Az NVIDIA Nemotron 3.5 Super VL kisebb aktív modellel célozza a multimodális ügynököket
A nyílt súlyú modell szöveget, képet és rövid videót kezel, miközben tokenenként 120 milliárd paraméteréből 12 milliárdot aktivál.
Ebben a cikkben
Egy modell többféle bemenethez
Az NVIDIA október 15-én adta ki a Nemotron 3.5 Super VL nyílt súlyú modellt, amely szöveget, képet, dokumentumot és rövid videót használó ügynökökhöz készült. A műszaki bemutató szerint egyetlen modellben kapcsolja össze a következtetést, eszközhívást és kódírást. A 120 milliárd paraméteres szakértőkeverék-architektúra tokenenként 12 milliárd paramétert aktivál.
A telepítésnek konkrét korlátai vannak
Az NVFP4 modellkártyája legfeljebb egymillió kontextustokent és kétperces MP4-videókat ír le. Telepítési példái H200-ra, két H100-ra, GB200-ra és DGX Sparkra is kiterjednek; a támogatott futtatókörnyezetek között vLLM, SGLang és TensorRT-LLM szerepel.
Az NVIDIA az NVFP4 változatra 89,90 pontos GPQA Diamond-, 71,07 pontos SWE-bench Verified- és 17,78 pontos tau3-bench banki eredményt közöl. Ezek gyártói mérések, nem független igazolások.
Mit kapnak a fejlesztők a kiadással?
A bejelentés nyílt adatkészleteket, tanítási recepteket és megerősítéses tanulási környezeteket is felsorol. Az NVIDIA szerint a szervezetek saját infrastruktúrán futtathatják a modellt, és saját adataikhoz igazíthatják. A vizuális képességek többek között táblázatok, grafikonok, szövegek és dokumentumokban található információk feldolgozását célozzák.
A MarkTechPost arra figyelmeztet, hogy a gyártók eltérő benchmarkverziókat és ügynöki tesztkörnyezeteket használnak. Néhány pont különbségből ezért nem következik, melyik modell teljesít majd jobban egy adott munkafolyamatban. Az összevetéshez azonos feladat és tesztfeltételek szükségesek; a közzétett pontszám önmagában nem dönti el, melyik megoldás alkalmas az éles használatra.