Edisi Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# NVIDIA merilis bobot Nemotron 3.5 Super VL untuk agen multimodal

> NVIDIA merilis bobot model visi-bahasa Nemotron 3.5 Super VL pada 15 Oktober. Model ini mendukung alur teks, gambar, video dan penggunaan alat, dengan kebutuhan perangkat keras serta evaluasi yang besar.

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 merilis [bobot model Nemotron 3.5 Super VL](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) pada 15 Oktober. Model visi-bahasa ini menerima teks, gambar dan sampel bingkai video, lalu menghasilkan teks. Pengembang dapat memakainya sebagai komponen penalaran agen yang membaca dokumen atau gambar, memanggil alat dan melanjutkan dari hasilnya. Rilis ini menyediakan artefak model serta petunjuk penyajian inferensi; bukan bukti keandalan agen tersebut di tempat kerja tertentu.

## Perubahan besar

- **Yang berubah:** NVIDIA merilis model pascapelatihan yang menggabungkan input visual, penalaran teks dan penggunaan alat dalam satu kumpulan bobot. Output yang didokumentasikan adalah teks, sehingga aplikasi tetap menyediakan alat dan menentukan tindakan yang boleh dilakukan model.
- **Mengapa penting:** Pengembang alur dokumen atau video dapat mengevaluasi satu model untuk bukti visual dan panggilan alat sesudahnya, alih-alih menjadikan interpretasi visual sebagai langkah terpisah. Manfaatnya bergantung pada hasil dengan materi dan izin milik pengembang sendiri.
- **Yang perlu dipantau:** Resep yang dirilis memungkinkan evaluasi, tetapi panduan pelatihan NVIDIA menyebut sebagian data dan komponen pascapelatihan belum tersedia. Hasil independen untuk tugas tertentu akan lebih menjelaskan kegunaan model daripada hanya perbandingan saat peluncuran.

## Yang dirilis NVIDIA

Dokumen [kartu model BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) menandai checkpoint pascapelatihan sebagai versi 1.0 GA dan mencantumkan 15 Oktober sebagai tanggal rilis di Hugging Face. NVIDIA juga memublikasikan [checkpoint terkuantisasi NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) untuk inferensi yang lebih ringkas. Model ini memiliki total 120 miliar parameter, dengan sekitar 12 miliar aktif untuk setiap token. Adapun [halaman riset](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) NVIDIA terbit pada 14 Oktober dan menjelaskan model Super serta Lightning secara lebih luas; publikasi riset terdahulu itu berbeda dari rilis bobot pada 15 Oktober.

Kartu-kartu tersebut mencantumkan lisensi [OpenMDW 1.1](https://openmdw.ai/license/1-1/) dan menyebut checkpoint siap dipakai secara komersial maupun nonkomersial berdasarkan ketentuan itu. Bobot BF16 ditujukan untuk kustomisasi dan evaluasi presisi penuh; varian NVFP4 ditujukan untuk penyajian inferensi yang lebih efisien. Dokumen [resep pelatihan](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) NVIDIA juga mencantumkan bobot dasar, data dan resep, tetapi memperingatkan bahwa data supervised fine-tuning serta reinforcement learning yang digunakan untuk Super 3.5 belum dipublikasikan. Sebagian tahap model pengajar dan penalaran visual bergantung pada komponen yang tidak terbuka untuk publik. Karena itu, materi yang dirilis belum memungkinkan reproduksi lengkap proses pelatihan NVIDIA.

## Cara agen dapat menggunakannya

NVIDIA mendokumentasikan teks, gambar JPEG atau PNG dan video MP4 hingga dua menit sebagai input. Dokumen dapat diberikan sebagai gambar halaman beserta teks pendamping. Output berupa string teks yang dapat memuat jawaban atau panggilan alat untuk ditangani aplikasi. Pada kartu model, [contoh API](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) menunjukkan endpoint percakapan kompatibel dengan OpenAI yang disajikan secara lokal memakai vLLM, termasuk contoh gambar, video dan pemanggilan alat. Ini antarmuka bagi pengembang, bukan produk jadi untuk pemrosesan dokumen atau respons insiden.

Tulisan [peluncuran](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) NVIDIA menjelaskan ekstraksi dokumen, interpretasi bagan dan peninjauan video sebagai penggunaan yang dituju. Menurut tulisan itu, Ramp mengonversi gambar tanda terima menjadi JSON terstruktur dan mengharapkan throughput hingga 50% lebih tinggi serta latensi sepuluh kali lebih rendah. NVIDIA menyebut Scale AI melakukan pascapelatihan model untuk pemrosesan kredit pemasok di Skydance, dengan perkiraan biaya inferensi 40 kali lebih rendah dan latensi lima kali lebih rendah untuk beban kerja itu. Itu klaim dan harapan mitra tertentu dalam penuturan NVIDIA, bukan hasil pengukuran BIG CHANGE atau bukti bahwa penerapan umum akan memperoleh peningkatan yang sama.

