NVIDIA 发布 Nemotron 3.5 Super VL：面向专精智能体的多模态推理模型

模型定位与规格

根据 NVIDIA 官方博客（2026 年 10 月 15 日），NVIDIA 发布 Nemotron 3.5 Super VL，面向需要长时间运行的专精智能体工作流。该模型为开放、可定制的多模态模型，采用 120B 参数混合专家（MoE）架构，每个 token 激活 12B 参数，在模型容量与推理效率之间取得平衡。

官方称其将推理、指令遵循、工具调用，与文本、图像、文档、视频理解整合在一个模型中，团队无需为文本和视觉任务分别部署模型或在模型间传递任务上下文。在单 GPU 上，官方称其在同类规模开放模型中面向智能体任务提供最高约 5 倍吞吐。

适用场景

来源列举的典型方向包括：代码测试与错误分析、网页研究、从表格图表和页面布局中提取信息的文档智能、漏洞识别与威胁分级、视频理解等。在模型体系中，官方将其定位为承担需要推理、工具使用与图文理解结合的专项多步任务，并提到同系列的 Lightning 处理高并发文本任务、Ultra 负责复杂规划与编排。

定制与配套

开发者可用 NVIDIA NeMo 进行监督微调（SFT）、低秩适配（LoRA）与强化学习（RL）后训练。NVIDIA 同时表示在 Hugging Face 上开放数据集，覆盖智能体工具使用与对话、金融推理与工具调用、指令遵循、长上下文、公平性以及 40 个视觉语言数据集。来源提到 Scale AI、Ramp、AI21 与 Alice 等组织做了后训练，并给出了推理成本、延迟与准确率方面的改善数字；这些均为来源方陈述。

推理优化技术

来源介绍了几项技术：开放投机解码方案 LiLiCorr、NVFP4 量化并配合量化感知蒸馏（QAD）、多 token 预测（MTP）、跨智能体轮次的上下文复用与前缀缓存。部署方面提到 NVIDIA NIM 与 NVIDIA Dynamo 的分发支持。

限制与待核实

本条为官方博客发布说明，其中的吞吐、成本、延迟与准确率数字及基准成绩（如 Hermes Bench、LangChain 评估、CharXiv）均来自来源方，未在本次整理中独立复现或验证。基准名称、评估配置与对比模型版本标注可能不完整；模型权重、量化检查点与具体部署命令以官方技术报告和仓库说明为准，本文未列出安装或调用命令。模型发布时间为来源标注的 2026 年 10 月 15 日。