AI-translated from English; not yet reviewed by a fluent editor. # NVIDIA publica los pesos de Nemotron 3.5 Super VL para agentes multimodales > NVIDIA publicó el 15 de octubre los pesos del modelo de visión y lenguaje Nemotron 3.5 Super VL. Admite flujos con texto, imágenes, vídeo y herramientas, con importantes requisitos de hardware y evaluación. By BIG CHANGE Editorial Published: 2026-10-16T00:09:14.482Z Updated: 2026-10-16T00:09:14.482Z Canonical: https://bigchange.ai/blog/nvidia-nemotron-35-super-vl-multimodal-agents ![Conceptual charcoal illustration of a landscape photograph, a printed page and three film frames beside an open unbranded flatbed scanner.](https://bigchange.ai/api/media/file/nemotron-multimodal-materials-hero-v1.png) AI-generated conceptual illustration by BIG CHANGE; no NVIDIA product or tested workflow is depicted. NVIDIA publicó los [pesos del modelo Nemotron 3.5 Super VL](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) el 15 de octubre. El modelo de visión y lenguaje acepta texto, imágenes y fotogramas de vídeo muestreados, y genera texto. Los desarrolladores pueden usarlo como componente de razonamiento de un agente que lee un documento o una imagen, llama a una herramienta y continúa a partir del resultado. La publicación les proporciona un artefacto del modelo e instrucciones para servirlo; no establece con qué fiabilidad actúa un agente así en un lugar de trabajo concreto. ## El gran cambio - **Qué ha cambiado:** NVIDIA ha publicado un modelo posentrenado que combina entrada visual, razonamiento textual y uso de herramientas en un mismo conjunto de pesos. Su salida documentada es texto, de modo que una aplicación sigue proporcionando las herramientas y decidiendo qué puede hacer el modelo. - **Por qué importa:** Un desarrollador que crea flujos de documentos o vídeo puede evaluar un solo modelo con pruebas visuales y posteriores llamadas a herramientas, en vez de tratar la interpretación visual como un paso aislado. El beneficio depende de los resultados con sus propios materiales y permisos. - **En qué fijarse:** Las recetas publicadas permiten evaluar el modelo, pero la guía de entrenamiento de NVIDIA indica que algunos datos y componentes de posentrenamiento siguen sin estar disponibles. Los resultados independientes y específicos de cada tarea dirán más sobre su utilidad que las comparaciones del lanzamiento por sí solas. ## Qué ha publicado NVIDIA La [ficha del modelo BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) identifica el punto de control posentrenado como versión 1.0 GA y fecha su publicación en Hugging Face el 15 de octubre. NVIDIA también publicó un [punto de control cuantizado NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) para una inferencia más compacta. El modelo tiene 120.000 millones de parámetros en total, de los que unos 12.000 millones están activos para cada token. La [página de investigación](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) de NVIDIA apareció el 14 de octubre y describe el conjunto más amplio de modelos Super y Lightning; esa publicación de investigación anterior es distinta de la publicación de pesos del 15 de octubre. Las fichas indican que la licencia es [OpenMDW 1.1](https://openmdw.ai/license/1-1/) y que los puntos de control están listos para uso comercial y no comercial bajo esas condiciones. Los pesos BF16 se orientan a la personalización y la evaluación a precisión completa; la variante NVFP4, a un servicio más eficiente. La [receta de entrenamiento](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) de NVIDIA también enumera pesos base, datos y recetas, pero advierte de que los datos de ajuste fino supervisado y aprendizaje por refuerzo usados para Super 3.5 aún no se han publicado. Algunas etapas de modelos maestros y razonamiento visual dependen de componentes que no son públicos. Por tanto, los materiales publicados no permiten reproducir por completo el entrenamiento de NVIDIA. ## Cómo puede usarlo un agente NVIDIA documenta como entradas texto, imágenes JPEG o PNG y vídeo MP4 de hasta dos minutos. Los documentos pueden proporcionarse como imágenes de páginas con texto adjunto. La salida es una cadena de texto que puede contener una respuesta o una llamada a una herramienta para que la gestione una aplicación. Los [ejemplos de API](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) de la ficha muestran un endpoint de chat compatible con OpenAI servido localmente con vLLM, con ejemplos de imágenes, vídeo y llamadas a herramientas. Es una interfaz para desarrolladores, no un producto terminado de procesamiento documental o respuesta a incidentes. La [publicación de lanzamiento](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) de NVIDIA describe la extracción de documentos, la interpretación de gráficos y la revisión de vídeo como aplicaciones previstas. Afirma que Ramp está convirtiendo imágenes de recibos en JSON estructurado y espera hasta un 50% más de rendimiento y una latencia diez veces menor. NVIDIA dice que Scale AI posentrenó el modelo