NVIDIA lance Nemotron 3.5 Super VL (120B) et les modèles Bolt pour agents locaux

NVIDIA couvre d'un coup deux étages de la pile agentique : le serveur et le poste de travail. L'entreprise a publié Nemotron 3.5 Super VL, un modèle multimodal ouvert de 120 milliards de paramètres pour des agents spécialisés qui fonctionnent sans interruption, ainsi qu'une paire de modèles Bolt pour l'exécution locale. Bolt 74B-A9B 24GB cible les RTX et le DGX Spark, tandis que Bolt E4B 4GB, que NVIDIA associe aux agents conversationnels rapides, tient dans 4 Go. Avec Lightning (fort débit, sortie en août) et Ultra (raisonnements les plus complexes), la famille Nemotron couvre désormais toute la gamme, des serveurs d'entreprise à l'ordinateur portable.

Super VL : la précision d'un gros modèle avec un cinquième des paramètres

L'argument central de NVIDIA est économique. Super VL, développé avec la Nemotron Coalition, atteint sur les tâches agentiques multimodales (suivi d'instructions, appel d'outils, processus métier en plusieurs étapes, compréhension d'images) une précision comparable à celle du plus grand modèle de raisonnement de NVIDIA, avec environ cinq fois moins de paramètres. Sur le classement Artificial Analysis Intelligence Index, le modèle affiche, selon l'entreprise, jusqu'à 5x plus de débit que les autres modèles de sa catégorie. Pour des agents dont les tâches s'étirent sur des jours, voire des semaines, cela se traduit directement par un coût par token et un temps d'exécution réduits.

Sous le capot : environ 26 000 milliards de tokens pour le pré-entraînement et le continued pretraining, puis environ 3,8 millions d'exemples de post-entraînement et un apprentissage par renforcement dans des dizaines d'environnements. Avec NVIDIA Dynamo, d'après l'entreprise, il est possible de servir jusqu'à 8x plus d'utilisateurs avec une latence inférieure de 85%. La vision est réglée pour le travail de bureau courant : OCR, tableaux, graphiques, données structurées dans les PDF et les pages web. Un seul modèle au lieu d'un assemblage entre modèle textuel et modèle visuel évite de perdre du contexte entre le document, les données et la décision.

La distribution est ouverte : poids, jeux de données et recettes d'entraînement. Sur Hugging Face sont publiés des ensembles de données sur l'usage agentique d'outils, la finance, le suivi d'instructions, le contexte long, la fairness et le vision-language, tandis que les environnements RL sont disponibles dans NeMo Gym.

Bolt : 74 milliards de paramètres dans 24 gigaoctets

Bolt 74B-A9B 24GB repose sur une quantification native sur 2 bits. Le calcul est simple : 74 milliards de poids à 2 bits représentent environ 18,5 Go, de sorte que le modèle reste sous la barre des 24 Go et laisse de la place à d'autres applications. À en juger par l'indice A9B, seule une partie des paramètres, environ 9 milliards, est active pour chaque token, d'où la vitesse. NVIDIA positionne le modèle comme « assez intelligent pour traiter la plupart des tâches, et nettement plus rapide que les modèles les plus intelligents » à empreinte mémoire égale. Classements revendiqués parmi les modèles ouverts : n°1 de sa catégorie sur PinchBench et n°2 sur BrowseComp.

Le scénario d'usage : déléguer un projet à un harness agentique local, pour de la recherche web, de la rédaction ou du débogage de code, sans envoyer de données dans le cloud. La prise en charge est annoncée pour llama.cpp, Ollama, LM Studio, Unsloth, Canonical et vLLM. Le modèle fonctionne sur GeForce RTX, DGX Spark, DGX Station, RTX PRO et les portables RTX Spark.

Bolt E4B 4GB est optimisé pour l'intelligence par gigaoctet et vise les agents physiques et conversationnels sur GeForce RTX, Jetson et RTX/DGX Spark : assistants vocaux, personnages interactifs, interfaces embarquées.

Qui affine déjà Super VL

NVIDIA cite des dizaines d'organisations qui affinent le modèle sur leurs propres données, outils et politiques :

• Scale AI : un agent de financement de crédit fournisseurs pour Skydance et un agent de due diligence en fusions-acquisitions pour EY.
• AfterQuery : analyse de contrats de crédit pour Hebbia.
• AI21 et Alice : résilience face aux cyberattaques.
• Mercor : agents de codage (planification, écriture, débogage), entraînement sur le benchmark APEX-SWE.
• ModelScope : fine-tuning via le framework ms-swift.
• Ramp : intelligence pour les documents financiers.
• Dream : IA souveraine pour la cybersécurité et l'analyse de vulnérabilités.
• Lila Sciences : recherche scientifique et découvertes.
• R1 : analyse des demandes de remboursement d'assurance santé et gestion du cycle de revenus.
• TrainLoop : affinage sur les données dermatologiques de Nolla, la première entreprise autorisée à faire rédiger des primo-prescriptions par une IA.

Parmi les plateformes, l'intégration est annoncée par Atlassian (recherche agentique dans Jira et Confluence), CrowdStrike (blue teaming agentique), Dassault Systèmes (conception technique et simulation), Perplexity (Search et Computer), Salesforce (automatisation de processus publics via Missionforce Operations) et Synopsys (la vérification de conceptions de semi-conducteurs fonctionne conjointement avec le modèle).

La conclusion pratique pour les équipes est la suivante. Si les données ne peuvent pas sortir du périmètre (assurance, scoring de crédit, médecine), Super VL se déploie on-prem et s'affine via NeMo, tandis que NIM fournit un microservice prêt à l'emploi avec des mises à jour toutes les deux semaines. Si vous avez besoin d'un agent privé sur un poste de travail, Bolt 74B-A9B se teste en une soirée sur 24 Go de VRAM via Ollama ou LM Studio.

Pour les scénarios vocaux embarqués, E4B sur Jetson convient. Selon NVIDIA, il n'est plus nécessaire d'arbitrer entre capacités et facilité de déploiement, mais il vaut mieux mesurer les performances réelles sur ses propres données. Super VL est disponible sur Hugging Face, OpenRouter, dans la communauté ModelScope et en tant que NVIDIA NIM.