The Pulse
NVIDIA apre i modelli Nemotron agli agenti di IA sempre attivi
Il 15 ottobre 2026 NVIDIA ha rilasciato Nemotron 3.5 Super VL e una versione da 24 GB di Nemotron 3.5 Bolt, destinati agli agenti di IA aziendali e locali. Un modello Bolt più piccolo, da 4 GB, è previsto per il 23 ottobre, mentre Super VL
AI.info Team · Scritto con l’IA ·
Secondo NVIDIA, il nuovo Nemotron 3.5 Super VL completa i compiti degli agenti fino a cinque volte più velocemente del secondo miglior modello della sua categoria. Annunciato il 15 ottobre, il modello da 120 miliardi di parametri è progettato per agenti sempre attivi che leggono documenti visivi, richiamano strumenti e portano avanti processi aziendali prolungati.
Il rilascio aggiunge anche due modelli più piccoli per l’impiego in locale: Nemotron 3.5 Bolt 74B-A9B, che secondo NVIDIA richiede 24 GB di memoria, e Bolt E4B, un modello da 4 GB il cui arrivo è previsto per il 23 ottobre. Super VL e il Bolt da 24 GB sono già disponibili.
Un modello per testi, grafici e documenti
Super VL combina la comprensione del linguaggio e delle immagini per compiti come la lettura di tabelle, grafici, pagine web e PDF. Secondo NVIDIA, il modello può estrarre testo da una pagina, interpretare un grafico e fornire indicazioni senza trasferire il lavoro tra sistemi separati per il testo e la visione.
L’azienda descrive l’accuratezza di Super VL nei compiti multimodali degli agenti come paragonabile a quella del suo più grande modello di ragionamento, pur avendo circa un quinto dei parametri. NVIDIA lo definisce anche il più veloce modello aperto per agenti della sua categoria, citando un throughput fino a cinque volte quello del secondo miglior modello. Si tratta di confronti riportati da NVIDIA; l’annuncio non fornisce condizioni di test dettagliate a sostegno delle affermazioni.
Il suo addestramento comprende circa 26 mila miliardi di token tra addestramento iniziale e addestramento proseguito. NVIDIA afferma di aver poi sottoposto il modello a un ulteriore addestramento con circa 3,8 milioni di campioni e apprendimento per rinforzo in decine di ambienti.
Bolt punta ai sistemi da 24 GB e ai dispositivi più piccoli
Bolt 74B-A9B usa una quantizzazione nativa a 2 bit che, secondo NVIDIA, gli consente di rientrare in 24 GB di memoria; è pensato per funzionare sui sistemi RTX e DGX Spark insieme ad altre applicazioni. L’azienda afferma che gli utenti possono eseguire in locale flussi di lavoro degli agenti, come ricerche sul web, scrittura e debugging del codice, senza inviare questi compiti al cloud.
Il più piccolo Bolt E4B è destinato agli agenti conversazionali e fisici, tra cui assistenti vocali locali e interfacce integrate. NVIDIA indica i sistemi GeForce RTX, Jetson e RTX/DGX Spark come hardware di destinazione, con disponibilità prevista per il 23 ottobre.
Le aziende sperimentano impieghi specializzati
Secondo NVIDIA, alcune organizzazioni stanno adattando Super VL ai propri flussi di lavoro. Scale AI lo ha ulteriormente addestrato per un agente finanziario dedicato al credito ai fornitori presso Skydance e per un agente di due diligence nelle operazioni di M&A presso EY; AfterQuery lo ha personalizzato per l’analisi dei contratti di credito presso Hebbia. Tra gli altri esempi citati nell’annuncio figurano Ramp per i documenti finanziari, CrowdStrike per le attività di sicurezza e Perplexity per la ricerca e i compiti degli agenti.
I pesi aperti, i dataset e le ricette di addestramento del modello sono pensati per consentire alle organizzazioni di modificarlo e ospitarlo autonomamente. «Il modello viene distribuito con pesi aperti, dataset aperti e ricette di addestramento», scrive Kari Briski nell’annuncio di NVIDIA. Kari Briski, NVIDIA Blog
Disponibilità su cloud, workstation e hardware locale
NVIDIA indica Super VL come disponibile tramite Hugging Face, OpenRouter, ModelScope e il suo servizio NIM. Secondo l’azienda, funziona sui sistemi DGX Spark, DGX Station, RTX e RTX PRO, sui dispositivi Jetson, nei data center e sulle infrastrutture cloud. Bolt 74B-A9B è disponibile su Hugging Face; è indicato il supporto per strumenti tra cui llama.cpp, Ollama, LM Studio, Unsloth e vLLM.
Il rilascio offre agli sviluppatori la scelta tra un grande modello multimodale per flussi di lavoro aziendali più lunghi e modelli più piccoli progettati per l’uso in locale. Il confronto pratico dipenderà dalle prestazioni di questi sistemi rispetto ai compiti, all’hardware e ai requisiti sui dati delle singole organizzazioni.