NVIDIA 扩展 Nemotron 家族：发布 120B Super VL 与边缘 Bolt 模型

这次发布的是什么

2026年10月15日，NVIDIA 发布了 Nemotron 3.5 Super VL，这是一个 1200 亿参数的开放权重多模态模型，能同时理解文字和图像。同一天还发布了面向本地设备的 Nemotron 3.5 Bolt 74B-A9B 24GB，而 Bolt E4B 4GB 要等到 10 月 23 日才推出。官方把 Super VL 和 Bolt 描述为开放模型，其中 Super VL 明确开放权重、开放数据集和训练配方。

打个比方，Super VL 像一位在大型数据中心上班的超级助理，能看图、读表、查网页、写代码；Bolt 则像一位能装进笔记本电脑的小号助理，虽然个头小，但也能帮忙处理日常任务。NVIDIA 表示，这三个模型合起来覆盖从大型企业服务器到边缘设备和本地硬件的完整智能体部署范围。

Super VL 为什么强调“效率”

官方称 Super VL 在同类开放智能体模型中速度最快，比同类中第二快的模型快 5 倍，并在 Artificial Analysis Intelligence Index 排行榜上达到同类领先水平。它用大约五分之一的参数数量，实现了与 NVIDIA 最大推理模型相近的多模态智能体任务准确率，包括指令遵循、工具使用、多步骤业务流程和视觉理解。

可以这样理解：以前要请一位“大块头”专家才能完成的工作，现在请一位身材只有五分之一但本领差不多的专家也能做，而且动作更快。对于需要连续运行几天甚至几周的高频智能体工作流来说，速度提升意味着同样时间能处理更多任务。

它能“看见”什么

Super VL 的视觉语言能力针对智能体在实际工作中遇到的内容：光学字符识别、表格、图表和视觉文档中的结构化信息。它能处理网页、提取文字、读取图表并返回洞察，也能处理 PDF 和其他常见文档。官方强调，把文字和视觉理解合在一个模型里，智能体就不需要在不同系统之间转交任务，上下文可以随着工作从文档到数据再到决策一路保留。

生活化地说，这就像一位助理既能读纸质文件，又能看懂图表和网页，还能把看到的信息直接用来做判断，不需要把文件先交给别人翻译一遍再拿回来。

Bolt 系列面向本地和边缘

Bolt 74B-A9B 24GB 使用原生 2 比特量化，能装进 24GB 显存，在 NVIDIA RTX 和 DGX Spark 上本地运行日常智能体任务，还能和其他应用同时运行。官方称它在同类内存占用模型中平衡了智能和速度，在 PinchBench 上是同类第一的开放模型，在 BrowseComp 上是第二的开放模型。用户可以把它交给本地智能体工具，从研究网页到写代码、调试代码，都不需要把工作负载发到云端。

Bolt E4B 4GB 则面向 GeForce RTX、Jetson 和 RTX/DGX Spark 上的物理智能体和对话智能体，结合自然对话与多轮智能体能力，用于快速本地语音助手、互动角色和嵌入式界面。不过，官方原文没有说明 Bolt E4B 4GB 是否同样开放权重、数据集和训练配方，这部分信息需要等待后续确认。

开放带来了什么控制力

官方表示，Super VL 附带开放权重、开放数据集和训练配方，组织可以在自己的安全与数据驻留要求允许的地方运行模型，也可以用自己的数据对模型进行后训练。原文举例说，在保险行业，定制智能体可以反复扫描理赔中的欺诈标记；在金融服务中，智能体可以审查信用评分并按机构自己的贷款标准标记活动。模型留在本地，数据保持私密。

这就像买了一套可以自己改装和维修的工具，而不是只能按厂家规定使用。定制通过 NVIDIA NeMo、基于 Python 的流水线和开放数据集支持。NVIDIA 还在 Hugging Face 上发布开放数据集，覆盖智能体工具使用、金融、指令遵循、长上下文、公平性和视觉语言理解，并在 NeMo Gym 中提供强化学习环境。

谁适合用，限制在哪里

Super VL 适合需要在自有基础设施上运行高频智能体工作流的企业和组织，尤其是对数据隐私、安全或数据驻留敏感的场景。它已在 Hugging Face、Open Router、ModelScope 社区和 NVIDIA NIM 上提供，可运行在 DGX Spark、DGX Station、RTX PRO、RTX 系统、Jetson 以及数据中心和云环境。Bolt 74B-A9B 24GB 已在 Hugging Face 提供，支持 llama.cpp、Ollama、LM Studio、Unsloth 和 vLLM，面向 RTX Spark 笔记本、GeForce RTX PC、DGX Spark、DGX Station 和 RTX PRO 工作站。

限制方面，原文没有说明各模型的具体许可证条款，也没有说明 Bolt E4B 4GB 的开放方式细节和基准测试成绩。另外，Super VL 虽然强调效率，但 1200 亿参数仍然需要相应硬件资源；Bolt 74B-A9B 24GB 的 2 比特量化是在 24GB 内存约束下做的取舍，官方称它“聪明到能完成大多数工作，但比最聪明的模型快得多”，这意味着它并非在所有任务上都追求最高精度。读者在采用前应核对自己的硬件、数据合规要求和任务精度需求。