Segundo o NVIDIA Blog (Alemanha), a Nvidia Newsroom (EUA) e o IT Home (China), a NVIDIA lançou hoje o modelo aberto Nemotron 3.5 Super VL, com 120 bilhões de parâmetros, junto com dois novos modelos Edge, Bolt 74B-A9B 24GB e Bolt E4B 4GB.
Detalhes do Nemotron 3.5 Super VL
Segundo o NVIDIA Blog, o Super VL é um modelo aberto MoE com 120 bilhões de parâmetros totais e 12 bilhões de parâmetros ativados, projetado para tarefas de agentes always‑on, oferecendo precisão líder em instruções, uso de ferramentas, fluxos de negócios multi‑etapa e compreensão visual, comparável ao maior modelo de raciocínio da NVIDIA com cerca de um quinto do tamanho.
Segundo a Nvidia Newsroom, ele chega a até cinco vezes mais throughput que outros modelos da mesma classe no índice Inteligência da Artificial Analysis, sendo cinco vezes mais rápido que o próximo melhor modelo aberto da categoria.
Segundo o IT Home, em um único GPU o Super VL alcança até cinco vezes a taxa de transferência de outros modelos abertos de escala semelhante e suporta quantização NVFP4, decodificação especulativa e reuso de contexto para reduzir custos de inferência.
Modelos Bolt para Edge
Segundo o NVIDIA Blog e a Nvidia Newsroom, o Bolt 74B-A9B 24GB é otimizado para equilibrar inteligência e velocidade por GB em cargas de trabalho locais de agentes, usando quantização nativa de 2 bits para caber em 24 GB de memória, enquanto o Bolt E4B 4GB foca em inteligência por GB para agentes conversacionais rápidos.
Segundo o IT Home, o Bolt 74B-A9B 24GB possui 74 bilhões de parâmetros totais e 9 bilhões ativados, com suporte a llama.cpp, vLLM, Ollama, Unsloth e LM Studio, estando já disponível via Hugging Face, OpenRouter e ModelScope.
Segundo a Nvidia Newsroom, o Bolt E4B estará disponível a partir de 23 de outubro.
Desempenho, benchmarks e adoção
Segundo o NVIDIA Blog, o Bolt 74B-A9B 24GB ficou em primeiro lugar no PinchBench e segundo no BrowseComp entre modelos abertos da sua classe.
Segundo o IT Home, o Super VL obteve 80,8 % no benchmark CharXiv de raciocínio de gráficos, subindo para 84 % após interpretação de código Python, e alcançou 63,44 % no Hermes Bench e 87,05 % no LangChain, superando o Nemotron 3 Ultra.
Segundo o NVIDIA Blog, dezenas de organizações de diversos setores estão fazendo pós‑treino do Super VL com dados próprios, citando exemplos como Scale AI para agente de crédito de fornecedor da Skydance e para agente de due diligence M&A da EY, AfterQuery para análise de acordos de crédito da Hebbia, AI21 e Alice para resiliência a ataques cibernéticos, Mercor para agentes de codificação no benchmark APEX‑SWE e ModelScope para ajustes multimodais via ms‑swift.
Segundo o IT Home, exemplos adicionais incluem Ramp, que converte imagens de recibos em JSON estruturado com esperança de aumento de 50 % no throughput e redução de 90 % na latência, e a parceria AI21‑Alice que eleva a precisão em tarefas de inteligência de ameaças em 40 %.
