AI-translated from English; not yet reviewed by a fluent editor. # NVIDIA 发布 Nemotron 3.5 Super VL 权重，供多模态智能体使用 > NVIDIA 于 10 月 15 日发布 Nemotron 3.5 Super VL 视觉语言模型权重。模型支持文本、图像、视频和工具使用工作流，但对硬件和评估有较高要求。 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 发布了 [Nemotron 3.5 Super VL 模型权重](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16)，日期为 10 月 15 日。这一视觉语言模型接受文本、图像和采样的视频帧，并生成文本。开发者可将它作为智能体的推理组件，让智能体读取文档或图像、调用工具，再根据结果继续执行。此次发布提供模型产物和推理服务部署说明，并未证明这类智能体在具体工作场所的可靠程度。 ## 重大变化 - **发生了什么变化：** NVIDIA 发布了经过后训练的模型，在同一组权重中结合视觉输入、文本推理和工具使用。文档规定的输出是文本，因此应用仍需提供工具，并决定模型可以执行哪些操作。 - **为何重要：** 构建文档或视频工作流的开发者，可以用一个模型评估视觉证据和后续工具调用，而不必把视觉解读当作孤立步骤。收益取决于开发者使用自身材料和权限设置取得的结果。 - **后续关注：** 公开的方案使评估成为可能，但 NVIDIA 训练指南指出，部分后训练数据和组件仍未提供。针对具体任务的独立结果，比仅看发布时的对比更能说明模型是否有用。 ## NVIDIA 发布了什么 这份 [BF16 模型卡](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16)将后训练检查点标为 1.0 GA 版本，并将 Hugging Face 发布日期列为 10 月 15 日。NVIDIA 还发布了 [NVFP4 量化检查点](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4)，用于更紧凑的推理。模型共有 1,200 亿个参数，每个 token 约激活 120 亿个。NVIDIA 的 [研究页面](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/)于 10 月 14 日上线，介绍范围更广的 Super 和 Lightning 模型；这份较早的研究发布与 10 月 15 日的权重发布是不同事件。 模型卡将许可列为 [OpenMDW 1.1](https://openmdw.ai/license/1-1/)，并表示检查点可以依照这些条款用于商业和非商业用途。BF16 权重面向定制和全精度评估；NVFP4 版本面向更高效的推理服务。NVIDIA 的 [训练方案](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html)也列出基础权重、数据和方案，但提醒 Super 3.5 使用的监督微调和强化学习数据尚未公布。部分教师模型和视觉推理阶段依赖未公开的组件。因此，发布的材料不足以完整复现 NVIDIA 的训练过程。 ## 智能体可以如何使用它 NVIDIA 文档列出的输入包括文本、JPEG 或 PNG 图像，以及最长两分钟的 MP4 视频。文档可通过页面图像配合文本提供。输出是文本字符串，可包含答案，或由应用处理的工具调用。模型卡中的 [API 示例](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16)展示以 vLLM 在本地提供、兼容 OpenAI 的聊天端点，包含图像、视频和工具调用示例。这是面向开发者的接口，并非完整的文档处理或事件响应产品。 NVIDIA 的 [发布文章](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/)将文档提取、图表解读和视频审阅列为预期用途。文章表示 Ramp 正把收据图像转换为结构化 JSON，并预期吞吐量最多提高 50%、延迟降至十分之一。NVIDIA 表示，Scale AI 对模型进行后训练，用于 Skydance 的供应商贷项处理，预计该工作负载的推理成本降至四十分之一、延迟降至五分之一。这些是 NVIDIA 叙述中特定合作伙伴的主张和预期，并非 BIG CHANGE 测得的结果，也不能证明一般部署会获得同样收益。 ## 硬件、成本与局限 BF16 模型卡提供四张 H100 GPU 或两张 GB200 GPU 的 vLLM 配置。NVFP4 模型卡列出更紧凑的配置，包括以单台 DGX Spark 处理文本和图像，以及以单张 H200 或 GB200 处理文本、图像和视频。规定的最大上下文为 100 万个 token，但模型卡提醒，具体部署方案可能采用更小的上下文窗口，以配合可用 GPU 内存和并发量。视频方案采样视频帧，并非不受限制地处理视频；示例从一至两分钟的片段开始。 权重有其许可条款，但运行仍需要合适的 GPU 容量和软件。引用的模型卡并未提供自行托管推理的统一美元价格；本次审阅时，NVIDIA 发布文章中的托管访问链接也未显示公开价格。成本取决于所选硬件或服务商，以及实际工作负载。NVIDIA 报告了出色的基准测试和吞吐量结果，其中发布文章包含单 GPU 吞吐量最高达五倍的对比。该对比取决于文中指定的端点、工作负载和基线，并非读者应用的实测成本或速度。 评估此次发布的开发者，应先测试自己的文档、视频片段、工具权限和错误处理，再赋予智能体实际操作权限。NVIDIA 的模型卡本身也要求针对使用场景进行系统测试。BIG CHANGE 已审阅公开的模型产物和文档，但未运行模型。 ## 来源与延伸阅读 - [NVIDIA 技术博客，10 月 15 日](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/)：发布说明、拟议用途、合作伙伴主张和服务商吞吐量对比。上文已标明合作伙伴预测和 NVIDIA 基准测试的来源。 - [NVIDIA Nemotron 研究页面，10 月 14 日](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/)：介绍更广泛的模型家族、研究报告和链接的检查点。其发布日期早于模型卡的发布日期。 - [BF16 模型卡](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16)与[NVFP4 模型卡](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4)，两者日期均为 10 月 15 日：版本、许可、输入和输出、推理服务示例及硬件配置。模型卡是 NVIDIA 自身的文档，并非独立实地测试。 - [NVIDIA 训练方案](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html)：区分已发布的检查点与方案，以及仍待公开的后训练数据和组件。 ## Sources - [NVIDIA Nemotron 3.5 Super VL 以多模态推理支持专用智能体](https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/) — NVIDIA 的发布说明：预期的多模态智能体用途、合作伙伴报告的定制和预计收益，以及服务商吞吐量对比。这些结果并非 BIG CHANGE 的测量。 - [NVIDIA Nemotron 3.5 Super 与 Lightning](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) — NVIDIA 研究页面介绍更广泛的模型家族，并链接检查点和技术报告。其发布早于 10 月 15 日的模型卡发布。 - [NVIDIA Nemotron 3.5 Super VL 120B A12B BF16 模型卡](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16) — NVIDIA 经后训练的全精度模型产物：GA 版本、许可、模态、文本输出、接口和硬件方案。卡中的基准测试由供应商执行。 - [NVIDIA Nemotron 3.5 Super VL 120B A12B NVFP4 模型卡](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4) — NVIDIA 经量化和后训练的模型产物：GA 版本、许可和各模态的硬件配置，包括 DGX Spark 的文本与图像方案。 - [Nemotron 3.5 Super 训练方案](https://docs.nvidia.com/nemotron/latest/nemotron/super35/README.html) — NVIDIA 训练文档区分已发布的模型产物，以及仍待公开的 SFT/RL 数据和组件。训练集群的前提条件不代表一般推理要求。 - [OpenMDW 许可协议 1.1](https://openmdw.ai/license/1-1/) — NVIDIA 的两份模型卡均指明这份许可规定下载条款。本文重述模型卡对商业和非商业用途的描述，未作法律解释。