NVIDIA lança os modelos abertos Nemotron 3.5 Super VL e Bolt Edge

NVIDIA lançou o Nemotron 3.5 Super VL em 15 de outubro de 2026: um modelo multimodal aberto de 120 bilhões de parâmetros voltado a agentes especializados e sempre ativos. A empresa também lançou dois modelos Bolt menores para hardware de borda e local. O Super VL e o Nemotron 3.5 Bolt 74B-A9B 24GB já estão disponíveis, enquanto o lançamento do Nemotron 3.5 Bolt E4B 4GB está previsto para 23 de outubro de 2026.

Os lançamentos ampliam a família Nemotron, que a NVIDIA organiza por nível de implantação. O Lightning, lançado em agosto, lida com cargas de trabalho de alto rendimento; o Ultra assume as tarefas de raciocínio mais difíceis; e o Bolt é voltado à borda. A NVIDIA afirmou que, juntos, os três novos modelos abertos cobrem toda a gama de implantações de agentes, desde grandes servidores corporativos até dispositivos de borda e hardware local, e que o Super VL foi desenvolvido em colaboração com a Nemotron Coalition.

Arquitetura e desempenho divulgado

O Super VL usa uma arquitetura de mistura de especialistas com 120 bilhões de parâmetros, ativando 12 bilhões de parâmetros por token. A NVIDIA afirmou que o modelo oferece precisão em tarefas multimodais agênticas — incluindo seguir instruções, usar ferramentas, executar fluxos de trabalho empresariais com várias etapas e compreender conteúdo visual — comparável à de seu maior modelo de raciocínio, embora tenha cerca de um quinto do número de parâmetros. A NVIDIA também o descreve como o modelo agêntico aberto mais rápido de sua categoria, com rendimento até 5 vezes maior que o de outros modelos abertos da mesma categoria de tamanho quando executado em uma única GPU.

O modelo reúne raciocínio, seguimento de instruções e uso de ferramentas com compreensão de texto, imagens, documentos e vídeos em um único sistema. De acordo com o blogue técnico da NVIDIA, essa integração permite que as equipes realizem tarefas textuais e visuais sem implantar modelos separados de texto e de visão-linguagem nem transferir o contexto das tarefas entre eles. A NVIDIA afirmou que o treinamento de visão-linguagem do modelo se concentra no que os agentes encontram na prática: reconhecimento óptico de caracteres, tabelas, gráficos e informações estruturadas em documentos visuais, como páginas da Web e PDFs.

Nas avaliações divulgadas pela NVIDIA, o Super VL obteve 63,44% no Hermes Bench e 87,05% nas avaliações comportamentais do LangChain, ante 56,33% e 84,3%, respectivamente, do Nemotron 3 Ultra. No CharXiv, um benchmark de raciocínio sobre gráficos, a NVIDIA relata que o Super VL alcançou 80,8%, contra 63% do Nemotron 3 Nano Omni, índice que sobe para 84% quando o modelo usa interpretação de código Python. A NVIDIA também descreve o Super VL como um dos principais modelos abertos no ranking do OCRBench v2. O blogue técnico afirma ainda que uma avaliação independente da EXO Labs o posicionou na fronteira de Pareto em precisão e tempo de conclusão de tarefas no DGX Spark.

Projeto de treinamento e inferência

O Super VL foi destilado do Nemotron 3 Ultra. Segundo o blogue técnico, os recursos de programação do Ultra e a função de perda SkewReverse, usada durante a destilação, contribuíram para melhorar a precisão na geração de código. Durante o pós-treinamento, a destilação on-policy com múltiplos professores combina orientações de professores especializados em texto e visão, que avaliam as respostas do modelo em raciocínio e acompanhamento de vídeos, uso de ferramentas de visão e alinhamento. O blogue técnico também destaca contribuições de organizações da Nemotron Coalition: conjuntos de dados da Perplexity apoiaram o treinamento intermediário do modelo, e ambientes da Prime Intellect foram usados para criar modelos-professores.

O Nemotron 3.5 Super VL foi treinado com cerca de 26 trilhões de tokens durante o pré-treinamento e o pré-treinamento contínuo. Em seguida, passou por pós-treinamento com aproximadamente 3,8 milhões de amostras e aprendizado por reforço em dezenas de ambientes. O pré-treinamento contínuo acrescentou 10 bilhões de tokens em idiomas índicos, e a NVIDIA está lançando um conjunto de dados de cerca de 2,8 trilhões de tokens em 22 idiomas da Índia, desenvolvido com o IIT Madras e seu laboratório AI4Bharat.

