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

# NVIDIA lança pesos do Nemotron 3.5 Super VL para agentes multimodais

> A NVIDIA lançou os pesos de visão e linguagem do Nemotron 3.5 Super VL a 15 de outubro. O modelo suporta fluxos com texto, imagens, vídeo e ferramentas, com requisitos consideráveis de hardware e avaliação.

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.

A NVIDIA lançou os [pesos do modelo Nemotron 3.5 Super VL](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) a 15 de outubro. O modelo de visão e linguagem aceita texto, imagens e fotogramas de vídeo amostrados e produz texto. Os programadores podem usá-lo como componente de raciocínio de um agente que lê um documento ou imagem, chama uma ferramenta e continua a partir do resultado. O lançamento fornece um artefacto do modelo e instruções de disponibilização; não estabelece a fiabilidade de um agente desse tipo num local de trabalho concreto.

## A grande mudança

- **O que mudou:** A NVIDIA lançou um modelo pós-treinado que combina entrada visual, raciocínio textual e utilização de ferramentas num só conjunto de pesos. A saída documentada é texto, pelo que uma aplicação continua a fornecer as ferramentas e a decidir o que o modelo pode fazer.
- **Porque importa:** Um programador de fluxos de documentos ou vídeo pode avaliar um só modelo sobre evidência visual e chamadas de ferramentas posteriores, em vez de tratar a interpretação visual como uma etapa isolada. O benefício depende dos resultados com os seus próprios materiais e permissões.
- **O que acompanhar:** As receitas publicadas permitem a avaliação, mas o guia de treino da NVIDIA diz que alguns dados e componentes de pós-treino continuam indisponíveis. Resultados independentes para tarefas específicas dirão mais sobre a utilidade do modelo do que apenas as comparações de lançamento.

## O que a NVIDIA lançou

A [ficha do modelo BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) identifica o checkpoint pós-treinado como versão 1.0 GA e data o lançamento no Hugging Face de 15 de outubro. A NVIDIA publicou também um [checkpoint quantizado NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) para inferência mais compacta. O modelo tem 120 mil milhões de parâmetros no total, com cerca de 12 mil milhões ativos por token. A [página de investigação](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) da NVIDIA surgiu a 14 de outubro e descreve os modelos Super e Lightning mais abrangentes; essa publicação de investigação anterior é distinta do lançamento dos pesos a 15 de outubro.

As fichas indicam como licença [OpenMDW 1.1](https://openmdw.ai/license/1-1/) e dizem que os checkpoints estão prontos para utilização comercial e não comercial sob esses termos. Os pesos BF16 destinam-se a personalização e avaliação com precisão completa; a variante NVFP4 destina-se a disponibilização mais eficiente. A [receita de treino](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) da NVIDIA também enumera pesos base, dados e receitas, mas alerta que os dados de afinação supervisionada e aprendizagem por reforço usados no Super 3.5 ainda não foram publicados. Algumas fases de modelos professores e de raciocínio visual dependem de componentes que não são públicos. Por isso, os materiais publicados não permitem reproduzir integralmente a execução de treino da NVIDIA.

## Como um agente o pode usar

A NVIDIA documenta como entradas texto, imagens JPEG ou PNG e vídeo MP4 até dois minutos. Os documentos podem ser fornecidos como imagens de páginas com texto de acompanhamento. A saída é uma cadeia de texto, que pode conter uma resposta ou uma chamada de ferramenta a tratar pela aplicação. Os [exemplos de API](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) da ficha mostram um endpoint de conversação compatível com OpenAI, disponibilizado localmente com vLLM, incluindo exemplos de imagens, vídeo e chamadas de ferramentas. É uma interface para programadores, não um produto concluído de processamento documental ou resposta a incidentes.

A [publicação de lançamento](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) da NVIDIA descreve extração de documentos, interpretação de gráficos e revisão de vídeo como aplicações previstas. Diz que a Ramp converte imagens de recibos em JSON estruturado e espera até 50% mais débito e latência dez vezes inferior. A NVIDIA diz que a Scale AI pós-treinou o modelo para processar créditos de fornecedores na Skydance, com uma previsão de custo de inferência 40 vezes inferior e latência cinco vezes inferior nessa carga. São afirmações e expectativas de parceiros específicos no relato da NVIDIA, não resultados medidos pela BIG CHANGE nem prova de que uma implementação geral obtenha os mesmos ganhos.

