英伟达发布1200亿参数大模型Nemotron 3.5 Super VL：单GPU智能体任务吞吐量最高提升5倍

IT之家 10 月 15 日消息，英伟达宣布推出开放多模态模型 Nemotron 3.5 Super VL，面向需要持续运行、执行多步骤任务的 AI 智能体。

该模型采用混合专家（MoE）架构，总参数量为 1200 亿，激活参数 120 亿。英伟达称，在单张 GPU 上执行智能体任务时，该模型的吞吐量最高可达到同规模其他开放模型的 5 倍。

据介绍，Nemotron 3.5 Super VL 将推理、指令遵循和工具调用能力，与文本、图像、文档及视频理解能力整合到同一个模型中，可用于代码测试与调试、跨网站信息检索、文档分析、网络安全威胁识别以及视频内容检索等场景。开发者可以利用英伟达 NeMo 工具链，结合自有数据、工具、政策和工作流程进行后训练，并根据业务需求调整模型行为。

英伟达同时公布了多个企业定制案例。例如，AI 数据技术提供商 Scale AI 为媒体娱乐公司 Skydance Corporation 定制了供应商信用处理智能体，相关工作负载的推理成本预计可降低 97.5%、延迟降低 80%。金融运营平台 Ramp 正将收据图像转换为包含商户、日期和支付信息的结构化 JSON 数据，预计吞吐量最高提升 50%、延迟降低 90%。AI21 与 AI 安全公司 Alice 合作定制模型，用于威胁情报和漏洞分析，相关任务准确率提升 40%。

在模型评测方面，英伟达称 Nemotron 3.5 Super VL 在 CharXiv 图表推理基准测试中得分为 80.8%，高于 Nemotron 3 Nano Omni 的 63%；结合 Python 代码解释后，得分达到 84%。

在 Hermes Bench 和 LangChain 行为评估中，该模型分别取得 63.44% 和 87.05%，高于 Nemotron 3 Ultra 的 56.33% 和 84.3%。英伟达还表示，该模型在 OCRBench v2 榜单上属于表现靠前的开放模型之一。

为降低推理开销，Nemotron 3.5 Super VL 采用投机解码、混合精度和上下文复用等技术。英伟达介绍，其 LiLiCorr 投机解码方法在 DGX Spark 上可将词元生成速度最高提升至 2.3 倍。模型还支持 NVFP4 量化，在英伟达 Blackwell 架构上使用 4 位权重和 4 位激活值；在非 Blackwell 平台上，同一检查点使用 4 位权重和 16 位激活值。

英伟达还公布了面向分布式推理的部署优化方案。根据其披露的数据，在使用 16 张 NVIDIA B200 GPU、每名用户每秒生成 50 个词元的测试条件下，NVIDIA Dynamo 配合缓存感知路由、会话亲和性和 KV 缓存卸载，最多可服务 8 倍数量的用户，并将首词元延迟降低 85%。

此次发布还包括基础模型、后训练模型和 NVFP4 量化模型权重，以及训练配方、数据集和强化学习环境。

英伟达表示，Nemotron 3.5 Super VL 在预训练和持续预训练阶段共使用约 26 万亿词元，后训练阶段使用约 380 万个样本，并在数十种环境中进行强化学习。新开放的数据集涵盖智能体工具调用、金融推理、指令遵循、长上下文、公平性和视觉语言理解等领域。

除 Super VL 外，英伟达还推出了两款 Nemotron 3.5 Bolt 端侧模型。Nemotron 3.5 Bolt 74B-A9B 24GB 采用 740 亿总参数、90 亿激活参数的 MoE 架构，通过原生 2 位量化将模型压缩至 24GB，面向本地智能体任务，支持 llama.cpp、vLLM、Ollama、Unsloth 和 LM Studio。Nemotron 3.5 Bolt E4B 4GB 则面向本地语音助手、交互角色和嵌入式界面等场景，计划于 10 月 23 日推出。

IT之家注意到，Nemotron 3.5 Super VL 和 Bolt 74B-A9B 24GB 已开放获取，开发者可通过 Hugging Face、OpenRouter、ModelScope 等渠道使用相关模型资源。Super VL 可部署于 DGX Spark、DGX Station、RTX 系统、数据中心或云端；Bolt E4B 4GB 则计划于 10 月 23 日发布。