Версия Markdown

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

# NVIDIA выпустила веса Nemotron 3.5 Super VL для мультимодальных агентов

> 15 октября NVIDIA выпустила веса визуально-языковой модели Nemotron 3.5 Super VL. Она поддерживает текст, изображения, видео и работу с инструментами, но требует значительных аппаратных ресурсов и оценки.

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 выпустила [веса модели Nemotron 3.5 Super VL](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) 15 октября. Визуально-языковая модель принимает текст, изображения и выбранные кадры видео, а выдаёт текст. Разработчики могут использовать её как компонент рассуждения агента, который читает документ или изображение, вызывает инструмент и продолжает работу на основе результата. Релиз предоставляет артефакт модели и инструкции по развёртыванию сервиса; он не доказывает надёжность такого агента в конкретной рабочей среде.

## Главное изменение

- **Что изменилось:** NVIDIA выпустила модель после дообучения, объединяющую визуальный ввод, текстовое рассуждение и использование инструментов в одном наборе весов. Документированный выход — текст, поэтому приложение по-прежнему предоставляет инструменты и определяет допустимые действия модели.
- **Почему это важно:** Разработчик документооборота или видеопроцессов может оценить одну модель на визуальных данных и последующих вызовах инструментов, а не рассматривать визуальную интерпретацию как отдельный этап. Польза зависит от результатов на его собственных материалах и с его разрешениями.
- **За чем следить:** Опубликованные инструкции позволяют проводить оценку, но руководство NVIDIA по обучению сообщает, что часть данных и компонентов дообучения остаётся недоступной. Независимые результаты на конкретных задачах скажут о пользе модели больше, чем одни сравнения при запуске.

## Что выпустила NVIDIA

Эта [карточка модели BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) обозначает дообученный чекпойнт как версию 1.0 GA и датирует релиз на Hugging Face 15 октября. NVIDIA также опубликовала [квантованный чекпойнт NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) для более компактного инференса. Модель содержит 120 млрд параметров, из которых около 12 млрд активны для каждого токена. У NVIDIA [исследовательская страница](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) появилась 14 октября и описывает более широкий набор моделей Super и Lightning; эта ранняя исследовательская публикация отличается от выпуска весов 15 октября.

В карточках указана лицензия [OpenMDW 1.1](https://openmdw.ai/license/1-1/) и сказано, что чекпойнты готовы к коммерческому и некоммерческому применению на этих условиях. Веса BF16 предназначены для адаптации и оценки с полной точностью, а вариант NVFP4 — для более эффективного обслуживания запросов. Опубликованная NVIDIA [инструкция по обучению](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) также перечисляет базовые веса, данные и процедуры, но предупреждает, что данные для контролируемой тонкой настройки и обучения с подкреплением Super 3.5 пока не опубликованы. Некоторые этапы с моделями-учителями и визуальным рассуждением зависят от непубличных компонентов. Поэтому выпущенные материалы не позволяют полностью воспроизвести обучение NVIDIA.

## Как агент может это использовать

NVIDIA документирует текст, изображения JPEG или PNG и видео MP4 длительностью до двух минут как входные данные. Документы можно передавать изображениями страниц с сопроводительным текстом. Выход — строка текста, которая может содержать ответ или вызов инструмента для обработки приложением. В карточке модели [примеры API](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) показывают совместимый с OpenAI чат-эндпойнт, работающий локально через vLLM, с примерами для изображений, видео и вызова инструментов. Это интерфейс для разработчиков, а не готовый продукт обработки документов или реагирования на инциденты.

Опубликованная NVIDIA [заметка о запуске](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) описывает извлечение данных из документов, интерпретацию диаграмм и просмотр видео как предполагаемые применения. В ней сказано, что Ramp преобразует изображения чеков в структурированный JSON и ожидает увеличения пропускной способности до 50% и десятикратного снижения задержки. По словам NVIDIA, Scale AI дообучила модель для обработки кредитовых корректировок поставщиков в Skydance; прогнозируется снижение стоимости инференса в 40 раз и задержки в пять раз для этой нагрузки. Это утверждения и ожидания конкретных партнёров в изложении NVIDIA, а не измерения BIG CHANGE и не доказательство таких же результатов при общем внедрении.

