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

# NVIDIA, 멀티모달 에이전트용 Nemotron 3.5 Super VL 가중치 공개

> NVIDIA가 10월 15일 Nemotron 3.5 Super VL 시각 언어 모델 가중치를 공개했다. 텍스트·이미지·영상·도구 사용 워크플로를 지원하지만 상당한 하드웨어와 평가가 필요하다.

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.

NVIDIA가 공개한 [Nemotron 3.5 Super VL 모델 가중치](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16)의 출시일은 10월 15일이다. 이 시각 언어 모델은 텍스트, 이미지와 샘플링한 영상 프레임을 입력받아 텍스트를 출력한다. 개발자는 문서나 이미지를 읽고, 도구를 호출한 뒤 결과를 바탕으로 작업을 이어 가는 에이전트의 추론 구성 요소로 사용할 수 있다. 이번 공개는 모델 산출물과 서빙 지침을 제공하지만, 특정 업무 현장에서 에이전트가 얼마나 안정적으로 작동하는지 입증하지는 않는다.

## 큰 변화

- **달라진 점:** NVIDIA는 시각 입력, 텍스트 추론과 도구 사용을 하나의 가중치 세트로 결합한 사후 학습 모델을 공개했다. 문서에 명시된 출력은 텍스트이므로, 도구를 제공하고 모델이 할 수 있는 일을 정하는 역할은 여전히 애플리케이션에 있다.
- **중요한 이유:** 문서나 영상 워크플로를 만드는 개발자는 시각 해석을 별도 단계로 취급하는 대신, 시각적 근거와 후속 도구 호출에 걸쳐 하나의 모델을 평가할 수 있다. 이점은 개발자 자신의 자료와 권한 설정에서 얻는 결과에 달려 있다.
- **지켜볼 점:** 공개된 레시피로 평가가 가능해졌지만, NVIDIA 학습 가이드에 따르면 일부 사후 학습 데이터와 구성 요소는 아직 제공되지 않는다. 출시 당시의 비교만으로 판단하기보다, 특정 작업에 대한 독립적인 결과가 모델의 유용성을 더 잘 보여 줄 것이다.

## NVIDIA가 공개한 내용

이 [BF16 모델 카드](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16)는 사후 학습 체크포인트를 1.0 GA 버전으로 표시하고 Hugging Face 공개일을 10월 15일로 명시한다. NVIDIA는 더 작은 규모로 추론하기 위한 [NVFP4 양자화 체크포인트도](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) 공개했다. 전체 매개변수는 1,200억 개이며 토큰당 약 120억 개가 활성화된다. NVIDIA의 [연구 페이지](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/)는 10월 14일 공개됐으며 더 폭넓은 Super·Lightning 모델을 설명한다. 이 앞선 연구 공개는 10월 15일 가중치 출시와 구별된다.

모델 카드에 명시된 라이선스는 [OpenMDW 1.1이며](https://openmdw.ai/license/1-1/), 카드에 따르면 해당 조건 아래 상업·비상업 용도로 체크포인트를 사용할 수 있다. BF16 가중치는 맞춤화와 전체 정밀도 평가에, NVFP4 변형은 더 효율적인 서빙에 초점을 둔다. NVIDIA의 [학습 레시피](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html)는 기본 가중치, 데이터와 레시피도 나열하지만 Super 3.5에 사용한 지도 미세조정 및 강화학습 데이터가 아직 공개되지 않았다고 주의한다. 일부 교사 모델 및 시각 추론 단계는 비공개 구성 요소에 의존한다. 따라서 공개 자료만으로 NVIDIA의 학습 실행을 완전히 재현할 수 있는 것은 아니다.

## 에이전트가 활용하는 방식

NVIDIA 문서에 명시된 입력은 텍스트, JPEG·PNG 이미지와 최대 2분 길이의 MP4 영상이다. 문서는 부가 텍스트가 있는 페이지 이미지로 제공할 수 있다. 출력은 텍스트 문자열이며, 답변이나 애플리케이션이 처리할 도구 호출을 포함할 수 있다. 모델 카드의 [API 예시](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16)는 vLLM으로 로컬에서 서빙하는 OpenAI 호환 채팅 엔드포인트를 보여 주며, 이미지·영상·도구 호출 예시를 포함한다. 개발자를 위한 인터페이스이며, 완성된 문서 처리나 사고 대응 제품은 아니다.

NVIDIA의 [출시 게시물](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/)은 문서 정보 추출, 차트 해석과 영상 검토를 예상 활용 분야로 설명한다. Ramp가 영수증 이미지를 구조화된 JSON으로 변환하고 있으며, 처리량은 최대 50% 증가하고 지연 시간은 10분의 1로 줄어들 것으로 기대한다고 전한다. NVIDIA에 따르면 Scale AI는 Skydance의 공급업체 크레딧 처리 업무를 위해 모델을 사후 학습했으며, 해당 워크로드의 추론 비용은 40분의 1, 지연 시간은 5분의 1로 줄어들 것으로 예상된다. 이는 NVIDIA의 설명에 담긴 특정 파트너의 주장과 예상이다. BIG CHANGE가 측정한 결과도, 일반 배포에서 같은 이익을 얻는다는 증거도 아니다.

