Nemotron 3.5 Super VL: otwarty model Nvidii widzi obraz i wideo, a Bolt mieści się w 24 GB

👁 115 przeczytań

Nvidia wydała 15 października 2026 Nemotron 3.5 Super VL, otwarty model wizyjno-językowy z 120 mld parametrów, i razem z nim dwa mniejsze modele Bolt do pracy na komputerach i urządzeniach brzegowych. Jeden z nich, Bolt 74B-A9B 24GB, jest skrojony pod karty z 24 GB pamięci. Nvidia udostępniła nie tylko wagi, ale też dane treningowe i przepisy. Sprawdziłem, co dokładnie wyszło, ile kosztuje API i jak Super VL wypadł w moim teście po polsku.

Trzy modele w jednej premierze

• Nemotron 3.5 Super VL - 120 mld parametrów, 12 mld aktywnych. Architektura łączy warstwy Mamba-2, mixture-of-experts i atencję, a do tego koder obrazu C-RADIO. Przewidywanie wielu tokenów naraz pozwala na dekodowanie spekulatywne.
• Nemotron 3.5 Bolt 74B-A9B 24GB - model do lokalnych agentów, przygotowany pod 24 GB pamięci, z gotowym plikiem GGUF (ok. 24 GB razem z modułem wizyjnym). Według Nvidii pierwszy wśród otwartych modeli swojej klasy w PinchBench i drugi w BrowseComp.
• Nemotron 3.5 Bolt E4B 4GB - mały model do agentów konwersacyjnych, zapowiedziany na 23 października.

Super VL powstał przez destylację z Nemotron 3 Ultra, największego modelu rozumującego Nvidii. Firma twierdzi, że w zadaniach agentów multimodalnych dorównuje Ultra przy mniej więcej piątej części rozmiaru i ma do 5 razy większą przepustowość na jednym GPU niż otwarte modele tej wielkości. To pomiary Nvidii, niezależnych jeszcze nie ma.

Co przyjmuje na wejściu

Super VL czyta tekst, obrazy, dokumenty, zrzuty ekranu interfejsów i klipy MP4 do 2 minut, a odpowiada tekstem. Nvidia ustawia go pod „zawsze włączonych” agentów: takich, którzy obsługują aplikacje na ekranie, czytają faktury i dokumenty albo przeglądają nagrania.

Licencja i co jest otwarte

Wagi są na licencji OpenMDW 1.1, w wersjach BF16 i NVFP4. Oprócz wag Nvidia opublikowała otwarte zbiory danych, przepisy treningowe i środowiska do uczenia ze wzmocnieniem w NeMo Gym. Model trenowano na ok. 26 bln tokenów, a potem dostrajano na ok. 3,8 mln przykładów. Mało który duży model z otwartymi wagami pokazuje tyle szczegółów treningu.

Sprzęt

• Super VL w NVFP4 - 1 x DGX Spark, 1 x H200, 2 x H100 albo 1 x GB200.
• Super VL w BF16 - pliki zajmują ok. 249 GB, więc potrzeba kilku kart serwerowych.
• Bolt 74B-A9B 24GB - karta z 24 GB, przez llama.cpp, Ollamę, LM Studio, Unsloth albo vLLM. Tego modelu jeszcze nie sprawdzałem na mojej RTX 4090.

Przegląd modeli na własny komputer: Lokalne AI.

Gdzie użyć i ile to kosztuje

• OpenRouter - nvidia/nemotron-3.5-super-vl za 0,10 USD za milion tokenów wejścia i 0,40 USD za milion tokenów wyjścia (0,39 zł i 1,55 zł po kursie NBP z 16.10), plus darmowy wariant :free z limitami.
• build.nvidia.com - bezpłatne API do testów z limitem zapytań.
• Produkcja w firmie - Nvidia AI Enterprise, 4500 USD za GPU rocznie.
• Wagi także w ModelScope i jako mikroserwis NIM.

Mój test po polsku

19 października Super VL dostał przez OpenRouter te same 12 krótkich zadań po polsku co Muse Spark Open, DeepSeek V4.1 Flash 1017 i Step 5. Rozwiązał wszystkie 12, z medianą czasu 1,2 s i kosztem 0,0022 USD za cały zestaw. Najdłużej, 944 tokeny, myślał nad dniem tygodnia 11 listopada 1918 roku, ale odpowiedział dobrze. Szczegóły: Test otwartych modeli po polsku. Wszystkie premiery z tego tygodnia: Otwarte modele AI - październik 2026.