## Оборудование, стоимость и ограничения

Карточка BF16 предлагает конфигурации vLLM для четырёх GPU H100 или двух GPU GB200. Карточка NVFP4 перечисляет более компактные варианты, включая один DGX Spark для текста и изображений и один H200 или GB200 для текста, изображений и видео. Заявлен максимальный контекст в миллион токенов, хотя карточки предупреждают: отдельные процедуры обслуживания могут использовать меньшее окно контекста с учётом доступной памяти GPU и параллельных запросов. Видеопроцедура выбирает кадры, а не обрабатывает неограниченный видеоматериал; примеры начинаются с роликов от одной до двух минут.

У весов есть лицензионные условия, но для запуска всё равно нужны подходящие мощности GPU и ПО. Указанные карточки не дают единой долларовой цены самостоятельного инференса, а ссылка на хостинговый доступ в публикации NVIDIA при этом обзоре не показывала публичной цены. Стоимость зависит от выбранного оборудования или провайдера и фактической нагрузки. NVIDIA сообщает высокие результаты бенчмарков и пропускной способности, включая сравнение с увеличением пропускной способности на одном GPU до пяти раз в публикации о запуске. Оно зависит от указанных эндпойнта, нагрузки и баз сравнения; это не измерение стоимости или скорости приложения читателя.

Разработчикам следует проверить собственные документы, ролики, разрешения инструментов и обработку ошибок, прежде чем давать агенту операционные полномочия. Сама карточка NVIDIA требует системных тестов для конкретного сценария. BIG CHANGE изучила опубликованные артефакты и документацию, но модель не запускала.

## Источники и дополнительное чтение

- [Технический блог NVIDIA, 15 октября](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/): описание запуска, предлагаемые применения, заявления партнёров и сравнения пропускной способности поставщика. Прогнозы партнёров и бенчмарки NVIDIA выше указаны с атрибуцией.
- [Исследовательская страница NVIDIA Nemotron, 14 октября](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/): описывает более широкое семейство моделей, исследовательский отчёт и связанные чекпойнты. Публикация предшествует дате выпуска карточек моделей.
- [Карточка модели BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) и [карточка модели NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4), обе от 15 октября: версия, лицензия, входы и выход, примеры обслуживания и аппаратные конфигурации. Это собственная документация NVIDIA, а не независимые полевые испытания.
- [Инструкция NVIDIA по обучению](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html): отличает выпущенные чекпойнты и процедуры от данных и компонентов дообучения, которые ещё ждут публичного выпуска.

## Sources

- [NVIDIA Nemotron 3.5 Super VL обеспечивает специализированных агентов мультимодальным рассуждением](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) — Описание запуска NVIDIA: предполагаемые применения мультимодальных агентов, адаптация по сообщениям партнёров, прогнозируемые улучшения и сравнения пропускной способности поставщика. Это не измерения BIG CHANGE.
- [NVIDIA Nemotron 3.5 Super и Lightning](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) — Исследовательская страница NVIDIA с описанием более широкого семейства моделей и ссылками на чекпойнты и технический отчёт. Она опубликована до выпуска карточек 15 октября.
- [Карточка модели NVIDIA Nemotron 3.5 Super VL 120B A12B BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) — Артефакт NVIDIA после дообучения с полной точностью: версия GA, лицензия, модальности, текстовый выход, интерфейсы и аппаратные процедуры. Бенчмарки карточки проведены поставщиком.
- [Карточка модели NVIDIA Nemotron 3.5 Super VL 120B A12B NVFP4](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) — Квантованный артефакт NVIDIA после дообучения: версия GA, лицензия и аппаратные конфигурации для отдельных модальностей, включая DGX Spark для текста и изображений.
- [Инструкция по обучению Nemotron 3.5 Super](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) — Документация NVIDIA отличает выпущенные артефакты от данных SFT/RL и компонентов, ещё ожидающих публикации. Требования к обучающему кластеру не описывают обычные потребности инференса.
- [Лицензионное соглашение OpenMDW 1.1](https://openmdw.ai/license/1-1/) — Лицензия, которую обе карточки NVIDIA указывают как регулирующую условия скачивания. Статья повторяет описание коммерческого и некоммерческого использования из карточек без юридической трактовки.