## Hardware, custo e limites

A ficha BF16 fornece configurações vLLM para quatro GPU H100 ou dois GPU GB200. A ficha NVFP4 enumera configurações mais compactas, incluindo um único DGX Spark para texto e imagens e um único H200 ou GB200 para texto, imagens e vídeo. É especificado um contexto máximo de um milhão de tokens, embora as fichas avisem que receitas de disponibilização individuais podem usar uma janela de contexto menor para se ajustarem à memória GPU e à concorrência disponíveis. A receita de vídeo amostra fotogramas, em vez de processar filmagens sem restrições; os exemplos começam com clips de um a dois minutos.

Os pesos têm termos de licença, mas executá-los continua a exigir capacidade GPU e software adequados. As fichas citadas não dão um preço único em dólares para inferência alojada pelo próprio utilizador, e a ligação de acesso alojado na publicação da NVIDIA não apresentava um preço público nesta análise. O custo dependerá do hardware ou fornecedor escolhido e da carga real. A NVIDIA comunica resultados fortes de benchmark e débito, incluindo uma comparação de débito até cinco vezes superior num só GPU na publicação de lançamento. A comparação depende do endpoint, carga e referências indicados; não é uma medição do custo ou velocidade da aplicação do leitor.

Os programadores que avaliem o lançamento devem testar os próprios documentos, clips, permissões de ferramentas e tratamento de erros antes de dar autoridade operacional a um agente. A própria ficha da NVIDIA pede testes de sistema específicos do caso de utilização. A BIG CHANGE reviu os artefactos e a documentação publicados, mas não executou o modelo.

## Fontes e leituras adicionais

- [Blogue técnico da NVIDIA, 15 de outubro](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/): relato de lançamento, utilizações propostas, afirmações de parceiros e comparações de débito do fornecedor. As projeções dos parceiros e os benchmarks da NVIDIA estão atribuídos acima.
- [Página de investigação NVIDIA Nemotron, 14 de outubro](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/): descreve a família de modelos mais ampla, o relatório de investigação e os checkpoints ligados. A data de publicação precede a data de lançamento das fichas.
- [Ficha do modelo BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) e [ficha do modelo NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4), ambas de 15 de outubro: versão, licença, entradas e saída, exemplos de disponibilização e configurações de hardware. As fichas são documentação da própria NVIDIA, não testes de campo independentes.
- [Receita de treino da NVIDIA](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html): distingue os checkpoints e receitas lançados dos dados e componentes de pós-treino ainda a aguardar publicação.

## Sources

- [NVIDIA Nemotron 3.5 Super VL dá capacidade a agentes especializados com raciocínio multimodal](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) — Relato de lançamento da NVIDIA: aplicações previstas de agentes multimodais, personalização comunicada por parceiros e ganhos projetados, e comparações de débito do fornecedor. Estes resultados não são medições da BIG CHANGE.
- [NVIDIA Nemotron 3.5 Super e Lightning](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) — Página de investigação da NVIDIA que descreve a família mais ampla de modelos e liga os checkpoints e o relatório técnico. A sua publicação antecede as fichas de 15 de outubro.
- [Ficha do modelo NVIDIA Nemotron 3.5 Super VL 120B A12B BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) — Artefacto pós-treinado de precisão completa da NVIDIA: versão GA, licença, modalidades, saída textual, interfaces e receitas de hardware. Os benchmarks da ficha são executados pelo fornecedor.
- [Ficha do modelo NVIDIA Nemotron 3.5 Super VL 120B A12B NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) — Artefacto pós-treinado e quantizado da NVIDIA: versão GA, licença e configurações de hardware específicas por modalidade, incluindo uma receita DGX Spark de texto e imagens.
- [Receita de treino do Nemotron 3.5 Super](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) — A documentação de treino da NVIDIA distingue os artefactos publicados dos dados SFT/RL e componentes ainda a aguardar lançamento público. Os pré-requisitos do cluster de treino não descrevem as necessidades habituais de inferência.
- [Acordo de licença OpenMDW 1.1](https://openmdw.ai/license/1-1/) — Licença identificada pelas duas fichas da NVIDIA como reguladora dos termos de transferência. O artigo repete a caracterização comercial e não comercial das fichas, sem interpretação jurídica.