Nemotron 3.5 Super VL : modèle ouvert pour agents IA

Nemotron 3.5 Super VL est un modèle ouvert et multimodal de 120 milliards de paramètres, publié par Nvidia pour des agents d’entreprise qui tournent en continu. Il lit du texte, des images, des documents et des vidéos. Deux modèles plus légers, nommés Bolt, visent les machines locales, à condition de disposer de matériel Nvidia récent.

En bref

120 milliards de paramètres, dont 12 milliards actifs par token (Mixture-of-Experts)
Lit texte, images, PDF, tableaux, graphiques et vidéos dans un seul modèle
Bolt 74B-A9B tient en 24 Go de mémoire ; Bolt E4B (4 Go) est annoncé pour le 23 octobre
Poids, jeux de données et recettes d’entraînement publiés, avec NeMo pour l’adapter
Tout est optimisé pour le matériel Nvidia

Qu’est-ce que Nemotron 3.5 Super VL ?

Nvidia a publié le 15 octobre 2026 Nemotron 3.5 Super VL, un modèle ouvert conçu pour des agents spécialisés qui travaillent en permanence en arrière-plan. Un agent est ici un programme d’IA qui suit des consignes, appelle des outils et enchaîne les étapes d’un processus métier. Le modèle traite du texte, des images, des documents et des vidéos.

Il repose sur une architecture Mixture-of-Experts : sur 120 milliards de paramètres, seuls 12 milliards sont actifs pour chaque token. Nvidia l’a développé avec la Nemotron Coalition, un groupe qui comprend notamment Mistral AI, Thinking Machines Lab, Perplexity et Black Forest Labs.

Des performances annoncées par Nvidia

Nemotron 3.5 Super VL a été distillé à partir de Nemotron 3 Ultra, le plus grand modèle de raisonnement de Nvidia. Sur les tâches d’agent (suivi d’instructions, appel d’outils, processus en plusieurs étapes, analyse d’images), Nvidia dit qu’il égale la précision d’Ultra avec environ un cinquième des paramètres. Selon Nvidia, il dépasse aussi son prédécesseur Nemotron 3 Super sur les benchmarks de code SWE-bench et Terminal-Bench.

Sur un seul GPU, il offre jusqu’à cinq fois le débit d’autres modèles ouverts de taille comparable sur des tâches d’agent, d’après Nvidia qui cite le classement Artificial Analysis. Un test indépendant d’EXO Labs sur le DGX Spark n’a trouvé aucun modèle à la fois plus précis et plus rapide. Ces chiffres viennent de Nvidia ; The Decoder note que, au classement général d’Artificial Analysis, le modèle reste loin derrière les meilleurs modèles fermés.

Analyser des PDF, tableaux et graphiques avec un seul modèle

Côté vision, Nvidia a ciblé ce que les agents rencontrent au quotidien : reconnaissance de texte (OCR), tableaux, graphiques, documents de plusieurs pages et vidéos. Le modèle peut interpréter un graphique, le relier à un tableau situé ailleurs dans le même document et résumer les deux, sans modèle d’image séparé.

Sur le benchmark de graphiques CharXiv, Nvidia annonce 80,8 %, contre 63 % pour l’ancien Nemotron 3 Nano Omni. Avec l’exécution de code Python, le score monte à 84 %.

Affiner Nemotron 3.5 Super VL sur ses propres données

Face aux modèles fermés, Nvidia le présente comme un modèle que l’on peut entraîner davantage sur ses données, déployer sur ses propres serveurs et superviser, sans dépendre des conditions d’un fournisseur. Nvidia cite l’exemple d’un assureur qui passe des dossiers au crible pour repérer des fraudes, ou d’une société financière qui évalue des profils selon ses propres critères.

Pour cela, Nvidia fournit son framework NeMo, des pipelines Python et des jeux de données ouverts. Selon Nvidia, des dizaines d’organisations l’adaptent déjà : Scale AI pour Skydance et EY, AfterQuery pour Hebbia, AI21 pour Alice en cybersécurité, ou encore Ramp, Dream et R1.

