# NVIDIA amplia família Nemotron com Super VL e modelos Bolt para agentes locais

> A NVIDIA lançou o Nemotron 3.5 Super VL, um modelo aberto de 120 bilhões de parâmetros focado em agentes multimodais, junto com os modelos Bolt para dispositivos locais. A novidade importa porque amplia as opções de modelos abertos que podem ser personalizados e executados na infraestrutura da própria organização.

Publicado em 2026-10-15 · https://invision.dreamvision.com.br/blog/nvidia-amplia-familia-nemotron-com-super-vl-e-modelos-bolt-para-agentes-locais

## Pontos-chave
- NVIDIA lança Nemotron 3.5 Super VL, modelo aberto de 120B parâmetros para agentes multimodais.
- Modelos Bolt 74B-A9B e E4B são otimizados para execução local em dispositivos de borda.
- Super VL pode ser pós-treinado com dados próprios e executado on-premises.
- Bolt 74B-A9B já está disponível; Bolt E4B chega em 23 de outubro.
- Modelo é o mais rápido de sua classe, segundo a NVIDIA, com 5x mais velocidade que o segundo colocado.

## O que a NVIDIA anunciou na família Nemotron?
A NVIDIA apresentou o Nemotron 3.5 Super VL, um modelo aberto de 120 bilhões de parâmetros voltado para agentes especializados que operam continuamente. Segundo a empresa, ele entrega a conclusão de tarefas mais rápida e a maior precisão em sua categoria.

Junto com ele, chegaram dois modelos de borda: Nemotron 3.5 Bolt 74B-A9B 24GB e Nemotron 3.5 Bolt E4B 4GB. O primeiro é otimizado para equilibrar inteligência e velocidade por GB em cargas locais; o segundo foca em inteligência por GB para agentes conversacionais rápidos.

Super VL e Bolt 74B-A9B já estão disponíveis; o Bolt E4B chega em 23 de outubro. Os três cobrem desde grandes servidores corporativos até dispositivos de borda e hardware local.


## Por que o Super VL é relevante para agentes multimodais?
O Super VL foi construído em colaboração com a Nemotron Coalition e se destaca em tarefas agênticas multimodais, como seguir instruções, usar ferramentas, executar fluxos de negócios com várias etapas e compreender imagens. A NVIDIA afirma que o desempenho é comparável ao de seu maior modelo de raciocínio, com cerca de um quinto do número de parâmetros.

A empresa o descreve como o modelo agêntico aberto mais rápido de sua classe, cinco vezes mais rápido que o segundo colocado. Isso pode ajudar agentes corporativos a concluir tarefas de alto volume em fluxos que duram dias ou semanas.

Diferentemente de modelos fechados de fronteira, o Super VL pode ser pós-treinado com dados próprios, executado na infraestrutura da organização e supervisionado internamente.


## Como os modelos Bolt atendem ao processamento local?
O Bolt 74B-A9B 24GB foi projetado para rodar tarefas agênticas do dia a dia localmente em NVIDIA RTX e DGX Spark. Ele usa quantização nativa de 2 bits para caber em 24 GB de memória e funcionar ao lado de outros aplicativos.

Segundo a NVIDIA, o modelo oferece bom equilíbrio entre inteligência e velocidade: é capaz de realizar a maioria das tarefas, mas mais rápido que os modelos mais inteligentes. Ele permite delegar projetos a harnesses locais populares, da pesquisa na web à escrita e depuração de código, sem enviar cargas para a nuvem.

A NVIDIA informa que o Bolt 74B-A9B é o modelo aberto número 1 de sua classe no PinchBench e o segundo modelo aberto no BrowseComp. Já o Bolt E4B 4GB é voltado a agentes físicos e conversacionais em GeForce RTX, Jetson e RTX/DGX Spark, combinando conversa natural com capacidades agênticas de múltiplos turnos para assistentes de voz locais e interfaces embarcadas.


## Quais empresas já estão personalizando o Super VL?
Diversas organizações estão pós-treinando o Super VL com seus próprios dados, ferramentas, políticas e fluxos de trabalho. A Scale AI pós-treinou o modelo para o agente de finanças de fornecedores da Skydance e para o agente de due diligence de fusões e aquisições da EY.

