A Nvidia lançou nesta quinta-feira o Nemotron 3.5 Super VL, modelo de pesos abertos com 120 bilhões de parâmetros voltado a agentes de IA que ficam sempre ativos, segundo comunicado da empresa, o SiliconANGLE e o ZDNet. Junto dele chegam dois modelos menores da linha Bolt, pensados para rodar fora da nuvem.

O Bolt 74B-A9B já está disponível e usa uma arquitetura de mistura de especialistas: ativa 9 bilhões dos seus 74 bilhões de parâmetros a cada tarefa e aplica quantização de 2 bits para caber em 24 GB de memória, segundo as três fontes. Isso permite rodar tarefas de agente — pesquisar na web, escrever e depurar código — direto numa estação de trabalho ou PC, sem mandar os dados para a nuvem. O segundo modelo da linha, o Bolt E4B de 4 GB, chega em 23 de outubro e é voltado a assistentes de voz, personagens interativos e dispositivos como relógios, carros e totens de atendimento, segundo a Nvidia e o SiliconANGLE.

Desempenho e treinamento

A Nvidia afirma que o Super VL é cerca de cinco vezes mais rápido que o próximo melhor modelo da mesma classe e entrega precisão comparável à do maior modelo de raciocínio da empresa usando um quinto dos parâmetros. Segundo o ZDNet, esse resultado vem de testes da Artificial Analysis, que colocou o Ling 3.0 Flash, da InclusionAI, e o V4.1 Flash, da DeepSeek, na segunda e na terceira posição, com distância considerável do modelo da Nvidia.

O Super VL foi treinado com cerca de 26 trilhões de tokens entre pré-treinamento e pré-treinamento continuado, mais 3,8 milhões de amostras de pós-treinamento com aprendizado por reforço, segundo a Nvidia e o SiliconANGLE. A empresa também afirma que vai publicar os dados de treinamento, os pesos e as receitas usadas para construir o modelo. O Super VL foi construído em parceria com a Nemotron Coalition, grupo de empresas e laboratórios de IA dedicado a modelos abertos de ponta, segundo as duas fontes.

Parte de uma corrida mais ampla

Segundo o ZDNet, o lançamento integra uma onda recente de modelos abertos de laboratórios americanos na esteira do vazamento de dados que atingiu a Hugging Face, num momento em que empresas chinesas como a DeepSeek e a Moonshot.ai vinham na frente da corrida por modelos abertos. O veículo cita também o Le Chonk, da francesa Mistral, e o Beam, da Reflection AI — companhia na qual a própria Nvidia investiu e negocia uma aquisição — como lançamentos recentes do mesmo movimento. Segundo o ZDNet, esse avanço de laboratórios ocidentais ajuda a desfazer a ideia de que só modelos abertos representam risco de segurança.

O que muda para quem roda agentes

O Super VL entra na família Nemotron ao lado do Lightning, lançado em agosto para cargas de alto volume, e do Ultra, reservado às tarefas de raciocínio mais difíceis, segundo a Nvidia. Com o Bolt somando-se aos dois, a empresa passa a oferecer um modelo aberto para cada camada de uso — de servidores corporativos a dispositivos de borda — sem que a organização precise escolher entre capacidade e facilidade de implantação.

Por serem abertos, os modelos podem ser pós-treinados com dados da própria organização e rodar atrás do firewall de cada empresa, o que mantém dados sensíveis dentro de casa, segundo a Nvidia e o SiliconANGLE. A Nvidia também empacota o Super VL como um microsserviço pronto para produção, com atualizações de segurança a cada duas semanas.

Na prática

  • O Nemotron 3.5 Super VL (120 bilhões de parâmetros) e o Bolt 74B-A9B já estão disponíveis; o Bolt E4B (4 GB) chega em 23 de outubro.
  • Os pesos, os dados de treinamento e as receitas são abertos: organizações podem baixar os modelos, pós-treiná-los com dados próprios e rodá-los na própria infraestrutura, mantendo os dados dentro de casa.
  • O Bolt 74B-A9B cabe em 24 GB de memória graças à quantização de 2 bits, o suficiente para rodar agentes locais de pesquisa, escrita e código sem usar a nuvem.
  • O Bolt E4B (4 GB), ainda sem lançamento, é voltado a assistentes de voz, personagens interativos e dispositivos como relógios, carros e totens de atendimento.
  • Segundo a Nvidia, o Super VL é cerca de cinco vezes mais rápido que o próximo melhor modelo aberto da mesma classe, em testes da Artificial Analysis citados pelo ZDNet.