A NVIDIA lançou em 15 de outubro de 2026 o Nemotron 3.5 Super VL, um modelo de pesos abertos voltado a agentes especializados que combinam compreensão de texto, imagens, documentos e vídeos com raciocínio e uso de ferramentas. No anúncio, a empresa listou Hugging Face, OpenRouter, a comunidade ModelScope e NVIDIA NIM como canais de acesso ao modelo. A publicação técnica da NVIDIA apresenta os detalhes do lançamento e os resultados de desempenho reportados pela companhia.
A NVIDIA também publicou checkpoints base, pós-treinados e quantizados em NVFP4, além de receitas de treinamento, conjuntos de dados e ambientes de aprendizado por reforço. Esses recursos foram apresentados para que organizações adaptem o modelo a seus próprios fluxos de trabalho.
O que o checkpoint BF16 aceita
A NVIDIA descreve o Super VL como um modelo de mistura de especialistas, com o rótulo público de 120 bilhões de parâmetros e 12 bilhões ativos por token. A documentação do checkpoint BF16 especifica 121 bilhões de parâmetros no total, ou 124 bilhões quando se inclui a cabeça MTP. São contagens com escopos diferentes: o rótulo público não é a contagem exata desse checkpoint. A documentação do NVIDIA NeMo AutoModel também informa que o checkpoint BF16 não tem codificador de áudio e não aceita entrada de áudio.
A empresa apresenta o modelo para tarefas com texto e conteúdo visual, como imagens, gráficos, tabelas, documentos e vídeos. A restrição de áudio citada na documentação se aplica especificamente ao checkpoint BF16.
O que os resultados de desempenho medem
As cifras divulgadas pela NVIDIA descrevem medidas diferentes. A empresa afirma que o Super VL alcança até cinco vezes a taxa de geração de modelos abertos da mesma categoria de tamanho em tarefas agênticas com uma GPU. A comparação considera uma entrada de 100 mil tokens. Em outra medição, a NVIDIA relata mais de 600 tokens de saída por segundo para tarefas agênticas do Artificial Analysis Intelligence Index em um endpoint da Baseten.
A NVIDIA também relata conclusão quatro vezes mais rápida em uma avaliação de programação com 10 mil tarefas executada em GPUs B200. Esse resultado mede o tempo para concluir tarefas, não a taxa de geração de tokens.
Já o resultado de serving — a capacidade de atender usuários — foi associado pela NVIDIA a uma configuração específica do NVIDIA Dynamo: 16 GPUs B200, 50 tokens por segundo por usuário, roteamento com reconhecimento de KV, afinidade de sessão e descarregamento do cache KV. Nessa configuração, a empresa relata até oito vezes mais usuários atendidos e redução de 85% na latência até o primeiro token. Taxa de geração, tempo de conclusão e capacidade de atendimento respondem a perguntas distintas; nenhum desses números, isoladamente, descreve o desempenho em qualquer hardware ou tarefa.
Os modelos Bolt têm cronogramas diferentes
A NVIDIA listou o Nemotron 3.5 Bolt 74B-A9B 24GB entre os modelos disponíveis no lançamento. Essa variante tem 74 bilhões de parâmetros no total, nove bilhões ativos e quantização de 2 bits em um pacote de 24 GB. O Bolt E4B 4GB, por sua vez, foi programado pela NVIDIA para lançamento em 23 de outubro de 2026, como modelo menor para uso na borda. O anúncio da empresa apresenta os canais de acesso e o cronograma dos modelos Bolt.
