NVIDIA har släppt Nemotron 3.5 Super VL, en öppen, anpassningsbar multimodal modell som syftar till att företag bygger specialiserade AI-agenter. Modellen använder en blandning av experter med 120 miljarder parametrar som bara aktiverar 12 miljarder parametrar per token, en design som enligt NVIDIA balanserar kapacitet i gränsskala med slutledningseffektivitet. Vikterna är tillgängliga på Hugging Face i BF16-precision, och NVIDIA publicerade en teknisk genomgång vid sidan av releasen.
Super VL passar in i NVIDIAs växande familj med öppna modeller som multimodal specialist. Enligt företaget hanterar mindre Nemotron 3.5 Lightning-modeller textuppgifter i stora volymer, medan frontier Nemotron 3 Ultra tar itu med komplex planering och orkestrering – låter team dirigera varje steg i ett agentarbetsflöde till rätt modellstorlek. Det är det senaste steget i en push ZDNET som beskrivs som ytterligare ett steg framåt för amerikansk AI med öppen vikt. Om du följer loppet med öppna vikter har vår bevakning av de senaste öppna modellsläppen den bredare bilden.
En modell för text, bilder, dokument och video
Kärnan är konsolidering. Super VL kombinerar resonemang, instruktionsföljande och verktygsanvändning med text-, bild-, dokument- och videoförståelse, så teamen behöver inte distribuera separata text- och visionspråksmodeller eller flytta uppgiftssammanhang mellan dem. NVIDIA säger att dess visuella utbildning täcker diagram, tabeller, optisk teckenigenkänning, flersidiga dokument och video, med en tvåstegs övervakad finjusteringspipeline som förenar visuella bevis med resonemang, chatt, säkerhet och långkontextdata.
Målarbetsflödena är de som företag hela tiden snubblar över: en kundtjänstagent som måste läsa företagets policydokument, en forskningsagent som kopplar samman bevis mellan källor eller en dokumentagent som tolkar ett diagram och länkar det till en tabell någon annanstans i samma arkivering. I varje fall behöver modellen se materialet och resonera över det i samma sammanhangsfönster.
Genomströmningskrav: Upp till 5x på en enda GPU
Effektivitet är där NVIDIA drar de skarpaste linjerna. Företaget hävdar att Nemotron 3.5 Super VL levererar upp till 5 gånger högre genomströmning för agentuppgifter jämfört med andra öppna modeller i sin storlekskategori på en enda GPU, och pekade på riktmärken som visar mer än 600 tokens per sekund på artificiell analys Intelligence Index agentuppgifter via Basetens slutpunkt.
Flera tekniker under huven driver dessa siffror. NVIDIA lyfte fram LiLiCorr, en öppen spekulativ avkodningsmetod, tillsammans med NVFP4 blandad precision, multi-token förutsägelse och återanvändning av sammanhang över agentvarv – en meningsfull optimering för agenter som håller långvariga konversationer med verktyg. För företag som kör agenter nonstop är genomströmningen per GPU ofta skillnaden mellan en livskraftig produkt och en oanvändbar kostnadsstruktur.
Efterträning är poängen
NVIDIA är tydlig med att basmodellen är en utgångspunkt snarare än en färdig produkt. Utvecklare kan anpassa Super VL med NeMo-biblioteket med övervakad finjustering och LoRA för att lära ut domänspecifikt beteende, och sedan tillämpa förstärkningsinlärning genom NeMo RL och NeMo Gym i miljöer som speglar deras egen verksamhet. Företaget säger att organisationer inom cybersäkerhet, finans och hälsovård redan eftertränar modellen för att slå gränsalternativ i sina produktionsarbetsflöden, ett påstående som är svårt att verifiera oberoende men överensstämmer med positioneringen av företagsagenter.
För att stödja det arbetet släpper NVIDIA öppna datauppsättningar på Hugging Face tillsammans med vikterna, inklusive agenter för verktygsanvändning och konversationsdata, ekonomiska resonemang och verktygsanropsuppsättningar, instruktionsföljande och chattdata, långkontexttransduktions- och översättningsdata, rättvisa data och 40 datauppsättningar för visionspråk. Prime Intellect har redan publicerat ett recept för efterträning av modellen för företagsarbete med lång horisont, ett tidigt tecken på att ekosystemet behandlar releasen som en seriös grund. NVIDIA publicerade också en användningskokbok på GitHub som täcker anpassning, och företaget betonar att de öppna vikterna kan distribueras i lokala, datacenter- eller molnmiljöer för att möta kraven på infrastruktur och data-residency - den flexibilitet som reglerade köpare konsekvent efterfrågar och slutna API:er inte kan erbjuda.
Vad det betyder för Open-Weight Race
Releasen minskar klyftan mellan öppna och slutna modeller i segmentet företag faktiskt använder: medelstora multimodala system för dokumenttungt agentarbete. Eftersom vikterna kan köras i lokala, datacenter eller molnmiljöer, ger Super VL reglerade industrier ett alternativ som frontier API:er inte kan – att behålla känsliga dokument i sin egen infrastruktur samtidigt som de får förståelse för diagram, tabeller och video.
Den konkurrensutsatta läsningen är okomplicerad. Meta, Alibaba, DeepSeek och Liquid AI har alla skickat öppenviktsmodeller riktade till agenter i år, och NVIDIA – som säljer hårdvaran som alla andra tränar på – konkurrerar nu direkt i modellskiktet med tillåtande licensiering och en effektivitetshistoria. Om genomströmningskraven håller i sig i oberoende riktmärken, kan standardstacken för företagsagenter 2027 vara betydligt mer öppen än den såg ut för ett år sedan.
---
Stay ahead of AIFå de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.
Läs mer AI-nyheter →
