Nvidia представила Nemotron 3.5 Super VL — открытую по весам мультимодальную модель на 120 млрд параметров для корпоративных ИИ-агентов. Компания заявляет, что она в пять раз быстрее ближайшего сопоставимого открытого конкурента в задачах завершения работы; для российских команд это ещё один аргумент смотреть не только на облачные API, но и на модели, которые можно дообучать и запускать в собственной инфраструктуре.
Модель стала частью серии Nemotron 3.5 вместе с двумя вариантами для периферийных устройств: Bolt 74B-A9B 24GB и Bolt E4B 4GB. О релизе сообщает ZDNet. Super VL Nvidia позиционирует как основу для специализированных постоянно работающих агентов — тех, что выполняют большой поток операций в процессах, растянутых на дни или недели. Речь, например, о системах, которые разбирают обращения, сверяют документы, заполняют внутренние карточки и передают нестандартные случаи человеку.
Ключевое слово здесь — не просто «быстрая», а open-weight. Nvidia публикует веса модели, поэтому компания может развернуть её в закрытом контуре и адаптировать под собственные данные. Это не означает автоматической безопасности или отсутствия затрат: нужны вычисления, MLOps, контроль доступа к данным и качественный набор для дообучения. Но у бизнеса появляется больше контроля над тем, где работает модель, какие документы она видит и по каким правилам отвечает.
По данным Artificial Analysis, на которые ссылается Nvidia, Nemotron 3.5 Super VL опережает близкие по классу модели InclusionAI Ling 3.0 Flash и DeepSeek V4.1 Flash по скорости завершения задач. Сравнение важно читать без маркетинговых очков: бенчмарк измеряет определённый набор сценариев, а реальная производительность зависит от длины контекста, числа параллельных запросов, используемого железа, инструментов агента и конкретной интеграции. Тем не менее для систем, в которых агенту нужно обработать тысячи однотипных операций, скорость напрямую превращается в пропускную способность и стоимость эксплуатации.
Nvidia отдельно подчёркивает эффект post-training — дополнительной настройки базовой модели. В одном из приведённых компанией примеров такая адаптация улучшила результат в задачах по обработке страховых медицинских претензий на 44% и вывела модель выше Claude Opus 5 в этом узком сценарии. Это не заявление о превосходстве над закрытыми моделями вообще, а вполне практичный тезис: универсальная базовая модель после настройки на предметную область может оказаться сильнее дорогого облачного сервиса именно в одном корпоративном процессе.
Две младшие модели серии нацелены на edge AI — работу локально, в том числе без постоянного подключения к облаку. Nemotron 3.5 Bolt 74B-A9B 24GB предназначена для локальных агентных сценариев, а Bolt E4B 4GB — для быстрых разговорных агентов. Nvidia называет сильной стороной обеих моделей соотношение интеллекта к объёму памяти: 24-гигабайтный вариант ориентирован на баланс возможностей и скорости, 4-гигабайтный — на голосовых и устройственных агентов, а также интерактивных персонажей. Для продуктовых команд это не обещание запустить сложный агент на любом смартфоне, а ориентир: часть ИИ-функций можно проектировать под жёсткие ограничения по памяти и сети.
Релиз выходит на фоне заметного оживления рынка открытых весов. Несколько последних лет именно китайские лаборатории, включая DeepSeek и Moonshot AI, чаще задавали темп в конкурентных открытых моделях. Теперь к гонке активнее подключаются западные игроки: французская Mistral недавно выпустила Le Chonk, а Reflection AI представила Beam. Последняя, по данным ZDNet, получила инвестиции от Nvidia и обсуждает с ней возможную сделку по поглощению. Рынок постепенно перестаёт делить модели на «мощные закрытые» и «дешёвые открытые»: всё больше команд выбирают архитектуру под конкретный риск-профиль и процесс.
На этот сдвиг повлиял и взлом Hugging Face, после которого тезис «опасность создают только открытые модели» стал выглядеть слишком удобным. Закрытый доступ сам по себе не отменяет утечек, уязвимых интеграций и ошибок в цепочке поставки. Для организаций с ограничениями на иностранное ПО и передачу данных открытые модели, созданные за пределами Китая, могут стать особенно востребованным компромиссом между контролем, производительностью и требованиями комплаенса.
Главный вопрос для Nemotron 3.5 Super VL теперь не в красивой цифре скорости, а в воспроизводимости результата в чужих руках. Если разработчики смогут недорого дообучать её под документы, код, поддержку или внутренние операции и получать предсказуемое качество, открытые веса окончательно перейдут из лабораторной альтернативы в стандартный вариант корпоративного ИИ-стека. Подробности релиза собраны в материале .