NVIDIA vydala Nemotron 3.5 Super VL, otevřený, přizpůsobitelný multimodální model zaměřený na podniky vytvářející specializované agenty AI. Model využívá architekturu expertů se 120 miliardami parametrů, která aktivuje pouze 12 miliard parametrů na token, návrh společnosti NVIDIA říká, že vyvažuje kapacitu na hranici s efektivitou odvození. Závaží jsou k dispozici na Hugging Face v přesnosti BF16 a NVIDIA zveřejnila technický návod spolu s vydáním.
Super VL zapadá do rozšiřující se rodiny otevřených modelů NVIDIA jako multimodální specialista. Podle společnosti menší modely Nemotron 3.5 Lightning zvládají textové úlohy s velkým objemem, zatímco hraniční Nemotron 3 Ultra řeší složité plánování a orchestraci – umožňuje týmům směrovat každý krok pracovního postupu agenta na správnou velikost modelu. Je to nejnovější krok v posunu ZDNET popisovaný jako další krok vpřed pro americkou AI s otevřenou váhou. Pokud sledujete závod otevřených vah, naše pokrytí nedávných verzí otevřených modelů má širší obrázek.
Jeden model pro text, obrázky, dokumenty a video
Základem je konsolidace. Super VL kombinuje uvažování, následování instrukcí a používání nástrojů s porozuměním textu, obrázků, dokumentů a videí, takže týmy nemusí nasazovat samostatné modely textu a jazyka vidění nebo mezi sebou přemisťovat kontext úkolů. NVIDIA říká, že její vizuální školení pokrývá grafy, tabulky, optické rozpoznávání znaků, vícestránkové dokumenty a video, s dvoustupňovým kontrolovaným dolaďovacím kanálem, který spojuje vizuální důkazy s uvažováním, chatem, bezpečností a dlouhými kontextovými daty.
Cílové pracovní postupy jsou ty, o které podniky neustále klopýtají: agent zákaznického servisu, který musí číst dokumenty o zásadách společnosti, výzkumný agent spojující důkazy mezi zdroji nebo dokumentový agent, který interpretuje graf a spojuje jej s tabulkou jinde ve stejném souboru. V každém případě model potřebuje vidět materiál a důvod nad ním ve stejném kontextovém okně.
Nároky na propustnost: Až 5x na jediném GPU
Efektivita je místo, kde NVIDIA kreslí nejostřejší linie. Společnost tvrdí, že Nemotron 3.5 Super VL poskytuje až 5x vyšší propustnost pro agentní úlohy ve srovnání s jinými otevřenými modely ve své velikostní kategorii na jediném GPU a poukázala na benchmarky ukazující více než 600 tokenů za sekundu u agentních úloh Artificial Analysis Intelligence Index prostřednictvím koncového bodu Baseten inference.
Tato čísla řídí několik technik pod kapotou. NVIDIA zdůraznila LiLiCorr, otevřenou metodu spekulativního dekódování, spolu se smíšenou přesností NVFP4, predikcí více tokenů a opětovným použitím kontextu napříč tahy agentů – smysluplnou optimalizaci pro agenty, kteří udržují dlouhotrvající konverzace s nástroji. Pro podniky provozující agenty nonstop je propustnost na GPU často rozdílem mezi životaschopným produktem a nepoužitelnou strukturou nákladů.
Smyslem je post-školení
NVIDIA jasně říká, že základní model je spíše výchozím bodem než hotovým produktem. Vývojáři si mohou přizpůsobit Super VL pomocí knihovny NeMo pomocí řízeného jemného ladění a LoRA pro výuku chování specifického pro doménu, a poté aplikovat učení na posílení prostřednictvím NeMo RL a NeMo Gym v prostředích, která odrážejí jejich vlastní operace. Společnost říká, že organizace v oblasti kybernetické bezpečnosti, financí a zdravotnictví již tento model trénují, aby překonaly hraniční alternativy ve svých produkčních pracovních postupech, což je tvrzení, které je těžké nezávisle ověřit, ale je v souladu s pozicí podnikových agentů.
Na podporu této práce vydává NVIDIA na Hugging Face společně s váhami otevřené datové sady, včetně agentních dat o použití nástrojů a konverzačních dat, sady finančních úvah a volání nástrojů, data pro následování instrukcí a chat, data transdukce a překladu dlouhého kontextu, data o spravedlnosti a 40 datových sad v jazyce vidění. Prime Intellect již zveřejnil recept na následné školení modelu pro podnikovou práci s dlouhým horizontem, což je první známka toho, že ekosystém považuje vydání za seriózní základ. NVIDIA také zveřejnila kuchařku o používání na GitHubu, která se zabývá přizpůsobením, a společnost zdůrazňuje, že otevřené váhy lze nasadit v lokálních prostředích, datových centrech nebo cloudových prostředích, aby byly splněny požadavky na infrastrukturu a datovou rezidenci – flexibilitu, kterou regulovaní kupující neustále požadují, a uzavřená API nemohou nabídnout.
Co to znamená pro závody Open-Weight
Vydání zmenšuje propast mezi otevřenými a uzavřenými modely v segmentu, který podniky skutečně nasazují: středně velké multimodální systémy pro práci agentů náročných na dokumenty. Vzhledem k tomu, že váhy mohou běžet v lokálních, datových centrech nebo cloudových prostředích, Super VL poskytuje regulovaným odvětvím možnost, kterou hraniční API nemohou – uchovávat citlivé dokumenty ve vlastní infrastruktuře a přitom stále rozumět grafům, tabulkám a videu.
Soutěžní čtení je přímočaré. Meta, Alibaba, DeepSeek a Liquid AI letos dodaly modely s otevřenou váhou zaměřené na agenty a NVIDIA – která prodává hardware, na kterém trénují všichni ostatní – nyní přímo soutěží v modelové vrstvě s tolerantním licencováním a příběhem efektivity. Pokud nároky na propustnost obstojí v nezávislých benchmarcích, výchozí zásobník pro podnikové agenty v roce 2027 může být podstatně otevřenější, než vypadal před rokem.
---
Stay Ahead of AIZískejte nejnovější zprávy, analýzy a průlomové informace o umělé inteligenci – vše na jednom místě.
Přečtěte si další zprávy o AI →
