NVIDIA, Nemotron 3.5 ailesine Super VL ve Bolt modellerini eklediNVIDIA Adds Super VL and Bolt Models to Nemotron 3.5 Family

ÖzetSummary

NVIDIA, yüksek hacimli ajansal iş akışlarına yönelik 120 milyar parametreli açık ağırlıklı Nemotron 3.5 Super VL modelini yayımladı. Şirket, bu modelin yanı sıra yerel ve gömülü devreye almayı hedefleyen iki kenar odaklı Bolt modelini de tanıttı: 24 GB bellek kullanan 74B-A9B ve 4 GB bellek kullanan E4B.NVIDIA has released Nemotron 3.5 Super VL, a 120-billion-parameter open-weight model designed for high-volume agentic workflows. The company also introduced two edge-focused Bolt models aimed at local and embedded deployment: the 74B-A9B, which uses 24 GB of memory, and the E4B, which uses 4 GB.

Neden ÖnemliWhy it matters

Bu model, kurumsal müşterilere DGX sunucularından RTX masaüstlerine kadar tüm donanım yığınında çalışabilen açık ağırlıklı ve eğitim sonrası ayarlanabilir bir seçenek sunuyor. Bu durum, ajan iş yüklerinde kapalı uçlu sınır API’lerine bağımlılığı azaltıyor. Yerel kullanım için 2 bit nicelemeye verilen önem ile açık veri kümelerinin ve pekiştirmeli öğrenme ortamlarının yayımlanması, yerinde ve gizliliğe duyarlı ajan devreye alması gerektiren ekipler için engeli düşürüyor.This model offers enterprise customers an open-weight, post-training tunable option that runs across the entire hardware stack, from DGX servers to RTX desktops. This reduces reliance on closed-source API endpoints for agent workloads. The emphasis on 2-bit quantization for local use, along with the release of open datasets and reinforcement learning environments, lowers the barrier for teams requiring on-premise and privacy-sensitive agent deployments.

Öne ÇıkanlarHighlights

• Super VL, Artificial Analysis Intelligence Index'e göre sınıfındaki en iyi ikinci modele kıyasla 5 kat daha yüksek veri akışı hızı iddia ediyor.Super VL claims a 5x higher data throughput speed compared to the second-best model in its class, according to the Artificial Analysis Intelligence Index.
• Bolt 74B-A9B, yerel 2 bit niceleme sayesinde 24 GB belleğe sığabiliyor; bu da RTX/DGX Spark üzerinde yerel ajansal görevlerin çalıştırılmasını mümkün kılıyor.Bolt 74B-A9B fits into 24 GB of memory thanks to local 2-bit quantization; this enables the execution of local agentic tasks on RTX/DGX Spark.
• Açık ağırlıklar, eğitim tarifleri ve pekiştirmeli öğrenme ortamları (NeMo Gym), eğitim sonrası ayarlamalar için Hugging Face üzerinde yayımlandı.Open weights, training recipes, and reinforcement learning environments (NeMo Gym) have been published on Hugging Face for post-training fine-tuning.

EleştiriCritical take

Başlıktaki '5 kat daha hızlı' iddiası, tek bir kıyaslamada kendisi tarafından seçilmiş bir rakip grubuna karşı ölçüldü. Üstelik metin bir tedarikçi blogu olduğundan bağımsız bir veri akışı veya doğruluk doğrulaması sunmuyor. Bolt 74B'nin 24 GB'a sığmasını sağlayan 2 bit niceleme bir özellik olarak sunuluyor; ancak makale, daha yüksek hassasiyetli referanslara kıyasla kalite kaybını nicel olarak belirtmiyor. Bu durum, gerçek dünya ajan güvenilirliğini değerlendiren uygulayıcılar için anlamlı bir boşluk bırakıyor.The '5x faster' claim in the headline was measured against a competitor group selected by the vendor in a single comparison. Furthermore, since the text is a vendor blog, it does not provide independent verification of data throughput or accuracy. The 2-bit quantization that allows Bolt 74B to fit into 24 GB is presented as a feature; however, the article does not quantitatively specify the quality loss compared to higher-precision references. This leaves a significant gap for practitioners evaluating real-world agent reliability.