NVIDIA a lancé Nemotron 3.5 Super VL le 15 octobre 2026. Ce modèle à poids ouverts est conçu pour des agents spécialisés : il associe compréhension du texte, des images, des documents et des vidéos, raisonnement et utilisation d’outils. Au lancement, NVIDIA citait Hugging Face, OpenRouter, la communauté ModelScope et NVIDIA NIM parmi les canaux d’accès. L’annonce de lancement de NVIDIA et son article technique sur le modèle détaillent ces éléments.
Un modèle multimodal, avec des précisions propres au checkpoint BF16
NVIDIA présente Super VL comme un modèle à mélange d’experts sous l’étiquette 120B, avec 12 milliards de paramètres actifs par jeton. La documentation du checkpoint BF16 indique 121 milliards de paramètres au total, ou 124 milliards avec la tête MTP. Elle recense aussi 512 experts acheminés, dont 22 actifs par jeton. La fiche NVIDIA NeMo AutoModel du checkpoint BF16 précise que celui-ci ne possède pas d’encodeur audio et n’accepte pas d’entrée audio.
La version publiée comprend des checkpoints de base, post-entraînés et quantifiés en NVFP4, ainsi que des recettes d’entraînement, des jeux de données et des environnements d’apprentissage par renforcement. NVIDIA les présente comme des ressources permettant d’adapter le modèle à des usages spécialisés.
Ce que mesurent les résultats annoncés par NVIDIA
Les chiffres publiés portent sur des tâches et des configurations différentes. Ils ne décrivent pas une mesure unique de la vitesse du modèle.
Pour le débit, NVIDIA annonce jusqu’à cinq fois celui de modèles ouverts de même catégorie de taille sur un seul GPU. Son article technique rapporte aussi plus de 600 jetons de sortie par seconde sur un endpoint Baseten pour des tâches agentiques de l’Artificial Analysis Intelligence Index. La comparaison illustrée porte sur des modèles évalués avec 100 000 jetons en entrée.
Pour le temps d’exécution, NVIDIA rapporte une réalisation quatre fois plus rapide d’une évaluation de 10 000 tâches de programmation sur des GPU B200. Ce résultat porte sur l’achèvement des tâches, pas sur le débit de génération.
Enfin, dans une configuration de service avec NVIDIA Dynamo, l’entreprise rapporte jusqu’à huit fois plus d’utilisateurs et une baisse de 85 % de la latence avant le premier jeton. Le test décrit mobilise 16 GPU B200, vise 50 jetons par seconde et par utilisateur, et s’appuie sur le routage tenant compte du cache KV, l’affinité de session et le déchargement de ce cache.
Les deux modèles Bolt n’ont pas le même calendrier
NVIDIA indiquait que Nemotron 3.5 Bolt 74B-A9B 24GB était disponible au lancement. Cette variante destinée aux usages locaux totalise 74 milliards de paramètres, dont 9 milliards actifs, et utilise une quantification sur 2 bits. L’annonce de NVIDIA programmait, elle, Nemotron 3.5 Bolt E4B 4GB pour le 23 octobre 2026 ; une publication ultérieure de l’entreprise reprenait cette échéance.
