NVIDIA выпустила открытую модель Nemotron 3.5 Super VL для ИИ-агентов

Открытая Nemotron 3.5 Super VL читает документы, графики и видео, сама запускает поиск, код и другие программы, а компании могут дообучить её на своих данных.

NVIDIA выпустила Nemotron 3.5 Super VL — открытую модель на 120 млрд параметров для ИИ-агентов, которая понимает текст, картинки, документы и видео.

Почему это важно: агенту не нужна связка из текстовой модели и отдельной модели для картинок, между которыми приходится передавать задачу. Открытые веса, данные и рецепты обучения позволяют компаниям подогнать модель под свои документы и правила, не отправляя данные внешнему провайдеру.

Детали:

Это смесь экспертов¹: на каждый токен работают 12 млрд параметров из 120, поэтому она отвечает быстрее модели того же размера, в которой работают все параметры сразу.
Основа — текстовая Nemotron 3 Super: её учили повторять ответы более сильной Nemotron 3 Ultra, а затем добавили модуль зрения.
По карточке на Hugging Face, модель держит в контексте до 1 млн токенов и принимает видео длиной до двух минут.
Её обучили примерно на 26 трлн токенов и дообучили на 3,8 млн примеров. Затем её тренировали обучением с подкреплением: в десятках учебных сред модель выполняла задания и получала оценку за результат.

В цифрах: результаты, которые приводит NVIDIA.

В задачах агентов пропускная способность модели на одной видеокарте до пяти раз выше, чем у других открытых моделей того же размера.
В тесте CharXiv на понимание графиков из научных статей она набрала 80,8%, а с запуском кода на Python — 84%. У Nemotron 3 Nano Omni — мультимодальной модели NVIDIA прошлого поколения на 30 млрд параметров — было 63%.
В тестах агентов Hermes Bench и LangChain модель обошла Nemotron 3 Ultra, а в тестах на программирование SWE-bench и Terminal-Bench — исходную Nemotron 3 Super.
По проверке EXO Labs² модель попала на Парето-фронт: среди проверенных моделей нет такой, что была бы одновременно точнее и быстрее её.

Расклад: под свои задачи модель, по словам NVIDIA, уже дообучают десятки организаций.

Scale AI настроила её для медиакомпании Skydance на обработку кредит-нот — документов, которыми поставщики уменьшают сумму к оплате. По оценке NVIDIA, задача подешевеет в 40 раз, а задержка упадёт в пять.
Ramp, сервис для финансовых операций компаний, переводит фото чеков в структурированные данные и рассчитывает, что задержка станет в 10 раз меньше.
Для компании Alice, которая занимается безопасностью ИИ, AI21 дообучила модель анализировать угрозы и уязвимости и подняла её точность на 40%.
Atlassian встраивает её в поиск по Jira и Confluence, а CrowdStrike, в сентябре показавшая агентов для защиты на моделях NVIDIA, — в агентов, которые защищают корпоративные сети.

Общая картина: Super VL заняла середину семейства: Nemotron 3.5 Lightning берёт большие потоки текстовых задач, Nemotron 3 Ultra — самое сложное планирование. Вместе с Super VL вышла Nemotron 3.5 Bolt 74B-A9B, которую NVIDIA анонсировала 13 октября: её сжали до 24 ГБ для ноутбуков и ПК с видеокартами RTX. Младшая Bolt E4B на 4 ГБ выйдет 23 октября.

Что говорят: в Kilo, разработчике агента для программирования, модель проверили до выхода. На собственном тесте Kilo — KiloBench — модель набрала 53%, как GLM 5.2 от Z.ai, которую в Kilo называют «одной из самых популярных у нас моделей за всё время».

Но: сравнения с закрытыми моделями — данные самой NVIDIA. На её графике дообученные версии Super VL обходят Claude Opus 5 и GPT-6.1 Sol в узких задачах. Например, в разборе счетов за лечение для страховщиков точность Super VL — около 72%, а у Claude Opus 5 — около 38%. Как пишет VentureBeat, «NVIDIA не приложила к графику ни описания задач, ни размеров выборок, ни протокола испытаний».

Интрига: NVIDIA готовила часть обучающих данных с помощью моделей соперников. По карточке на Hugging Face, Qwen3.5 от Alibaba размечала часть картинок и документов, Kimi K3 писала решения математических задач, а данные для обучения поиску делали с Gemini 3 и GPT-5.

Модель вышла на Hugging Face, OpenRouter и ModelScope в трёх вариантах — базовом, дообученном и сжатом, где каждый вес хранится в 4 битах, — под лицензией OpenMDW³, которая разрешает коммерческое использование. NVIDIA отдельно оптимизировала её для DGX Spark⁴, а компаниям предлагает и в виде готового сервиса NIM.