## Perangkat keras, biaya dan batasan

Kartu BF16 menyediakan konfigurasi vLLM untuk empat GPU H100 atau dua GPU GB200. Kartu NVFP4 mencantumkan konfigurasi lebih ringkas, termasuk satu DGX Spark untuk teks dan gambar, serta satu H200 atau GB200 untuk teks, gambar dan video. Konteks maksimum yang ditetapkan adalah satu juta token, meskipun kartu memperingatkan bahwa resep penyajian tertentu dapat memakai jendela konteks lebih kecil agar sesuai dengan memori GPU dan konkurensi yang tersedia. Resep videonya mengambil sampel bingkai, bukan memproses rekaman tanpa batasan; contoh dimulai dengan klip sepanjang satu hingga dua menit.

Bobot memiliki ketentuan lisensi, tetapi menjalankannya tetap memerlukan kapasitas GPU dan perangkat lunak yang sesuai. Kartu model yang dirujuk tidak memberikan satu harga dolar untuk inferensi yang dihosting sendiri, dan tautan akses terhosting dalam tulisan peluncuran NVIDIA tidak menampilkan harga publik dalam peninjauan ini. Biaya bergantung pada perangkat keras atau penyedia yang dipilih dan beban kerja aktual. NVIDIA melaporkan hasil tolok ukur serta throughput yang kuat, termasuk perbandingan throughput satu GPU hingga lima kali lipat dalam tulisan peluncurannya. Perbandingan itu bergantung pada endpoint, beban kerja dan baseline yang disebutkan; bukan pengukuran biaya atau kecepatan aplikasi pembaca.

Pengembang yang mengevaluasi rilis ini sebaiknya menguji dokumen, klip, izin alat dan penanganan kesalahan mereka sendiri sebelum memberi agen wewenang operasional. Kartu model NVIDIA sendiri meminta pengujian sistem khusus untuk kasus penggunaan. BIG CHANGE telah meninjau artefak dan dokumentasi yang dipublikasikan, tetapi belum menjalankan modelnya.

## Sumber dan bacaan lanjutan

- [Blog Teknis NVIDIA, 15 Oktober](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/): penuturan peluncuran, usulan penggunaan, klaim mitra dan perbandingan throughput vendor. Proyeksi mitra serta tolok ukur NVIDIA telah diberi atribusi di atas.
- [Halaman riset NVIDIA Nemotron, 14 Oktober](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/): menjelaskan keluarga model yang lebih luas, laporan riset dan checkpoint yang ditautkan. Tanggal publikasinya mendahului tanggal rilis kartu model.
- [Kartu model BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) dan [kartu model NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4), keduanya bertanggal 15 Oktober: versi, lisensi, input serta output, contoh penyajian dan konfigurasi perangkat keras. Kartu ini dokumentasi NVIDIA sendiri, bukan uji lapangan independen.
- [Resep pelatihan NVIDIA](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html): membedakan checkpoint serta resep yang dirilis dari data dan komponen pascapelatihan yang belum dipublikasikan.

## Sources

- [NVIDIA Nemotron 3.5 Super VL mendukung agen khusus dengan penalaran multimodal](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) — Penuturan peluncuran NVIDIA: penggunaan agen multimodal yang dituju, kustomisasi yang dilaporkan mitra, perkiraan peningkatan dan perbandingan throughput vendor. Hasil tersebut bukan pengukuran BIG CHANGE.
- [NVIDIA Nemotron 3.5 Super dan Lightning](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) — Halaman riset NVIDIA yang menjelaskan keluarga model secara lebih luas dan menautkan checkpoint serta laporan teknis. Publikasinya mendahului rilis kartu model pada 15 Oktober.
- [Kartu model NVIDIA Nemotron 3.5 Super VL 120B A12B BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) — Artefak pascapelatihan presisi penuh NVIDIA: versi GA, lisensi, modalitas, output teks, antarmuka dan resep perangkat keras. Tolok ukur dalam kartu dijalankan vendor.
- [Kartu model NVIDIA Nemotron 3.5 Super VL 120B A12B NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) — Artefak pascapelatihan terkuantisasi NVIDIA: versi GA, lisensi dan konfigurasi perangkat keras khusus modalitas, termasuk resep teks serta gambar DGX Spark.
- [Resep Pelatihan Nemotron 3.5 Super](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) — Dokumentasi pelatihan NVIDIA membedakan artefak yang dirilis dari data SFT/RL dan komponen yang masih menunggu publikasi. Prasyarat kluster pelatihan tidak menggambarkan kebutuhan inferensi biasa.
- [Perjanjian Lisensi OpenMDW 1.1](https://openmdw.ai/license/1-1/) — Lisensi yang disebut kedua kartu model NVIDIA sebagai pengatur ketentuan unduhan. Artikel ini mengulangi penjelasan kartu tentang penggunaan komersial dan nonkomersial tanpa penafsiran hukum.