北京
NVIDIA 新款 Nemotron Bolt 模型将自主智能体带到本地计算机，其中一款变体设计为可装入 24GB 内存。
NVIDIA 发布三款开放 AI 模型，旨在将自主智能体带入更多计算环境。该产品阵容以 Nemotron 3.5 Super VL 为核心，这是一款为复杂任务打造的 1200 亿参数模型。两个较小变体面向希望直接在本地硬件上运行 AI 智能体的用户。
此次发布扩展了 NVIDIA 推动可定制 AI 的努力，使组织能在自有基础设施上运行 AI。它也解决了开发者面临的一个实际挑战：无需将每个请求都发送到云服务，也能运行能力强大的智能体。
Super VL 面向复杂工作流
Nemotron 3.5 Super VL 处理的任务不仅仅是生成文本。它能解读视觉信息，并遵循指令，同时使用外部工具完成多步骤工作流。
NVIDIA 声称，该模型完成任务的速度比同级最接近的竞争对手快 5 倍。公司还表示，尽管其参数规模约为 NVIDIA 最大推理模型的五分之一，其准确率仍接近后者。
这些能力可帮助企业自动化涉及长时间研究或详细文档分析的工作。开发者可以用专有信息进一步训练该模型，以提高其在专业任务上的表现。
认识 NVIDIA Nemotron 3.5 Super VL
我们的新开放模型将推理和工具使用与文本、图像、文档和视频理解相结合，面向长时间运行的 AI 智能体。
总参数 1200 亿，激活 120 亿
pic.twitter.com/BcbED05qSG
— NVIDIA AI (@NVIDIAAI) 2026 年 10 月 15 日
多家组织已开始定制 Super VL。Scale AI 将其适配用于 Skydance 的供应商信用金融智能体。它还参与了一个单独版本的开发，用于 EY 的并购尽职调查智能体。
AfterQuery 为 Hebbia 的信贷协议分析定制了该模型。其他项目聚焦网络安全，AI21 和 Alice 在其中研究抗攻击能力。Mercor 还对该模型进行了后训练，以用于 APEX-SWE 基准测试涵盖的编码任务。
Bolt 将智能体带到设备端
Nemotron 3.5 Bolt 面向内存更有限的硬件。其两个变体提供了不同方法，可在不依赖远程基础设施的情况下运行 AI 智能体。
较大的 Bolt 74B-A9B 使用原生 2 比特量化，以装入 24GB 内存。这种占用空间使兼容系统能够将该模型与其他应用一起运行。
开发者可将其用于本地编码辅助，或将网络研究委托给智能体框架。NVIDIA 称该模型在 PinchBench 上位列同类开放模型第一。它还称其在 BrowseComp 上的开放模型中排名第二。
Bolt E4B 的内存占用小得多，仅为 4GB。NVIDIA 将其设计用于需要在本地设备上快速响应的对话式智能体。潜在应用包括语音助手和互动角色。
该模型还面向在 NVIDIA Jetson 硬件上运行的物理 AI 系统。Bolt E4B 计划于 10 月 23 日推出。较大的 Bolt 模型已经可用。
开放模型提供更多控制
NVIDIA 以开放权重发布 Super VL，并提供配套训练材料。其训练过程覆盖约 26 万亿个 token。后训练涉及约 380 万个样本，随后在数十个环境中进行强化学习。
组织可通过 NVIDIA NeMo 和基于 Python 的流水线来适配该模型。本地部署还使他们能更好地控制敏感信息，具体取决于其基础设施和配置。
Super VL 可通过 Hugging Face、OpenRouter 和 ModelScope 获取。NVIDIA 还通过 NIM 提供该模型，这是其用于部署生产级 AI 服务的平台。Bolt 74B-A9B 已在 Hugging Face 上提供。开发者可以使用 Ollama 或 LM Studio 等工具运行它。
更大的问题是，这些模型在基准测试之外的表现如何。它们的吸引力最终将取决于本地硬件能否在不过度占用内存、不牺牲响应速度的情况下提供可靠结果。
如果朋友们喜欢，敬请关注“知新了了”！
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
