NVIDIA oficjalnie udostępniła Nemotron 3.5 Super VL - otwartą model multimodalny przeznaczony dla zawsze aktywnych agentów w przedsiębiorstwach. Ten 120-miliardowy model mixture-of-experts wykorzystuje architekturę, która aktywuje jedynie 12 miliardów parametrów na token, co pozwala na efektywne operacje na sprzęcie. Model obsługuje wejścia w postaci tekstu, obrazów, dokumentów i wideo, a następnie wykonuje złożone zadania: rozmyślania, wywoływania narzędzi oraz pisania kodu.
Model potwierdza jednocześnie działanie na różnych platformach - od pojedynczego procesora DGX Spark, przez GPU H200, dwa H100 aż po GB200 z checkpointem NVFP4. Architektura łączy warstwy Mamba-2, mixture-of-experts oraz mechanizmy attention, przy czym każda warstwa MoE zawiera 512 routowanych ekspertów. Model wspiera kontekst do miliona tokenów i może przetwarzać wideo w formacie MP4 do dwóch minut długości. NVIDIA opublikowała również otwarte zbiory danych, przepisy treningowe oraz środowiska reinforcement learning w NeMo Gym.
To rozwiązanie wyznacza nowy standard dla branży poprzez zastąpienie dwóch oddzielnych specjalizowanych modeli jednym uniwersalnym agentem. Wydajność modelu jest godna uwagi - osiąga wynik 89,90 na benchmarku GPQA-Diamond i wykazuje pięciokrotnie wyższą przepustowość na pojedynczym GPU niż dostępne rozwiązania open-source. Model dostępny jest na licencji OpenMDW-1.1, co czyni go dostępnym dla szerokiej społeczności deweloperskiej.