekst mellom dem. NVIDIA sa at modellens visuell-språklige trening er rettet mot det agenter møter i praksis: optisk tegngjenkjenning, tabeller, diagrammer og strukturert informasjon i visuelle dokumenter som nettsider og PDF-filer.

NVIDIAs rapporterte evalueringer viser at Super VL oppnår 63,44 % på Hermes Bench og 87,05 % i atferdsevalueringene til LangChain, mot henholdsvis 56,33 % og 84,3 % for Nemotron 3 Ultra. På CharXiv, en referansetest for resonnering rundt diagrammer, rapporterer NVIDIA 80,8 % for Super VL mot 63 % for Nemotron 3 Nano Omni. Resultatet øker til 84 % når modellen bruker Python-kodetolkning. NVIDIA beskriver også Super VL som en av de beste åpne modellene på resultatlisten til OCRBench v2, og den tekniske bloggen opplyser at en uavhengig evaluering utført av EXO Labs plasserte modellen på Pareto-fronten for presisjon og tid til oppgavefullføring på DGX Spark.

Utforming av trening og inferens

Super VL ble destillert fra Nemotron 3 Ultra. Den tekniske bloggen tilskriver den forbedrede presisjonen i koding både Ultras kodeegenskaper og SkewReverse-tapet som ble brukt under destilleringen. Under ettertreningen kombinerer on-policy-destillering fra flere lærere veiledning fra spesialiserte lærermodeller innen tekst og syn. Lærermodellene vurderer modellens svar på videoresonnering og sporing, bruk av synsverktøy og tilpasning. Den tekniske bloggen nevner også bidrag fra organisasjoner i Nemotron Coalition: datasett fra Perplexity støttet modellens mellomtrening, og miljøer fra Prime Intellect ble brukt til å bygge lærermodeller.

Nemotron 3.5 Super VL ble trent på omtrent 26 billioner token under forhåndstrening og videreført forhåndstrening, før den ble ettertrent med rundt 3,8 millioner eksempler og forsterkningslæring i dusinvis av miljøer. Den videreførte forhåndstreningen la til 10 milliarder indiske token, og NVIDIA lanserer et datasett på omtrent 2,8 billioner token fordelt på 22 indiske språk, utviklet sammen med IIT Madras og AI4Bharat-laboratoriet deres.

Lanseringen omfatter modellkontrollpunkter for grunnmodellen, ettertreningen og NVFP4-kvantiseringen. NVFP4-oppskriften bruker 4-bits vekter og aktiveringer på NVIDIAs Blackwell-arkitektur, kombinert med kvantiseringsbevisst destillering som skal redusere presisjonstapet kvantiseringen fører til. En åpen teknikk for spekulativ dekoding, kalt LiLiCorr, gir ifølge NVIDIA opptil 2,3 ganger raskere generering av token enn dekoding uten spekulering på DGX Spark. Prediksjon av flere token gir modellen en intern forslagmodul som foreslår flere token for verifisering i én fremoverpassering, og optimaliseringer for inferenstjenester med gjenbruk av kontekst bevarer både oppmerksomhetsbuffere og rekurrente Mamba-tilstander mellom gjentatte agentkall.

Bolt-modeller for edge-enheter

Bolt 74B-A9B 24GB bruker innebygd 2-bits kvantisering for å få plass i 24 GB minne og kjøre lokalt på NVIDIA RTX og DGX Spark sammen med andre applikasjoner. NVIDIA beskriver den som den beste åpne modellen i sin klasse på PinchBench og den nest beste åpne modellen på BrowseComp. Modellen er tilgjengelig på Hugging Face med støtte for llama.cpp, Ollama, LM Studio, Unsloth og vLLM. Den er laget for NVIDIA RTX Spark-bærbare datamaskiner, som kommer 16. oktober 2026, og kjører også på GeForce RTX-PC-er, DGX Spark, DGX Station og RTX PRO-arbeidsstasjoner.

Bolt E4B 4GB er rettet mot fysiske og samtalebaserte agenter på GeForce RTX, Jetson og RTX/DGX Spark. Modellen kombinerer naturlig samtale med agentfunksjoner over flere samtalerunder for lokale taleassistenter, interaktive figurer og innebygde grensesnitt.

Tilpasning, tidlige brukere og utrulling

Modellen leveres med åpne modellvekter, åpne datasett og oppskrifter for trening, og kan tilpasses ved hjelp av NVIDIA NeMo, Python-baserte datapipelines og åpne datasett. NVIDIA lanserer åpne datasett på Hugging Face innen agentbasert verktøybruk, finans, instruksjonsfølging, lange kontekster og rettferdighet, samt 45 datasett for syn og språk, i tillegg til miljøer for forsterkningslæring i NeMo Gym.

Ifølge NVIDIA ettertrener flere titalls organisasjoner Super VL på sine egne data, verktøy, retningslinjer og arbeidsflyter. Scale AI ettertrente modellen for Skydances agent for leverandørkredittfinansiering og EY sin agent for due diligence ved fusjoner og oppkjøp (M&A); den tekniske bloggen oppgir at inferenskostnadene for Skydance-arbeidsbelastningen vil bli redusert med 40 ganger, og latenstiden med 5 ganger. AfterQuery tilpasset modellen for Hebbia til analyse av kredittavtaler, og AI21 og Alice ettertrente den for å gjøre den mer motstandsdyktig mot cyberangrep. NVIDIA rapporterer at Alice oppnådde 40 % høyere nøyaktighet i trusseletterretning og sårbarhetsanalyse. Mercor ettertrente modellen på kodebenchmarken APEX-SWE for kodeagenter som planlegger, skriver og feilsøker kode. Ramp konverterer bilder av kvitteringer til strukturert JSON med informasjon om forhandlere, datoer og betalingsdata, og forventer opptil 50 % høyere gjennomstrømming og 10 ganger lavere latenstid, ifølge den tekniske bloggen.

Blant programvareplattformene som integrerer Super VL, er Atlassian, som bruker modellen til agentsøk på tvers av apper som Jira og Confluence, CrowdStrike, som bruker den til agentbasert blålagstrening innen bedriftssikkerhet, Dassault Systèmes, som bruker den til teknisk design og simulering, og Perplexity, som bruker den til søk og agentbaserte oppgaver. Salesforce tilpasser Nemotron for å drive KI-agenter som digitaliserer og automatiserer offentlige arbeidsflyter gjennom Missionforce Operations, og Synopsys-programvare for verifisering av halvlederdesign fungerer sammen med modellen.

For utrulling pakkes modellen som en produksjonsklar mikrotjeneste med NVIDIA NIM, som oppdateres annenhver uke med sikkerhetsoppdateringer og ytelsesforbedringer. NVIDIA rapporterer at Dynamo-tjenering med ruting som tar hensyn til KV-hurtigbufferen, på 16 B200-GPU-er og ved 50 token per sekund per bruker kan betjene opptil 8 ganger så mange brukere, samtidig som latenstiden til det første tokenet reduseres med 85 %. Super VL er nå tilgjengelig på Hugging Face, OpenRouter og ModelScope, og som NVIDIA NIM. Modellen kan kjøres på DGX Spark, DGX Station, RTX PRO- og RTX-systemer, Jetson samt i datasentre og skymiljøer.