NVIDIA abre peso aberto do Nemotron 3.5 Super VL para agentes multimodais sempre ativos

A NVIDIA colocou no ar nesta quinta-feira o Nemotron 3.5 Super VL, um modelo multimodal de peso aberto com 120 bilhões de parâmetros totais que ativa só 12 bilhões por token, feito para rodar agentes de IA que ficam ligados o dia inteiro dentro de empresas. O lançamento importa porque mostra a NVIDIA tentando ocupar o espaço entre os modelos gigantes de nuvem e os modelos pequenos de borda, oferecendo um meio-termo aberto que qualquer equipe de desenvolvimento pode baixar, ajustar e rodar na própria infraestrutura.

Arquitetura e o que o modelo lê

O Super VL combina uma arquitetura híbrida de Mamba-2, atenção e mistura de especialistas, sigla MoE em inglês, com um codificador de visão chamado C-RADIO. Na prática isso significa um único modelo que entende texto, imagem, documento e vídeo em arquivo MP4 de até dois minutos, sem precisar acoplar um modelo de visão separado. A janela de contexto chega a 1 milhão de tokens, o suficiente para processar contratos longos, bases de código inteiras ou várias horas de transcrição numa única chamada. Segundo a NVIDIA, o modelo foi destilado do Nemotron 3 Ultra, o modelo de raciocínio mais pesado da própria empresa, usando decodificação especulativa e treinamento com quantização NVFP4, o que entrega precisão comparável ao modelo grande usando cerca de um quinto dos parâmetros.

Velocidade é o argumento de venda

A NVIDIA afirma que o Super VL entrega até 5 vezes mais throughput que outros modelos abertos da mesma categoria em tarefas agênticas numa única GPU, e que servir o modelo pela própria camada de inferência Dynamo da empresa corta a latência em 85% e sustenta 8 vezes mais usuários simultâneos. Em dois testes de comportamento agêntico citados pela empresa, o Hermes Bench e as avaliações da LangChain, o Super VL pontuou 63,44% e 87,05%, superando o Nemotron 3 Ultra, que ficou em 56,33% e 84,3%. O modelo também aparece entre os primeiros do ranking aberto OCRBench v2, voltado para leitura de documentos.

Quem já está usando

A adoção anunciada no primeiro dia é o que separa esse lançamento de um comunicado de especificação técnica. Scale AI está pós-treinando o Super VL para um agente de crédito de fornecedores da Skydance e para apoio em diligência de fusões e aquisições da EY; a Mercor usa o modelo em agentes de programação avaliados pelo benchmark APEX-SWE; a Ramp aplica a versão em leitura de documentos financeiros. Atlassian, CrowdStrike e Dassault Systèmes confirmaram integrações em andamento. Os pesos estão abertos sob a licença OpenMDW-1.1, que permite uso comercial, e já circulam no Hugging Face, no OpenRouter, no ModelScope e como contêiner NVIDIA NIM.

O lado edge: Bolt para PC e notebook

Junto com o Super VL, a NVIDIA lançou o Nemotron 3.5 Bolt 74B-A9B, uma versão com quantização nativa de 2 bits que encaixa um modelo de 74 bilhões de parâmetros em só 24 GB de memória, o suficiente para rodar em placas RTX e nos novos computadores DGX Spark ao lado de outros programas abertos. A empresa diz que ele fica em primeiro lugar entre modelos abertos da própria categoria no PinchBench e em segundo no BrowseComp. Uma versão ainda menor, o Bolt E4B de 4 GB para agentes físicos e conversacionais, chega em 23 de outubro. O lançamento coincide com o notebook RTX Spark, anunciado em 16 de outubro já com o Bolt pré-instalado no ecossistema de aplicativos padrão.

O limite que falta checar

Os números de desempenho citados, incluindo a comparação de 5 vezes mais throughput e os ganhos de latência via Dynamo, vêm de benchmarks e configuração da própria NVIDIA; ainda não há replicação independente publicada por laboratório terceiro. A empresa também não detalhou o custo real de rodar o Super VL completo fora da própria pilha otimizada Dynamo, o que deixa margem entre a promessa de eficiência e o que uma equipe sem infraestrutura NVIDIA vai efetivamente conseguir reproduzir.

A leitura do MaxAssistant

O que torna esse lançamento diferente de mais um anúncio de parâmetro é a lista de empresas reais já pós-treinando o modelo no primeiro dia, não só a ficha técnica. A NVIDIA está apostando numa faixa específica do mercado, o agente especializado que fica ligado o tempo todo numa tarefa só, e abrindo o peso para que cada empresa adapte à própria base de dados em vez de depender de uma API fechada cobrada por token. Vale esperar avaliação independente antes de cravar os números de velocidade, mas a disponibilidade imediata e a adoção já declarada são fatos, não promessa.