10 月 15 日，英伟达发布了 Nemotron 3.5 系列模型，其中的旗舰型号 Nemotron 3.5 Super VL 定位为”为全天候企业智能体打造的开放视觉-语言模型”。这是一个总参数 120B、每次处理一个 token 激活 120 亿参数的混合专家（MoE）模型，能够读取文本、图像、文档与视频，并在同一个模型内完成推理、调用工具与编写代码。对开发者而言，这意味着过去需要”一个文本模型加一个视觉模型”才能做到的事，现在一个开放检查点就能覆盖。

这次发布最不寻常的地方在于开放的完整度。按照英伟达的说法，公开的不只是模型权重——权重本身采用 OpenMDW-1.1 许可发布——训练数据集、训练配方以及强化学习环境也一并交了出来，其中强化学习环境放在 NeMo Gym 中提供。在开放权重模型越来越多的今天，”连训练配方和 RL 环境一起开源”的做法依然少见，它直接降低了第三方复现与继续训练的门槛。

从技术架构看，Super VL 的主干交错堆叠了 Mamba-2、混合专家与注意力层，每个 MoE 层包含 512 个路由专家；视觉部分由 C-RADIO 视觉编码器加一个连接器负责，把图像、文档页面与视频帧送入语言主干。模型的上下文窗口最长支持 100 万 token，视频输入限定为最长 2 分钟的 MP4 片段，推理模式可以通过对话模板开关。英伟达表示，该模型是从 Nemotron 3 Ultra（总参数 550B、激活 550 亿）蒸馏而来，预训练数据约 26 万亿 token，后训练用了约 380 万样本并在数十个环境中做强化学习，还额外加入了 100 亿 token 的印度语系（Indic）数据用于持续预训练。

性能方面，英伟达公布了一组基于 NVFP4 检查点的自报成绩：GPQA-Diamond 89.90、SWE-bench Verified 71.07、Terminal-Bench 2.1 得 60.80、BrowseComp 77.5、IFBench 71.50、图表推理 CharXiv 79.88、文档长文本 MMLongBench-Doc 62.82、计算机操作 OSWorld-Verified 52.3。需要指出的是，长周期智能体任务 tau3-bench 银行场景仅得 17.78，说明模型在超长任务上的短板依然明显。在与同量级开放模型的横向比较中，Super VL 的 GPQA-Diamond 高于阿里 Qwen3.5-122B-A10B 的 86.6，与 Thinking Machines Lab 的 Inkling-Small（89.5）接近；SWE-bench Verified 则低于 Inkling-Small。不过各家评测的 harness 与版本并不统一，几分的差距需要谨慎看待。

速度是英伟达这次着力宣传的另一个维度。Super VL 的加速来自四项技术：原生多 token 预测（起草器一次前向提出多个 token 再验证）、面向 DGX Spark 的推测解码器 LiLiCorr（token 生成最快提升 2.3 倍）、NVFP4 量化感知蒸馏（Blackwell 上权重与激活均为 4 位，其他平台权重 4 位、激活 16 位），以及跨智能体轮次复用注意力缓存与 Mamba 状态的前缀缓存。英伟达称，在 Baseten 的端点上，模型在智能体任务中输出速度超过每秒 600 token，单 GPU 吞吐量最高达到开放竞品的 5 倍。

部署路径覆盖了从云端到本地的完整光谱。Super VL 已上架 Hugging Face、OpenRouter、ModelScope 与英伟达 NIM，支持 vLLM、SGLang 与 TensorRT-LLM 推理框架（Blackwell 与 Hopper 平台）。NVFP4 检查点可以在单台 DGX Spark、单块 H200、两块 H100 或单台 GB200 上运行，同时也发布了 BF16 检查点；本地路线则支持 llama.cpp 与 Unsloth。面向生产环境，英伟达还提供了 Dynamo 推理配方，称在 16 块 B200、每用户每秒 50 token 的配置下可服务 8 倍用户，首 token 延迟下降 85%。

定制化方面，英伟达给出了 NeMo AutoModel（用于 SFT 与 LoRA 微调）与 NeMo RL（强化学习）两条路线，并引用了几家早期用户的数字：Scale AI 为 Skydance 处理供应商信用场景，推理成本降低 40 倍、延迟降至五分之一；Ramp 的收据转 JSON 提取吞吐量最高提升 50%、延迟预计降低 10 倍；AI21 的 Alice 威胁情报场景准确率提升 40%。这些均为英伟达引用的合作方早期结果。

同批发布的两款边缘模型同样值得关注。其中 Nemotron 3.5 Bolt 74B-A9B 定位为本地智能体模型，由 Super VL 蒸馏而来，采用原生 2 位量化，整个模型可以塞进 24GB 显存，在 RTX 与 DGX Spark 系统上运行。英伟达称，它在 PinchBench 上位列同级别开放模型第一，在 BrowseComp 开放模型榜上排名第二，现已上架 Hugging Face，支持 llama.cpp、Ollama、LM Studio、Unsloth 与 vLLM。这意味着，一台配备 RTX 5090 的工作站就能在本地跑起一个 74B 级别的智能体模型。另一款 Bolt E4B 则只有 4GB，面向语音助手与嵌入式智能体，覆盖 GeForce RTX、Jetson 以及 RTX/DGX Spark 平台，定于 10 月 23 日到来。

把这次发布放在更大的图景里看，它标志着开放模型竞争进入了”配方开放”的新阶段。过去开放权重往往只给一个”结果”，开发者拿到了模型却学不到做法；英伟达这次把数据集、训练配方与 RL 环境一并公开，实际上是在输出一整套”如何训练智能体模型”的方法论。与此同时，Bolt 系列把 70B 级别模型压缩进消费级显卡，配合多 token 预测等推理优化，正在把”本地智能体”从概念推向可用。权重开放加本地可跑，或许正是下一波企业智能体落地的底座。