NVIDIA heeft Nemotron 3.5 Super VL uitgebracht, een open, aanpasbaar multimodaal model gericht op bedrijven die gespecialiseerde AI-agents bouwen. Het model maakt gebruik van een mix van experts met 120 miljard parameters die slechts 12 miljard parameters per token activeert, een ontwerp dat volgens NVIDIA grenscapaciteit combineert met inferentie-efficiëntie. De gewichten zijn beschikbaar op Hugging Face in BF16-precisie, en NVIDIA publiceerde naast de release een technische walkthrough.
Super VL past in NVIDIA's groeiende open-modelfamilie als de multimodale specialist. Volgens het bedrijf kunnen kleinere Nemotron 3.5 Lightning-modellen grote teksttaken verwerken, terwijl de geavanceerde Nemotron 3 Ultra complexe planning en orkestratie aanpakt, waardoor teams elke stap van een agentworkflow naar het juiste modelformaat kunnen routeren. Het is de nieuwste stap in een push die ZDNET beschrijft als een nieuwe stap voorwaarts voor de Amerikaanse open-weight AI. Als u de race met open gewichten volgt, geeft onze berichtgeving over recente releases van open modellen een breder beeld.
Eén model voor tekst, afbeeldingen, documenten en video
De kernpitch is consolidatie. Super VL combineert redeneren, het volgen van instructies en het gebruik van hulpmiddelen met het begrijpen van tekst, afbeeldingen, documenten en video's, zodat teams geen afzonderlijke tekst- en beeldtaalmodellen hoeven in te zetten of de taakcontext daartussen te verplaatsen. NVIDIA zegt dat de visuele training grafieken, tabellen, optische karakterherkenning, documenten met meerdere pagina's en video omvat, met een tweetraps gecontroleerde fine-tuning-pijplijn die visueel bewijs combineert met redenering, chat, veiligheid en lange-contextgegevens.
Het zijn de doelworkflows waar ondernemingen steeds weer over struikelen: een medewerker van de klantenservice die beleidsdocumenten van het bedrijf moet lezen, een onderzoeksmedewerker die bewijsmateriaal uit verschillende bronnen met elkaar verbindt, of een documentagent die een diagram interpreteert en deze koppelt aan een tabel elders in hetzelfde dossier. In elk geval moet het model het materiaal zien en erover redeneren in hetzelfde contextvenster.
Doorvoerclaims: tot 5x op één GPU
Efficiëntie is waar NVIDIA de scherpste lijnen trekt. Het bedrijf beweert dat Nemotron 3.5 Super VL tot 5x hogere doorvoer levert voor agentische taken vergeleken met andere open modellen in zijn groottecategorie op een enkele GPU, en wees op benchmarks die meer dan 600 tokens per seconde laten zien voor agentische taken van de Artificial Analysis Intelligence Index via het Baseten-inferentie-eindpunt.
Verschillende technieken onder de motorkap bepalen deze cijfers. NVIDIA benadrukte LiLiCorr, een open speculatieve decoderingsmethode, samen met NVFP4 gemengde precisie, multi-token voorspelling en hergebruik van context tijdens de beurten van agenten - een zinvolle optimalisatie voor agenten die langlopende gesprekken voeren met tools. Voor bedrijven die non-stop agents draaien, is de doorvoer per GPU vaak het verschil tussen een levensvatbaar product en een onbruikbare kostenstructuur.
Post-training is het punt
NVIDIA maakt expliciet dat het basismodel een startpunt is en geen eindproduct. Ontwikkelaars kunnen Super VL aanpassen met de NeMo-bibliotheek met behulp van supervisie en LoRA om domeinspecifiek gedrag aan te leren, en vervolgens versterkend leren toepassen via NeMo RL en NeMo Gym in omgevingen die hun eigen activiteiten weerspiegelen. Het bedrijf zegt dat organisaties in cybersecurity, financiën en gezondheidszorg het model al aan het trainen zijn om baanbrekende alternatieven op hun productieworkflows te verslaan, een claim die moeilijk onafhankelijk te verifiëren is, maar consistent is met de positionering van enterprise-agenten.
Om dat werk te ondersteunen, geeft NVIDIA naast de gewichten ook open datasets vrij op Hugging Face, waaronder gegevens over het gebruik van agentische hulpmiddelen en conversatiegegevens, sets voor financieel redeneren en het aanroepen van hulpmiddelen, gegevens over het volgen van instructies en chatgegevens, transductie- en vertaalgegevens over lange contexten, gegevens over eerlijkheid en 40 datasets in visietaal. Prime Intellect heeft al een recept gepubliceerd voor het natrainen van het model voor ondernemingswerk met een lange horizon, een vroeg teken dat het ecosysteem de release als een serieuze basis beschouwt. NVIDIA publiceerde ook een gebruikskookboek op GitHub over maatwerk, en het bedrijf benadrukt dat de open gewichten kunnen worden ingezet in lokale, datacenter- of cloudomgevingen om te voldoen aan vereisten op het gebied van infrastructuur en datalocatie – de flexibiliteit waar gereguleerde kopers consequent om vragen en die gesloten API’s niet kunnen bieden.
Wat het betekent voor de race met open gewicht
De release verkleint de kloof tussen open en gesloten modellen in het segment dat bedrijven daadwerkelijk inzetten: middelgrote multimodale systemen voor documentintensief werk van agenten. Omdat de gewichten kunnen worden toegepast in lokale, datacenter- of cloudomgevingen, geeft Super VL gereguleerde industrieën een optie die grens-API's niet kunnen bieden: het bewaren van gevoelige documenten op hun eigen infrastructuur terwijl ze toch inzicht krijgen in grafieken, tabellen en video's.
De competitieve lezing is eenvoudig. Meta, Alibaba, DeepSeek en Liquid AI hebben dit jaar allemaal open-weight-modellen uitgebracht die gericht zijn op agenten, en NVIDIA – dat de hardware verkoopt waar iedereen op traint – concurreert nu rechtstreeks op de modellaag met permissieve licenties en een efficiëntieverhaal. Als de doorvoerclaims in onafhankelijke benchmarks standhouden, kan de standaardstapel voor zakelijke agenten in 2027 aanzienlijk opener zijn dan een jaar geleden.
---
Blijf AI een stap voorOntvang het laatste AI-nieuws, analyses en doorbraken – allemaal op één plek.
Lees meer AI-nieuws →
