NVIDIA lanserar de öppna modellerna Nemotron 3.5 Super VL och Bolt för edge-enheter

NVIDIA lanserade Nemotron 3.5 Super VL den 15 oktober 2026, en öppen multimodal modell med 120 miljarder parametrar för specialiserade, alltid aktiva agenter, tillsammans med två mindre Bolt-modeller för edge-enheter och lokal hårdvara. Super VL och Nemotron 3.5 Bolt 74B-A9B 24GB är tillgängliga nu, medan Nemotron 3.5 Bolt E4B 4GB ska lanseras den 23 oktober 2026.

Lanseringarna utökar Nemotron-familjen, som NVIDIA delar in efter distributionsnivå. Lightning, som lanserades i augusti, hanterar arbetsbelastningar med hög genomströmning; Ultra tar sig an de svåraste resonemangsuppgifterna; och Bolt är avsedd för edge-enheter. NVIDIA uppgav att de tre nya öppna modellerna tillsammans täcker hela spannet av agentdistributioner, från stora företagservrar till edge-enheter och lokal hårdvara, och att Super VL utvecklades i samarbete med Nemotron Coalition.

Arkitektur och redovisade prestanda

Super VL använder en blandning-av-experter-arkitektur med 120 miljarder parametrar, varav 12 miljarder aktiveras per token. NVIDIA uppgav att modellen har hög träffsäkerhet i multimodala agentuppgifter, bland annat att följa instruktioner, använda verktyg, hantera flerstegsarbetsflöden för företag och förstå visuellt innehåll, i nivå med företagets största resonemangsmodell trots ungefär en femtedel så många parametrar. NVIDIA beskriver den också som den snabbaste öppna agentmodellen i sin klass och uppger att den på en enda GPU har upp till 5 gånger högre genomströmning än andra öppna modeller i samma storleksklass.

Modellen kombinerar resonemang, instruktionsföljning och verktygsanvändning med förståelse av text, bilder, dokument och video i ett enda system. Enligt NVIDIAs teknikblogg gör den integrationen att team kan hantera text- och bildbaserade uppgifter utan att distribuera separata textmodeller och vision-språkmodeller eller överföra uppgiftens sammanhang mellan dem. NVIDIA uppgav att modellens träning i syn- och språkförståelse är inriktad på sådant som agenter möter i praktiken: optisk teckenigenkänning, tabeller, diagram och strukturerad information i visuella dokument, till exempel webbsidor och PDF-filer.

I NVIDIAs redovisade utvärderingar får Super VL 63,44 % på Hermes Bench och 87,05 % i beteendeutvärderingar med LangChain, jämfört med 56,33 % respektive 84,3 % för Nemotron 3 Ultra. På CharXiv, ett jämförelsetest av diagramresonemang, uppger NVIDIA att Super VL får 80,8 %, jämfört med 63 % för Nemotron 3 Nano Omni. Resultatet stiger till 84 % när modellen använder Python-kodtolkning. NVIDIA beskriver också Super VL som en av de främsta öppna modellerna på OCRBench v2:s topplista, och i teknikbloggen uppges att en oberoende utvärdering av EXO Labs placerade modellen på Paretofronten för träffsäkerhet och tid för att slutföra uppgifter på DGX Spark.

Utformning av träning och inferens

Super VL destillerades från Nemotron 3 Ultra. I teknikbloggen lyfts Ultras kodningsförmåga och förlustfunktionen SkewReverse, som användes under destilleringen, fram som bidragande till förbättrad kodningsträffsäkerhet. Under efterträningen kombineras vägledning från specialiserade lärare inom text och syn genom destillering med flera lärare enligt on-policy-metoden. Lärarmodellerna poängsätter modellens svar inom videoreasonemang och spårning, användning av synverktyg och anpassning. Teknikbloggen nämner även bidrag från organisationer i Nemotron Coalition: datauppsättningar från Perplexity stödde modellens mellanträning, och miljöer från Prime Intellect användes för att bygga lärarmodeller.

Nemotron 3.5 Super VL tränades på cirka 26 biljoner token under förträningen och den fortsatta förträningen, och eftertränades därefter med ungefär 3,8 miljoner exempel och förstärkningsinlärning i dussintals miljöer. Den fortsatta förträningen omfattade 10 miljarder token på indiska språk, och NVIDIA släpper en datauppsättning med cirka 2,8 biljoner token på 22 indiska språk, utvecklad tillsammans med IIT Madras och dess AI4Bharat-labb.

