NVIDIA Avduker Nye Nemotron-Modeller: Super VL for Datasentre og Bolt for Edge-enheter

Bilde: NVIDIA · Kilde

NVIDIA utvider sin Nemotron AI-modellfamilie med den høyytelses 120-milliarder-parameter Super VL for bedrifter og to Bolt edge-modeller optimalisert for lokale arbeidsmengder, som muliggjør tilpassbare AI-agenter på tvers av beregningsnivåer.

NVIDIA har utvidet sin Nemotron-familie av AI-modeller med lanseringen av Nemotron 3.5 Super VL, en åpen modell med 120 milliarder parametere designet for spesialiserte alltid-aktive AI-agenter som krever rask oppgaveutførelse og høy nøyaktighet. Sammen med Super VL introduserte NVIDIA to nye edge-fokuserte modeller: Nemotron 3.5 Bolt 74B-A9B 24GB, som balanserer intelligens og hastighet for lokale agentiske arbeidsmengder, og den mindre Bolt E4B 4GB, optimalisert for raske konversasjons-AI-agenter. Mens Super VL og Bolt 74B-A9B er umiddelbart tilgjengelige, er Bolt E4B satt til å lanseres 23. oktober 2026.

Super VL leverer grenseløs nøyaktighet på komplekse multimodale oppgaver som instruksjonsfølging, verktøybruk, forretningsarbeidsflyter og visuell dokumentforståelse, men med omtrent en femtedel av parameterne til NVIDIAs største resonnementmodell. Den overgår konkurrerende åpne modeller i hastighet med en faktor på fem, noe som gjør det mulig for bedrifter å akselerere arbeidsflyter som ofte strekker seg over dager eller uker. I motsetning til proprietære modeller, tillater Super VL sine åpne vekter organisasjoner å ettertrene på proprietære data og distribuere på egen infrastruktur, hvilket sikrer kontroll og personvern.

Bolt-serien muliggjør AI-agentintelligens ved kanten. Bolt 74B-A9B 24GB benytter 2-bit kvantisering for å passe innen 24 GB minne, og kjører effektivt på maskinvare som NVIDIA RTX og DGX Spark-systemer, samtidig som det støtter samtidige applikasjoner. Denne modellen er kjent for å balansere hastighet og intelligens, og rangeres som #1 på PinchBench blant åpne modeller i sin klasse. Bolt E4B 4GB retter seg mot konversasjons- og fysiske AI-agenter på ulike maskinvareplattformer, og leverer flerrundes interaksjonsmuligheter for stemmeassistenter og innebygd AI.

NVIDIA fremhever utbredt adoptere og tilpasning av Super VL, med bedrifter innen finans, cybersikkerhet, koding, vitenskapelig forskning og helsetjenester som ettertrener modellen for domene-spesifikke oppgaver. Partnere som Scale AI, EY, AI21, Atlassian, CrowdStrike, Salesforce og andre benytter Super VL for oppgaver som due diligence, sikkerhet og analyse av medisinske krav.

Super VLs multimodale visjon-språk-kapasiteter gjør den i stand til å forstå tekst, tabeller, diagrammer, bilder og nettsider flytende, noe som gir AI-agenter mulighet til å integrere visuelle og tekstuelle input sømløst uten oppgaveoverlevering mellom systemer. Modellen og datasett er fullstendig åpne, leveres med treningsoppskrifter, og er tilgjengelige via plattformer som Hugging Face og NVIDIA NIM, som pakker modellen som en mikroservice optimalisert for bedriftsdistribusjon.

Nemotron 3.5-modellene er kompatible med et bredt spekter av NVIDIA-maskinvare inkludert DGX Spark, DGX Station, RTX PRO, Jetson og GeForce RTX PC-er, og bygger bro mellom datasenterskala AI og lokal edge-intelligens. Denne lanseringen utfyller ytterligere NVIDIAs augustutgivelse av Nemotron Lightning og Ultra-modellene dedikert til høy gjennomstrømning og avanserte resonnementarbeidsmengder.

Som et supplement til disse lanseringene eksisterer NVIDIA Nemotron Coalition, et globalt partnerskap av AI-laboratorier og utviklere inkludert Mistral AI, LangChain, Perplexity og flere, som samarbeider om utvikling av åpne grenseløsende modeller. Koalisjonens første prosjekt, en modell som er samutviklet av NVIDIA og Mistral AI, skal støtte den kommende Nemotron 4-familien med fokus på åpenhet, samarbeid og AI-suverinitet.

NVIDIAs fortsatte investering i åpne, tilpassbare AI-modeller har som mål å demokratisere avansert kunstig intelligens samtidig som det gjør det mulig for organisasjoner å opprettholde kontroll over data og AI-distribusjon på tvers av ulike operative miljøer.