Analyse approfondie · Environ 5 min de lecture
Nemotron 3.5 distingue agents multimodaux et petits déploiements locaux
Super VL, à 120B paramètres, arrive avec Bolt 24GB ; performances et disponibilité dépendent du modèle et de la configuration.
- Date de la source
- Publié ici
- Source vérifiée
NVIDIA a lancé Nemotron 3.5 Super VL et Bolt 74B-A9B 24GB le 15 octobre. Bolt E4B 4GB est prévu le 23 octobre et reste donc à venir au 20 octobre. Cette extension de famille distingue usages serveur et locaux. Elle ne signifie pas que Super VL, à 120B paramètres, tient dans les 24GB annoncés pour Bolt.
Écouter les actualités
Écoutez cet article ou poursuivez la lecture des actualités.
Préparation de la lecture…
Voix de l’appareil
La voix est traitée par votre navigateur ou appareil. AISubHub n’envoie pas le texte à une API audio. Les voix et la lecture écran verrouillé dépendent de l’appareil.
La reprise peut répéter une courte phrase.
En bref
- Selon NVIDIA, Super VL possède 120 milliards de paramètres et en active 12 milliards par token. Les paramètres actifs ne représentent pas toute la mémoire nécessaire.
- Les résultats ont des conditions précises. L'exemple Dynamo utilise 16 GPU B200 à 50 tokens par seconde et par utilisateur, pas une seule carte grand public.
Trois variantes avec des tailles et des dates différentes
Super VL est un mélange d'experts de 120B paramètres, dont 12B activés par token. Cela réduit le calcul par token mais ne transforme pas tout le checkpoint en téléchargement de 12B paramètres. Bolt 74B-A9B 24GB, lancé simultanément, vise les agents locaux. Bolt E4B 4GB cible les petits agents conversationnels et physiques, avec disponibilité annoncée le 23 octobre. Ils rejoignent Lightning et Ultra. Ces rôles et calendriers doivent rester distincts lors d'une comparaison ou d'un projet de déploiement.
Les documents visuels que le modèle vise
Il s'agit des supports du travail quotidien : OCR, tableaux, graphiques, pages web, PDF, images et vidéo. Un modèle unifié peut conserver le contexte sans transférer les tâches entre systèmes textuels et visuels. NVIDIA annonce 80,8% sur CharXiv, puis 84% avec interprétation de code Python. Le second chiffre inclut un outil ; ce n'est pas un meilleur score dans une configuration inchangée sans outil. Selon nous, il faut évaluer le processus entier : qualité documentaire, accès aux outils et vérification déterminent si l'information extraite peut soutenir une décision.
Personnaliser dépasse le changement d'une consigne
La publication inclut poids, données, recettes d'entraînement et environnements d'apprentissage par renforcement. L'article technique décrit l'ajustement supervisé et LoRA via NeMo AutoModel, puis le renforcement via NeMo RL et Gym. NVIDIA cite l'analyse de documents de crédit et les agents de programmation parmi les personnalisations de partenaires. Cela ne prouve pas indépendamment le même gain pour tout client. Données métier, évaluations et droits d'utilisation restent des préalables distincts ; l'accès ouvert ne dispense pas de lire les licences applicables.
L'efficacité dépend de la configuration de service
NVIDIA attribue les gains à plusieurs couches. NVFP4 utilise poids et activations sur quatre bits sur Blackwell ; hors Blackwell, les poids restent sur quatre bits et les activations sur 16. La distillation sensible à la quantification vise à préserver le comportement. La prédiction multijeton propose plusieurs tokens à vérifier, et le cache de préfixes réutilise consignes, outils et historique. Un débit jusqu'à cinq fois supérieur à des modèles comparables est un résultat de service, pas une réduction garantie du temps de chaque tâche. Nous n'avons testé ni ces techniques ni leur combinaison sur une autre configuration.
Les 24GB concernent bien le modèle Bolt
Bolt 74B-A9B utilise une quantification native sur deux bits et est présenté comme tenant dans 24GB de mémoire pour les agents locaux sur RTX et DGX Spark. C'est une configuration précise, pas la mémoire de Super VL ni une fiche d'achat complète. E4B porte la désignation 4GB mais conserve sa date ultérieure. Nous conseillons de vérifier contexte visé, autres applications et comportement des outils. Une inférence locale ne rend pas automatiquement hors ligne les recherches web ou les outils connectés d'un agent.
Les accès et un exemple Dynamo précisément situé
Super VL est proposé via Hugging Face, ModelScope, OpenRouter et NIM ; Bolt dispose de llama.cpp, Ollama, LM Studio, Unsloth et vLLM. NIM fournit des configurations validées, avec support d'entreprise via NVIDIA AI Enterprise. L'exemple technique Dynamo utilise 16 B200 à 50 tokens par seconde par utilisateur : routage tenant compte du cache et déchargement servent jusqu'à huit fois plus d'utilisateurs, tout en réduisant de 85% le délai jusqu'au premier token. Ces conditions comptent. Ce n'est ni un gain de huit fois sur tout portable ni une preuve de quota ou de prix d'abonnement.
Pourquoi cela compte
Les équipes disposent d'une option personnalisable et auto-hébergeable pour des agents documentaires et d'une autre voie locale moins gourmande en mémoire. Le choix dépend du processus, des droits des outils et du matériel réel, pas d'un seul chiffre de vitesse.
Limites et disponibilité
Nous n'avons exécuté aucun modèle ni reproduit les benchmarks. Les sources ne prouvent ni droits commerciaux universels, ni configuration matérielle complète, ni prix d'API hébergée, ni qualité identique pour chaque accès.
Sources et preuves
Date de la source: 15 oct. 2026 · Source vérifiée: 20 oct. 2026
Pour approfondir
Source vérifiée: 20 oct. 2026
Articles assistés par IA, vérifiés avec les sources primaires citées. Les affirmations des fournisseurs sont attribuées ; la présence ne vaut pas recommandation.