Les modèles Bolt pour un agent IA en local

Nemotron 3.5 Bolt 74B-A9B 24GB est une version allégée : 74 milliards de paramètres dont 9 milliards actifs par étape, avec une quantification native en 2 bits pour tenir dans 24 Go de mémoire. Il vise des tâches locales comme chercher sur le web, écrire ou déboguer du code, sans envoyer ces travaux dans le cloud. Il est disponible sur Hugging Face, avec prise en charge de llama.cpp, Ollama, LM Studio, Unsloth et vLLM.

Bolt E4B 4GB, prévu le 23 octobre, vise les assistants vocaux locaux, les personnages interactifs et les interfaces embarquées, sur GeForce RTX, Jetson et RTX/DGX Spark. The Decoder relève que 24 Go de mémoire restent un seuil élevé : l’agent local s’adresse surtout aux développeurs et aux détenteurs de stations puissantes.

Disponibilité de Nemotron 3.5 Super VL et matériel Nvidia

Super VL est disponible sur Hugging Face, Open Router, la communauté ModelScope et en microservice Nvidia NIM, avec des mises à jour toutes les deux semaines. Nvidia publie les poids en version de base, post-entraînée et compressée en 4 bits, ainsi que les jeux de données, les recettes d’entraînement et les environnements d’apprentissage par renforcement. Nvidia ne communique pas de prix dans cette annonce.

Le modèle tourne sur DGX Spark, DGX Station, RTX PRO, RTX, Jetson, en centre de données et dans le cloud. Mais tout est réglé pour les produits Nvidia : selon The Decoder, qui veut en tirer le meilleur finit par acheter du matériel Nvidia.

Quelques repères

Mixture-of-Experts : Architecture de modèle d’IA composée de nombreux sous-réseaux spécialisés, dont seule une partie travaille pour chaque élément traité. Cela réduit le calcul nécessaire par rapport à un modèle dont tous les paramètres servent à chaque fois.
Quantification : Technique qui stocke les valeurs d’un modèle avec moins de bits pour réduire la mémoire utilisée. Le modèle devient plus léger, au prix d’une précision parfois un peu moindre.
Poids ouverts : Les paramètres entraînés d’un modèle sont téléchargeables, ce qui permet de l’exécuter soi-même et de l’adapter. Cela ne signifie pas toujours que les données d’entraînement sont publiées.

Questions fréquentes

Nemotron 3.5 Super VL est-il un modèle ouvert ?

Oui, Nvidia publie les poids de Nemotron 3.5 Super VL (version de base, post-entraînée et compressée en 4 bits), ainsi que des jeux de données, des recettes d’entraînement et des environnements d’apprentissage par renforcement. The Decoder le juge plus ouvert que beaucoup de modèles à poids ouverts.

Peut-on utiliser Nemotron 3.5 Super VL pour analyser des PDF et des graphiques ?

Oui, le modèle est conçu pour lire des PDF, des tableaux, des graphiques, des pages web et des vidéos, sans modèle d’image séparé. Nvidia annonce 80,8 % sur le benchmark CharXiv.

Quelle mémoire faut-il pour faire tourner un agent IA en local avec Nemotron Bolt ?

Bolt 74B-A9B demande 24 Go de mémoire, grâce à une quantification en 2 bits. Bolt E4B vise des machines plus modestes avec 4 Go, mais il est annoncé pour le 23 octobre et n’est pas encore disponible.

Nemotron 3.5 Super VL peut-il être affiné sur ses propres données ?

Oui, Nvidia propose son framework NeMo, des pipelines Python et des jeux de données ouverts pour cela. ModelScope permet aussi de l’affiner avec son framework ms-swift.

À retenir

Nemotron 3.5 Super VL est un modèle ouvert de 120 milliards de paramètres, livré avec ses poids, ses jeux de données et ses recettes d’entraînement, que les entreprises peuvent adapter à leurs données. Les modèles Bolt amènent les agents en local, mais le matériel Nvidia reste le terrain où tout est optimisé.