## 하드웨어, 비용과 한계

BF16 카드는 H100 GPU 4개 또는 GB200 GPU 2개를 사용하는 vLLM 구성을 제공한다. NVFP4 카드는 텍스트·이미지용 DGX Spark 1대와 텍스트·이미지·영상용 H200 또는 GB200 1개 등 더 간결한 구성을 나열한다. 최대 컨텍스트는 100만 토큰으로 명시돼 있지만, 모델 카드는 GPU 메모리와 동시 처리량에 맞추기 위해 개별 서빙 레시피가 더 작은 컨텍스트 창을 사용할 수 있다고 경고한다. 영상 레시피는 제한 없는 영상을 처리하는 대신 프레임을 샘플링하며, 예시는 1\~2분 클립에서 시작한다.

가중치에는 라이선스 조건이 있지만, 실행에는 여전히 적절한 GPU 용량과 소프트웨어가 필요하다. 인용한 모델 카드는 자체 호스팅 추론에 대해 단일한 달러 가격을 제시하지 않으며, 이번 검토 당시 NVIDIA 출시 게시물의 호스팅 접근 링크에도 공개 가격이 나타나지 않았다. 비용은 선택한 하드웨어나 제공업체와 실제 워크로드에 따라 달라진다. NVIDIA는 출시 게시물에서 단일 GPU 처리량이 최대 5배라는 비교를 포함해 높은 벤치마크 및 처리량 결과를 보고한다. 이 비교는 명시된 엔드포인트, 워크로드와 기준 모델에 의존하며, 독자의 애플리케이션에서 측정한 비용이나 속도를 뜻하지 않는다.

개발자는 에이전트에 운영 권한을 주기 전에 자신의 문서, 클립, 도구 권한과 오류 처리를 시험해야 한다. NVIDIA 모델 카드 자체도 사용 사례에 맞는 시스템 테스트를 요구한다. BIG CHANGE는 공개 모델 산출물과 문서를 검토했지만 모델을 실행하지는 않았다.

## 출처 및 추가 읽을거리

- [NVIDIA 기술 블로그, 10월 15일](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/): 출시 설명, 제안된 활용 사례, 파트너 주장과 공급업체 처리량 비교. 파트너 예상치와 NVIDIA 벤치마크는 위에서 출처를 밝혔다.
- [NVIDIA Nemotron 연구 페이지, 10월 14일](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/): 더 폭넓은 모델군, 연구 보고서와 연결된 체크포인트를 설명한다. 게시일은 모델 카드의 출시일보다 앞선다.
- [BF16 모델 카드](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16)와 [NVFP4 모델 카드](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4), 모두 10월 15일자: 버전, 라이선스, 입력과 출력, 서빙 예시와 하드웨어 구성. NVIDIA 자체 문서이며 독립적인 현장 테스트가 아니다.
- [NVIDIA 학습 레시피](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html): 공개된 체크포인트·레시피와 아직 공개를 기다리는 사후 학습 데이터·구성 요소를 구분한다.

## Sources

- [NVIDIA Nemotron 3.5 Super VL, 멀티모달 추론으로 전문 에이전트 지원](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) — NVIDIA의 출시 설명: 예상 멀티모달 에이전트 활용 분야, 파트너가 보고한 맞춤화와 예상 이익, 공급업체 처리량 비교. 이 결과는 BIG CHANGE의 측정치가 아니다.
- [NVIDIA Nemotron 3.5 Super와 Lightning](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) — 더 폭넓은 모델군을 설명하고 체크포인트와 기술 보고서를 연결한 NVIDIA 연구 페이지. 10월 15일 모델 카드 출시보다 먼저 공개됐다.
- [NVIDIA Nemotron 3.5 Super VL 120B A12B BF16 모델 카드](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) — NVIDIA의 사후 학습 전체 정밀도 모델 산출물: GA 버전, 라이선스, 모달리티, 텍스트 출력, 인터페이스와 하드웨어 레시피. 카드의 벤치마크는 공급업체가 수행했다.
- [NVIDIA Nemotron 3.5 Super VL 120B A12B NVFP4 모델 카드](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) — NVIDIA의 양자화 사후 학습 모델 산출물: GA 버전, 라이선스와 모달리티별 하드웨어 구성. DGX Spark 텍스트·이미지 레시피도 포함한다.
- [Nemotron 3.5 Super 학습 레시피](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) — NVIDIA 학습 문서는 공개 산출물과 아직 공개되지 않은 SFT/RL 데이터·구성 요소를 구분한다. 학습 클러스터의 전제 조건은 일반적인 추론 요구 사항을 설명하지 않는다.
- [OpenMDW 라이선스 계약 1.1](https://openmdw.ai/license/1-1/) — 두 NVIDIA 모델 카드가 다운로드 조건을 규율하는 것으로 지정한 라이선스. 이 기사는 법적 해석 없이 카드의 상업·비상업 용도 설명을 되풀이한다.