英伟达于10月15日发布开源的1200亿参数多模态模型Nemotron 3.5 Super VL，同时推出两款面向本地系统和边缘设备的Nemotron 3.5 Bolt模型，覆盖从大型企业服务器到边缘设备与本地硬件的智能体部署场景。

据英伟达介绍，Super VL 面向需要长时间在线的专用智能体，具备指令遵循、工具调用、多步骤业务流程和视觉理解能力。英伟达称，该模型的能力与公司最大的推理模型相当，体量仅为其五分之一，新架构使其输出速度约为同级别其他模型的五倍。该模型由英伟达与 Nemotron Coalition 合作构建，这一联盟由模型开发者和人工智能实验室组成，目标是推进开源的前沿级模型。

据 ZDNet 援引 Artificial Analysis 对该模型与同级竞品的基准测试，Super VL 是同级中速度最快的开源智能体模型。InclusionAI 的 Ling 3.0 Flash 和 DeepSeek 的 V4.1 Flash 分列第二、第三，但与 Super VL 差距明显。英伟达还表示，经过后训练，Super VL 在专用智能体任务上可达到顶尖精度。该公司举例称，对一个基础版本进行后训练后，医疗保险理赔任务的表现提升了44%，远高于 Claude Opus 5。ZDNet 指出，这意味着基础模型本身并未超越专有的前沿模型，但企业可以按自身需求定制模型并获得高度针对性的提升。

训练方面，英伟达称使用了开放数据和开放方法，预训练与持续预训练合计约26万亿个token，并纳入380万条后训练样本，在100个开放环境中进行强化学习以微调模型。该公司同时在 Hugging Face 发布开放数据集，覆盖智能体工具使用、金融、指令遵循、长上下文、安全、公平性以及视觉语言理解。与封闭的前沿模型不同，英伟达公开了 Super VL 的权重，机构可在自有数据上对其进行后训练，并部署在自有基础设施上，从而将其置于防火墙之内、保留在自有域中，维持数据主权、隐私和安全。

两款 Bolt 模型针对本地和边缘场景。据 SiliconANGLE 报道，Bolt 74B-A9B 24GB 基于 Super VL，采用混合专家架构，每次激活740亿参数中的90亿，并使用2比特量化以适配24GB内存，可在企业工作站或个人电脑显卡上运行，用户由此可把编写和调试代码等日常任务交由本地处理，而不必将工作负载发送至云端。本月底，英伟达还将推出更小的 Bolt E4B 4GB，面向 GeForce RTX、Jetson 以及 RTX/GTX Spark 等边缘设备部署，可用于可穿戴设备、家用电器、销售终端、车载仪表盘和设备助手等嵌入式界面，驱动交互角色、对话界面以及本地化或个性化的智能用户界面。

从更大范围看，中国实验室过去几年在具有竞争力的开源权重模型上占据优势，而西方制造的开源模型近期势头上升。ZDNet 提到，法国 Mistral 刚推出 Le Chonk 模型，在部分基准上达到领先水平；英伟达投资并正在洽谈收购的 Reflection AI 上周发布了 Beam 模型。ZDNet 认为，开源权重模型竞争中的地理差距可能正在缩小。此外，在 OpenAI 的 Hugging Face 泄露事件之后，此前只有开源模型才存在安全风险的观点被打破，行业对开源权重模型的接受度高于以往。ZDNet 称，如果美国制造的开源模型能够证明自身不逊于中国模型，鉴于针对使用外国技术的网络安全指引，这可能推动开源模型进入此前尚未打开的应用领域。