Le 23 octobre 2026, NVIDIA a présenté dans un rapport technique officiel Nemotron 3.5 Bolt E4B, un petit modèle de langage open source décrit comme ayant la plus haute "densité d'intelligence par Go". Basé sur Gemma 4 E4B de Google et affiné par le post-entraînement Nemotron de NVIDIA, il est livré avec ses jeux de données d'entraînement et sa recette complète publiés en ouvert.
Un agent dans 4 Go
Bolt E4B ne nécessite qu'environ 4 Go de VRAM pour sa charge cible : la version quantifiée Q4_K_M occupe 3,1 à 4,3 Go – 3,5 Go sur une RTX 5070, 4,2 Go sur un Jetson Orin Nano 8GB (selon les tests officiels). Il prend en charge les appels d'outils multi-tours (avec des consignes pour les appels asynchrones), un commutateur conversational_mode (réponses courtes, adaptées à la voix), des plafonds configurables pour les budgets de raisonnement et de réflexion, un contexte de 64K et 35 langues. NVIDIA affirme que sa qualité moyenne sur les principaux benchmarks d'agents conversationnels dépasse d'environ 40 % celle du précédent Nano 4B, et qu'avec le raisonnement activé il produit jusqu'à 80 % de tokens de sortie en moins que les modèles comparables.
Face à ses pairs : plus de victoires que de défaites
Sur les 21 benchmarks comparatifs publiés par NVIDIA, Bolt E4B devance Gemma 4 E4B, Qwen 3.5 4B et l'ancien Nano 4B dans 15 cas ; il obtient 84,8 à IHEval contre 67,0 et 60,6 pour ses rivaux. C'est le troisième membre de la famille Nemotron 3.5 – après le Super VL orienté vision et le Bolt 74B-A9B à 74 milliards de paramètres – et le plus petit de la famille.
Faiblesses et limites
Être en tête ne veut pas dire dominer partout. Sur Tau2-Bench, Bolt E4B obtient 55,1 points, soit une vingtaine de moins que les 75,1 de Qwen 3.5 4B – pas le plus fort sur les tâches d'agents conversationnels multi-tours. Tous ces chiffres viennent du rapport technique officiel de NVIDIA et aucune vérification indépendante n'existe pour l'instant ; les 4 Go concernent la version quantifiée, et l'occupation mémoire augmente avec une précision plus élevée ou un contexte long.
Qui devrait s'y intéresser
Le modèle est déjà disponible via Hugging Face, Ollama, LM Studio, Unsloth, Canonical, Jetson AI Lab et le SDK NVIDIA In-Game Inferencing. Les démos comprennent un robot Reachy Mini fonctionnant sur un Jetson Orin Nano 8GB – Cosmos 3 Edge gère la vision, Bolt E4B la voix et les appels d'outils – et une démo de transaction avec un PNJ forgeron en jeu. La recette étant entièrement ouverte, chercheurs et petites équipes peuvent le reproduire ou l'affiner directement – les petits modèles passent du simple "ça tourne" au "conçu pour les workflows d'agents".
