Nemotron 3.5 Super VL ist das offene multimodale Modell, das NVIDIA am 15. Oktober 2026 in einem Beitrag seines Technikblogs vorgestellt hat. Es nutzt eine Mixture-of-Experts-Architektur mit 120 Milliarden Parametern insgesamt, rund 12 Milliarden aktiven pro Token und bis zu 1 Million Token Kontext, und verarbeitet Text, Bilder, Dokumente und kurze Videos in einem einzigen Ablauf. NVIDIA denkt dabei nicht an einen Chatbot, sondern an einen daueraktiven Unternehmens-Agenten: PDFs lesen, Diagramme prüfen, Werkzeuge aufrufen und mehrstufige Geschäftsarbeit nach Unternehmensregeln zu Ende bringen. Zwei kleinere Bolt-Modelle für den Edge-Bereich erschienen am selben Tag und erweitern die Nemotron-Familie vom Rechenzentrum bis zu Desktops und eingebetteten Geräten.
Drei neue Modelle, jedes für einen eigenen Einsatzbereich
| Modell | Größe und aktive Parameter | Zielhardware | Verfügbarkeit |
|---|---|---|---|
| Super VL | 120 Mrd. gesamt, ca. 12 Mrd. aktiv | Systeme der Klasse DGX Spark, H200, H100 | 15. Oktober 2026 |
| Bolt 74B-A9B 24GB | 74 Mrd. gesamt, ca. 9 Mrd. aktiv, 2-Bit-Quantisierung | RTX-Workstations und Laptops mit 24 GB Speicher | 15. Oktober 2026 |
| Bolt E4B 4GB | Leichte Ausgabe, Details folgen | GeForce RTX, Jetson und andere Edge-Geräte | 23. Oktober 2026 |
Nach NVIDIA-Angaben erreicht Super VL bis zu etwa den fünffachen Durchsatz des nächsten offenen Modells seiner Klasse und kommt mit rund einem Fünftel der Parameter nahe an das größte eigene Reasoning-Modell heran. Diese Werte stammen aus NVIDIAs eigenen Benchmarks und einer von der Firma zitierten Rangliste – sie sind als Herstellerangaben zu lesen, bis unabhängige Tests nachziehen. Wir hatten zuvor über Nemotrons doppelte Goldmedaillen in Mathematik- und Informatikwettbewerben berichtet; damals ging es um Reasoning-Obergrenzen, diesmal um die Effizienz, ein Modell in alltägliche Unternehmensprozesse einzupassen.
Warum diesmal die Dokumentszenarien herausgehoben werden
Die Agentenarbeit, die in Unternehmen die meisten Menschenstunden frisst, ist selten das Dichten, sondern das Lesen von Papierkram: Rechnungen, Verträge, Belege und PDFs voller Tabellen. Super VL wirbt damit, OCR, Tabellen, Diagramme und strukturierte Layouts in einem einzigen Modell zu lesen, statt erst alles in Text zu verwandeln und danach zu verstehen. Zu den frühen Beispielen, die NVIDIA nennt, gehören Scale AI mit einem für das Studio Skydance nachtrainierten Ablauf zur Lieferantenkredit-Prüfung, Ramp, das Belegbilder direkt in strukturiertes JSON verwandelt, und AI21 mit Bedrohungsanalyse. Auch diese Ergebniszahlen stammen aus NVIDIAs Startmaterial und eignen sich als Hinweise für eine Vorauswahl, nicht als Kaufentscheidung.
Nicht nur Gewichte: Das Post-Training-Paket ist gleich dabei
Super VL liegt als Basis-, nachtrainierte und NVFP4-quantisierte Checkpoints vor, und Unternehmen können es mit NeMo auf eigenen Daten, Werkzeugen und Regeln nachtrainieren und auf eigener Infrastruktur betreiben. NVIDIA veröffentlicht außerdem offene Datensätze auf Hugging Face zu Werkzeugaufrufen, Finanz-Reasoning, Instruktionsbefolgung und Vision-Language, unter der OpenMDW-Lizenz, die kommerzielle Nutzung, Feintuning und Weitergabe erlaubt. Für Teams, die Agenten im internen Netz halten wollen, zählt das Gesamtpaket: Modell, Trainingsrezepte und Daten kommen zusammen, statt einer einsamen Gewichtsdatei. Die eigentliche Prüfung folgt später, denn daueraktive Agenten werden an Monaten von Stabilität, Kosten und Steuerbarkeit im Fehlerfall gemessen – und dieses Urteil wartet auf die Zahlen der ersten Unternehmenskunden.