A AfterQuery personalizou o modelo para a Hebbia na análise de contratos de crédito. A AI21 e a Alice o pós-treinaram para resiliência a ataques cibernéticos. A Mercor o pós-treinou no benchmark de codificação APEX-SWE, para agentes que planejam, escrevem e depuram código.

A ModelScope permite que desenvolvedores ajustem o modelo por meio do framework ms-swift para aplicações multimodais especializadas. Outras empresas citadas incluem Ramp, Dream, Lila Sciences e R1, além da TrainLoop, que pós-treinou o modelo com dados dermatológicos da Nolla.


## Quais recursos técnicos e de implantação acompanham o modelo?
O Super VL foi treinado com cerca de 26 trilhões de tokens em pré-treinamento e pré-treinamento contínuo, seguido de pós-treinamento com aproximadamente 3,8 milhões de amostras e aprendizado por reforço em dezenas de ambientes.

A NVIDIA também está liberando conjuntos de dados abertos no Hugging Face, abrangendo uso de ferramentas agênticas, finanças, seguimento de instruções, contexto longo, equidade e compreensão de visão e linguagem, além dos ambientes de aprendizado por reforço no NeMo Gym.

O modelo chega empacotado como microserviço NVIDIA NIM, com configurações validadas e suporte empresarial, atualizado a cada duas semanas com patches de segurança. Com o NVIDIA Dynamo, a empresa afirma que organizações podem atender até 8 vezes mais usuários com 85% menos latência.


## Onde baixar e como começar a usar?
O Nemotron 3.5 Super VL está disponível agora no Hugging Face, Open Router, comunidade ModelScope e como NVIDIA NIM. Ele roda em toda a pilha de hardware da NVIDIA: DGX Spark, DGX Station, RTX PRO e sistemas RTX para inteligência local no desktop, Jetson na borda e ambientes de data center e nuvem.

O Nemotron 3.5 Bolt 74B-A9B 24GB está disponível no Hugging Face com suporte a llama.cpp, Ollama, LM Studio, Unsloth e vLLM. Ele foi feito para laptops NVIDIA RTX Spark que chegam em 16 de outubro, além de PCs GeForce RTX, DGX Spark, DGX Station e estações RTX PRO.


## O que isso muda para quem usa IA
Com modelos abertos que cobrem do data center ao desktop, desenvolvedores ganham mais flexibilidade para escolher onde executar agentes, seja na nuvem ou localmente, sem depender de uma única arquitetura. A possibilidade de pós-treinar com dados próprios e manter o modelo on-premises pode facilitar a adequação a requisitos de segurança e residência de dados.

Para quem trabalha com agentes multimodais, a combinação de compreensão de texto e imagem em um único modelo reduz a necessidade de rotear tarefas entre sistemas separados. A Invision oferece acesso a diversos modelos por meio de uma única chave, o que pode simplificar a experimentação com diferentes opções sem gerenciar múltiplas integrações.


## Perguntas frequentes
### O que é o NVIDIA Nemotron 3.5 Super VL?
É um modelo aberto de 120 bilhões de parâmetros da NVIDIA, focado em agentes multimodais que combinam compreensão de texto e imagem para executar tarefas especializadas.

### Qual a diferença entre Super VL e os modelos Bolt?
O Super VL é voltado para servidores e tarefas de alta complexidade, enquanto os modelos Bolt são otimizados para rodar localmente em dispositivos de borda, como workstations e laptops com GPU NVIDIA.

### O Nemotron 3.5 Super VL é gratuito?
A NVIDIA não informou preços na notícia. O modelo está disponível publicamente no Hugging Face e em outras plataformas, com pesos abertos.

### Posso personalizar o Nemotron 3.5 Super VL com meus dados?
Sim. A NVIDIA afirma que o modelo pode ser pós-treinado com dados próprios usando o NVIDIA NeMo, pipelines em Python e conjuntos de dados abertos.

Fonte original: [Open From Data Center to Desktop: NVIDIA Expands Nemotron Family With Highest Efficiency Super VL and Bolt Models](https://blogs.nvidia.com/blog/nemotron-3-5-super-vl/) (NVIDIA).