O lançamento inclui pontos de verificação do modelo-base, do modelo pós-treinado e da versão quantizada em NVFP4. A receita NVFP4 usa pesos e ativações de 4 bits na arquitetura Blackwell da NVIDIA, combinados com destilação consciente da quantização, destinada a reduzir a perda de precisão causada pela quantização. Uma técnica aberta de decodificação especulativa chamada LiLiCorr gera tokens até 2,3 vezes mais rápido do que a decodificação sem especulação no DGX Spark, segundo a NVIDIA. A predição de múltiplos tokens dá ao modelo um gerador preliminar interno, que propõe vários tokens para verificação em uma única passagem direta. Já as otimizações de inferência com reutilização de contexto preservam tanto os caches de atenção quanto os estados recorrentes do Mamba entre chamadas repetidas do agente.

Modelos Bolt na borda

O Bolt 74B-A9B 24GB usa quantização nativa de 2 bits para caber em 24 GB de memória e funcionar localmente em sistemas NVIDIA RTX e DGX Spark, junto com outros aplicativos. A NVIDIA o descreve como o modelo aberto mais bem classificado de sua categoria no PinchBench e o segundo colocado entre os modelos abertos no BrowseComp. O modelo está disponível no Hugging Face, com suporte a llama.cpp, Ollama, LM Studio, Unsloth e vLLM. Ele foi desenvolvido para os notebooks NVIDIA RTX Spark, que chegam em 16 de outubro de 2026, e também funciona em PCs GeForce RTX, DGX Spark, DGX Station e estações de trabalho RTX PRO.

O Bolt E4B 4GB é voltado a agentes físicos e conversacionais em sistemas GeForce RTX, Jetson e RTX/DGX Spark. Ele combina conversação natural com recursos agênticos de múltiplos turnos para assistentes de voz locais, personagens interativos e interfaces integradas.

Personalização, primeiros usuários e implantação

O modelo é disponibilizado com pesos abertos, conjuntos de dados abertos e receitas de treinamento, e permite personalização por meio do NVIDIA NeMo, de pipelines baseados em Python e de conjuntos de dados abertos. A NVIDIA está disponibilizando no Hugging Face conjuntos de dados abertos que abrangem uso agêntico de ferramentas, finanças, seguimento de instruções, contexto longo, equidade e 45 conjuntos de dados de visão e linguagem, além de ambientes de aprendizagem por reforço no NeMo Gym.

Segundo a NVIDIA, dezenas de organizações estão realizando o pós-treinamento do Super VL com seus próprios dados, ferramentas, políticas e fluxos de trabalho. A Scale AI realizou o pós-treinamento do modelo para o agente financeiro de crédito a fornecedores da Skydance e para o agente de diligência prévia em M&A da EY; o blog técnico afirma que, para a carga de trabalho da Skydance, o custo de inferência diminuirá 40 vezes e a latência, 5 vezes. A AfterQuery personalizou o modelo para a Hebbia, para a análise de contratos de crédito, e a AI21 e a Alice realizaram seu pós-treinamento para aumentar a resiliência a ataques cibernéticos; segundo a NVIDIA, a Alice obteve um aumento de 40% na precisão da inteligência contra ameaças e da análise de vulnerabilidades. A Mercor realizou o pós-treinamento do modelo com o benchmark de programação APEX-SWE para agentes de programação que planejam, escrevem e depuram código. A Ramp está convertendo imagens de recibos em JSON estruturado com informações sobre comerciantes, datas e dados de pagamento, e espera aumentar a produtividade em até 50% e reduzir a latência em 10 vezes, segundo o blog técnico.

Entre as empresas de plataformas de software que integram o Super VL estão a Atlassian, para pesquisa agêntica em aplicativos como Jira e Confluence; a CrowdStrike, para defesa cibernética agêntica em ambientes de segurança corporativa; a Dassault Systèmes, para projeto e simulação de engenharia; e a Perplexity, para pesquisa e tarefas agênticas. A Salesforce está personalizando o Nemotron para impulsionar agentes de IA que digitalizam e automatizam fluxos de trabalho governamentais por meio do Missionforce Operations, e o software da Synopsys para verificação de projetos de semicondutores é interoperável com o modelo.

Para a implantação, o NVIDIA NIM empacota o modelo como um microsserviço pronto para produção, atualizado a cada duas semanas com patches de segurança e melhorias de desempenho. Segundo a NVIDIA, em 16 GPUs B200, com 50 tokens por segundo por usuário, o serviço Dynamo com roteamento sensível ao cache KV atende até 8 vezes mais usuários e reduz em 85% a latência do primeiro token. O Super VL já está disponível no Hugging Face, no OpenRouter e no ModelScope, além de estar disponível como NVIDIA NIM, com execução em DGX Spark, DGX Station, sistemas RTX PRO e RTX, Jetson e ambientes de data center e nuvem.