Nvidia lançou o Nemotron 3.5 Super VL, modelo multimodal de 120 bilhões de parâmetros com ativação de 12 bilhões, e anunciou uma versão compactada de 74 bilhões de parâmetros que cabe em 24 GB, permitindo rodar em laptops.
Especificações técnicas
Segundo a IT之家, o Nemotron 3.5 Super VL usa arquitetura de mistura de especialistas (MoE), totalizando 120 B de parâmetros, dos quais 12 B são ativados durante a inferência.
A mesma fonte informa que o modelo aceita entrada de texto, imagem, documento e vídeo, integrando razionamento, seguimento de instruções e uso de ferramentas em um único modelo.
The New Stack destaca que a versão Nemotron 3.5 Bolt 74B‑A9B 24GB foi reduzida para 24 GB mediante quantização nativa de 2 bits, contendo 74 B de parâmetros totais e 9 B de parâmetros ativados.
Desempenho em benchmarks
Segundo a IT之家, no benchmark CharXiv de raciocínio de gráficos o modelo obteve 80,8 %, superando os 63 % do Nemotron 3 Nano Omni; após integração com interpretação de código Python a pontuação subiu para 84 %.
Nos testes Hermes Bench e LangChain de comportamento, o modelo alcançou 63,44 % e 87,05 %, respectivamente, acima dos 56,33 % e 84,3 % do Nemotron 3 Ultra.
A mesma fonte afirma que o Nemotron 3.5 Super VL está entre os modelos abertos com melhor desempenho no OCRBench v2.
Otimizações de inferência e implantação
IT之家 explica que o modelo utiliza técnicas de decodificação especulativa, precisão mista e reuso de contexto para reduzir o custo de inferência.
Segundo a mesma fonte, o método LiLiCorr de decodificação especulativa na plataforma DGX Spark pode elevar a velocidade de geração de tokens até 2,3 vezes.
O modelo suporta quantização NVFP4: em arquitetura Blackwell usa 4 bits para pesos e ativações; em plataformas não‑Blackwell mantém 4 bits nos pesos e 16 bits nas ativações.
Sobre implantação distribuída, a IT之家 cita que, em teste com 16 GPUs NVIDIA B200 e geração de 50 tokens por segundo por usuário, o NVIDIA Dynamo com roteamento consciente de cache, afinidade de sessão e descarregamento de KV permite atender até oito vezes mais usuários e reduzir a latência do primeiro token em 85 %.
Disponibilidade e ecossistema
IT之家 informa que os pesos dos modelos base, pós‑treinados e quantizados NVFP4, juntamente com receitas de treinamento, conjuntos de dados e ambiente de aprendizado por reforço, foram liberados.
Novos conjuntos de dados abertos abrangem chamadas de ferramentas de agente, raciocínio financeiro, seguimento de instruções, longo contexto, justiça e compreensão visão‑língua.
Além do Super VL, a Nvidia lançou dois modelos Bolt de ponta: o Nemotron 3.5 Bolt E4B 4GB, destinado a assistentes de voz locais e interfaces embarcadas, com lançamento previsto para 23 de outubro.
Segundo a mesma fonte, o Nemotron 3.5 Super VL e o Bolt 74B‑A9B 24GB já estão acessíveis via Hugging Face, OpenRouter e ModelScope; o Super VL pode ser implantado em DGX Spark, DGX Station, sistemas RTX, data centers ou nuvem.
