NVIDIA amplia família Nemotron com Super VL e modelos Bolt para agentes locais
NVIDIA lança Nemotron 3.5 Super VL, modelo aberto de 120B parâmetros para agentes, e modelos Bolt para edge. Saiba o que muda para quem desenvolve com IA.
Resumo: 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.
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.
Nesta matéria
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 (NVIDIA). Matéria escrita pela redação da Invision a partir dessa notícia. Versão em texto.