Nvidia presenterade den 15 oktober 2026 tre modeller i Nemotron-familjen: Super VL för mer omfattande multimodala AI-agentuppgifter och två Bolt-varianter för lokal körning. Upplägget sträcker sig från en stor modell för avancerade arbetsflöden till mindre modeller som är tänkta att köras på lokal Nvidia-hårdvara.
7
Tre modeller med olika mål
- Nemotron 3.5 Super VL: En multimodal modell med en blandning-av-experter-arkitektur (MoE). Den har 120 miljarder parametrar totalt och aktiverar 12 miljarder per token. Nvidia riktar in den på specialiserade, alltid aktiva agenter som behöver arbeta med både text och visuellt innehåll.
3
- Nemotron 3.5 Bolt 74B-A9B 24GB: En hybridmodell som kombinerar Mamba och Transformer med MoE. Den är avsedd för vardagliga agentuppgifter på lokal Nvidia RTX-hårdvara och DGX Spark, och är konstruerad för att rymmas i 24 GB minne. Nvidia uppger att modellen har komprimerats och kvantiserats till 2 bitar.
13 En extern modellöversikt anger 74 miljarder parametrar totalt och 9 miljarder aktiva.
16
- Nemotron 3.5 Bolt E4B 4GB: Den mindre Bolt-varianten är avsedd för system med en minnesbudget på 4 GB. Nvidia uppgav att den skulle släppas den 23 oktober. Underlaget här fastställer inte modellens exakta parameterantal eller ytterligare tekniska specifikationer.
7
11
Super VL och Bolt 74B-A9B fanns tillgängliga vid lanseringen, enligt Nvidia.
7 Modellnamnens beteckningar ska inte blandas ihop: 4GB syftar på den angivna minnesnivån, inte på ett verifierat parameterantal.
Vad betyder ”öppen” här?
Nvidia beskriver modellerna som öppna och anpassningsbara, och lyfter fram möjligheten för organisationer att vidareträna dem för egna behov.
3
7 Det tillgängliga underlaget räcker däremot inte för att slå fast att alla delar – exempelvis samtliga träningsdata – har publicerats. Därför är det säkrare att tala om öppna modeller än att tolka ”helt öppen” som att varje del av utvecklingen är tillgänglig.
Nvidias dokumentation beskriver träningssteg för Super-modellen, bland annat förträning, övervakad finjustering och förstärkningsinlärning med verifierbara belöningar.
6 Uppgiften om 25 biljoner träningstoken gäller den tidigare Nemotron 3 Super och bör inte automatiskt överföras till de tre modellerna som presenterades i oktober.
4
Nvidias prestandapåstående
Nvidia uppger att Super VL kan leverera upp till fem gånger högre genomströmning på en enda GPU för agentuppgifter än andra öppna modeller i samma storleksklass.
3 Det är ett resultat som företaget lyfter fram, inte en garanti för att modellen är snabbare i alla system eller arbetsflöden.
Artificial Analysis beskrev Super VL som den ledande amerikanska modellen med öppna vikter i sin jämförelse. Den fick 26 poäng på organisationens Intelligence Index, jämfört med 13 för Nemotron 3 Super, och använde omkring 60 procent färre genererade token per uppgift.
16 Jämförelsen gäller den angivna gruppen av amerikanska modeller med öppna vikter – inte samtliga AI-modeller globalt.
Navan testar Super VL i produktion
Affärsrese- och utläggsplattformen Navan uppger att företagets finjusterade Super VL gav bäst samlat resultat i dess interna utvärdering, med lägst latens och betydande effektivitetsvinster.
1 Navan säger också att modellen nu driver flera av företagets AI-reseagenter och att den har valt egen drift för att få större kontroll över kvalitet, hastighet och effektivitet.
8
Navan uppger att arbetet gick från tidig tillgång till finjusterad modell i produktion på tre veckor. Företaget säger att driften sker till lägre kostnad, men det tillgängliga underlaget anger ingen konkret procentsats eller motsvarande siffra för kostnads- eller latensminskningen.
8
Sammantaget är lanseringen ett försök att täcka flera nivåer av AI-agentdrift: Super VL för mer krävande multimodala arbetsflöden och Bolt-modellerna för lokal körning med begränsad minneskapacitet. Hur väl de fungerar i praktiken beror på uppgiften och hårdvaran – och på hur resultaten står sig i oberoende tester.