Lanseringen omfattar basversioner, eftertränade versioner och NVFP4-kvantiserade versioner. NVFP4-receptet använder 4-bitars vikter och aktiveringar på NVIDIAs Blackwell-arkitektur, tillsammans med kvantiseringsmedveten destillering som är avsedd att minska det träffsäkerhetsgap som kvantisering medför. En öppen teknik för spekulativ avkodning, LiLiCorr, ger enligt NVIDIA upp till 2,3 gånger snabbare tokengenerering än avkodning utan spekulation på DGX Spark. Prediktion av flera token ger modellen en intern utkastare som föreslår flera token för verifiering i en enda framåtpassering, och inferensoptimeringar för återanvändning av kontext bevarar både uppmärksamhetscache och Mamba-rekurrenttillstånd vid upprepade agentanrop.

Bolt-modeller för edge-enheter

Bolt 74B-A9B 24GB använder inbyggd 2-bitars kvantisering för att rymmas i 24 GB minne och köras lokalt på NVIDIA RTX och DGX Spark tillsammans med andra program. NVIDIA beskriver den som den främsta öppna modellen i sin klass på PinchBench och den näst högst rankade öppna modellen på BrowseComp. Modellen finns på Hugging Face med stöd för llama.cpp, Ollama, LM Studio, Unsloth och vLLM. Den är utvecklad för bärbara datorer i serien NVIDIA RTX Spark, som lanseras den 16 oktober 2026, och körs även på GeForce RTX-datorer, DGX Spark, DGX Station och RTX PRO-arbetsstationer.

Bolt E4B 4GB är avsedd för fysiska och konversationsbaserade agenter på GeForce RTX, Jetson och RTX/DGX Spark. Den kombinerar naturlig konversation med agentförmågor över flera turer för lokala röstassistenter, interaktiva karaktärer och inbyggda gränssnitt.

Anpassning, tidiga användare och distribution

Modellen levereras med öppna vikter, öppna datamängder och träningsrecept. Anpassning stöds via NVIDIA NeMo, Python-baserade pipelines och öppna datamängder. NVIDIA släpper öppna datamängder på Hugging Face inom områdena agentbaserad verktygsanvändning, finans, instruktionsefterföljning, långa kontexter och rättvisa, samt 45 datamängder för syn och språk. Därutöver släpper företaget miljöer för förstärkningsinlärning i NeMo Gym.

Enligt NVIDIA eftertränar dussintals organisationer Super VL med sina egna data, verktyg, policyer och arbetsflöden. Scale AI eftertränade modellen för Skydances finansagent för leverantörskrediter och EY:s agent för due diligence vid M&A. I den tekniska bloggen står det att inferenskostnaden för Skydance-arbetsflödet kommer att minska 40 gånger och latensen 5 gånger. AfterQuery anpassade modellen åt Hebbia för analys av kreditavtal, och AI21 och Alice eftertränade den för att stärka cybersäkerhetens motståndskraft mot angrepp. NVIDIA uppger att Alice därmed uppnår 40 % högre träffsäkerhet i hotunderrättelser och sårbarhetsanalys. Mercor eftertränade modellen på kodningsriktmärket APEX-SWE för kodningsagenter som planerar, skriver och felsöker kod. Ramp omvandlar kvittobilder till strukturerad JSON med uppgifter om handlare, datum och betalningar och räknar med upp till 50 % högre genomströmning och 10 gånger lägre latens, enligt den tekniska bloggen.

Bland mjukvaruplattformsföretagen som integrerar Super VL finns Atlassian, för agentbaserad sökning i appar som Jira och Confluence, CrowdStrike, för agentbaserat defensivt säkerhetsarbete inom företagssäkerhet, Dassault Systèmes, för teknisk konstruktion och simulering, och Perplexity, för sökning och agentbaserade uppgifter. Salesforce anpassar Nemotron för att driva AI-agenter som digitaliserar och automatiserar myndigheters arbetsflöden genom Missionforce Operations, och Synopsys programvara för verifiering av halvledardesign samverkar med modellen.

För driftsättning paketerar NVIDIA NIM modellen som en produktionsklar mikrotjänst som uppdateras varannan vecka med säkerhetskorrigeringar och prestandaförbättringar. NVIDIA uppger att Dynamo-inferens med KV-cache-medveten routning, på 16 B200-GPU:er och med 50 token per sekund och användare, betjänar upp till 8 gånger så många användare och samtidigt minskar latensen till första token med 85 %. Super VL är tillgänglig nu på Hugging Face, OpenRouter och ModelScope samt som NVIDIA NIM, och körs på DGX Spark, DGX Station, RTX PRO- och RTX-system, Jetson samt i datacenter- och molnmiljöer.