para procesar abonos de proveedores en Skydance, con un coste de inferencia previsto 40 veces menor y una latencia cinco veces menor para esa carga. Son afirmaciones y expectativas específicas de socios en el relato de NVIDIA, no resultados medidos por BIG CHANGE ni pruebas de que una implantación general obtenga las mismas mejoras. ## Hardware, coste y límites La ficha BF16 ofrece configuraciones vLLM para cuatro GPU H100 o dos GPU GB200. La ficha NVFP4 enumera configuraciones más compactas: un solo DGX Spark para texto e imágenes, y una sola H200 o GB200 para texto, imágenes y vídeo. Se especifica un contexto máximo de un millón de tokens, aunque las fichas advierten de que cada receta de servicio puede usar una ventana menor para ajustarse a la memoria GPU y la concurrencia disponibles. La receta de vídeo muestrea fotogramas en lugar de procesar metraje sin restricciones; sus ejemplos parten de clips de uno a dos minutos. Los pesos tienen condiciones de licencia, pero ejecutarlos sigue requiriendo capacidad GPU y software adecuados. Las fichas citadas no ofrecen un precio único en dólares para la inferencia autohospedada, y el enlace de acceso alojado de la publicación de NVIDIA no mostraba un precio público durante esta revisión. El coste dependerá del hardware o proveedor elegido y de la carga real. NVIDIA comunica buenos resultados de pruebas y rendimiento, incluida una comparación de rendimiento con una sola GPU de hasta cinco veces más en su publicación de lanzamiento. Esa comparación depende del endpoint, la carga y las referencias que indica; no es una medición del coste o la velocidad de la aplicación del lector. Los desarrolladores que evalúen el lanzamiento deben probar sus documentos, clips, permisos de herramientas y gestión de errores antes de conceder autoridad operativa a un agente. La propia ficha de NVIDIA pide pruebas del sistema específicas del caso de uso. BIG CHANGE ha revisado los artefactos y la documentación publicados, pero no ha ejecutado el modelo. ## Fuentes y lecturas adicionales - [Blog técnico de NVIDIA, 15 de octubre](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/): relato del lanzamiento, usos propuestos, afirmaciones de socios y comparaciones de rendimiento del proveedor. Las proyecciones de los socios y las pruebas de NVIDIA se atribuyen arriba. - [Página de investigación NVIDIA Nemotron, 14 de octubre](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/): describe la familia más amplia de modelos, el informe de investigación y los puntos de control enlazados. Se publicó antes de la fecha de lanzamiento de las fichas. - [Ficha del modelo BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) y [ficha del modelo NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4), ambas del 15 de octubre: versión, licencia, entradas y salida, ejemplos de servicio y configuraciones de hardware. Son documentación de NVIDIA, no pruebas de campo independientes. - [Receta de entrenamiento de NVIDIA](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html): distingue los puntos de control y recetas publicados de los datos y componentes de posentrenamiento aún pendientes de publicación. ## Sources - [NVIDIA Nemotron 3.5 Super VL impulsa agentes especializados con razonamiento multimodal](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) — Relato de lanzamiento de NVIDIA: aplicaciones previstas de agentes multimodales, personalización comunicada por socios, mejoras proyectadas y comparaciones de rendimiento del proveedor. Estos resultados no son mediciones de BIG CHANGE. - [NVIDIA Nemotron 3.5 Super y Lightning](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) — Página de investigación de NVIDIA que describe la familia más amplia de modelos y enlaza puntos de control y el informe técnico. Su publicación precede a la de las fichas del 15 de octubre. - [Ficha del modelo NVIDIA Nemotron 3.5 Super VL 120B A12B BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) — Artefacto posentrenado de NVIDIA a precisión completa: versión GA, licencia, modalidades, salida textual, interfaces y recetas de hardware. Las pruebas de la ficha las ejecuta el proveedor. - [Ficha del modelo NVIDIA Nemotron 3.5 Super VL 120B A12B NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) — Artefacto cuantizado y posentrenado de NVIDIA: versión GA, licencia y configuraciones de hardware por modalidad, incluida una receta DGX Spark para texto e imágenes. - [Receta de entrenamiento de Nemotron 3.5 Super](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) — La documentación de entrenamiento de NVIDIA distingue los artefactos publicados de los datos SFT/RL y componentes aún pendientes de publicación. Los requisitos del clúster de entrenamiento no describen las necesidades habituales de inferencia. - [Acuerdo de licencia OpenMDW 1.1](https://openmdw.ai/license/1-1/) — Ambas fichas de NVIDIA identifican esta licencia como la que rige las condiciones de descarga. El artículo repite su caracterización del uso comercial y no comercial, sin interpretación jurídica.