NVIDIA 发布开放的 Nemotron 3.5 模型，Bolt 可装入 24 GB
NVIDIA 以开放模型形式发布了可读取文档和网页的 Nemotron 3.5 Super VL，以及可本地运行的 Bolt 模型。Bolt 74B-A9B 通过 2 位量化可装入 24 GB 内存，训练数据也一并开放。
NVIDIA 于 2026 年 10 月 15 日发布 Nemotron 3.5 系列，其中包括面向企业智能体的 Super VL 和面向个人电脑的 Bolt 模型。训练数据集和训练方案随模型一同开放，模型可从 Hugging Face 下载，在自己的服务器或电脑上运行。
读懂文档并采取行动的 Super VL
Nemotron 3.5 Super VL 是一个 1200 亿参数的视觉语言模型，可读取图像、网页和 PDF。NVIDIA 表示，它在文字识别、表格、图表及文档结构化信息方面尤为出色。该模型面向根据所读内容执行操作的智能体，示例包括多步骤工作流、文档处理、编程智能体、保险欺诈筛查和信贷审核。模型在约 26 万亿 token 上完成预训练，随后在约 380 万个样本上进行后训练，并在数十个环境中进行强化学习。可通过 Hugging Face、OpenRouter、ModelScope 和 NVIDIA NIM 获取，支持从 DGX Spark 到 RTX 工作站和 Jetson 的多种硬件。
可本地运行的 Bolt 模型
Nemotron 3.5 Bolt 74B-A9B 面向本地智能体任务。740 亿参数中每一步激活 90 亿，借助原生 2 位量化可装入 24 GB 内存，也就是一块高端游戏显卡即可运行。它支持 llama.cpp、Ollama、LM Studio、Unsloth 和 vLLM，NVIDIA 将其定位于网络调研、写作和代码调试等任务。系列中最小的 Bolt E4B 将于 10 月 23 日推出，是一个 4 GB 模型，面向语音助手和嵌入式界面。
开放数据
NVIDIA 同时在 Hugging Face 上发布了涵盖智能体工具调用、金融、指令遵循、长上下文、公平性和视觉语言理解的数据集，并在 NeMo Gym 中开放了强化学习环境。对于希望用自有数据重新训练模型或研究其训练方式的团队，这是一份有用的资源。
博客文章未写明许可证名称，商业使用前应查看模型卡中的许可条款。NVIDIA 称 Super VL 以少得多的参数达到与其最大推理模型相近的准确度，速度明显快于同级别其他开放智能体模型，Bolt 则在 PinchBench 上位列同级别开放模型第一。这些排名均为 NVIDIA 公布的结果。团队宜用自己的文档和工作流测试模型，并关注独立研究人员的对比结果。
