For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/es/articles/nemotron-3-5-super-vl-specs-benchmarks-an-1bd03819.md.
Un agente empresarial a menudo necesita más que una respuesta de texto. Procesar un documento de un proveedor puede implicar leer un gráfico...
Un agente empresarial a menudo necesita más que una respuesta de texto. Procesar un documento de un proveedor puede implicar leer un gráfico, extraer una tabla, aplicar una política interna y llamar a una herramienta empresarial antes de devolver un resultado.
NVIDIA lanzó Nemotron 3.5 Super VL para trabajos que combinan estas exigencias. El modelo acepta texto, imágenes y vídeo, produce texto e integra la comprensión visual en el mismo sistema que el razonamiento, la programación y el uso de herramientas. Su arquitectura de mezcla de expertos tiene 120.000 millones de parámetros totales, con 12.000 millones activos por token.
El lanzamiento incluye puntos de control base, postentrenados y NVFP4, además de recursos de entrenamiento. Para los equipos que lo evalúan, las preguntas prácticas son cómo personalizarlo, qué miden las comparaciones de rendimiento y qué configuración de implementación se ajusta a su hardware.
La tarjeta oficial del modelo NVFP4 describe un híbrido de capas Mamba-2, atención y mezcla de expertos, conectado a un codificador de visión C-RADIO. Esta disposición admite procesamiento de lenguaje de contexto largo junto con entradas visuales.
| Elemento | Detalle documentado oficialmente |
|---|---|
| Parámetros totales y activos | 120B en total; 12B activos por token |
| Entrada y salida | Texto, imágenes y vídeo de entrada; texto de salida |
| Contexto máximo del modelo | Hasta 1 millón de tokens |
| Componentes visuales | Codificador C-RADIO y conector visión-lenguaje |
| Decodificación especulativa | Predicción nativa de múltiples tokens; LiLiCorr disponible |
| Ejemplos de implementación NVFP4 | Un DGX Spark, un H200, dos H100 o un GB200 |
| Integraciones de tiempo de ejecución | vLLM, SGLang y TensorRT-LLM |
| Licencia indicada en la tarjeta NVFP4 | OpenMDW-1.1 |
El contexto máximo se comparte entre el prompt, el material visual, el historial de conversación, los resultados de herramientas y la respuesta. Una receta de serving concreta puede configurar una ventana menor para ajustarse a los requisitos de memoria y concurrencia. Del mismo modo, los ejemplos de hardware indicados describen configuraciones compatibles, no una promesa de que todas las cargas de trabajo se ejecutarán con el contexto máximo.
Las tareas documentales pueden proporcionar páginas como imágenes junto con texto. La tarjeta del modelo también describe entradas de vídeo MP4 de hasta dos minutos; la compatibilidad con vídeo de entrada no debe confundirse con la generación de vídeo, porque este modelo produce texto.
NVIDIA identifica la programación, la investigación web, la inteligencia documental, la ciberseguridad y el análisis de vídeo como aplicaciones objetivo. Un agente documental podría relacionar un gráfico con una tabla situada en otra página. Un agente de investigación podría recopilar evidencia de varias fuentes, mientras que un flujo de trabajo de seguridad podría interpretar hallazgos y priorizar acciones de seguimiento.
El modelo también desempeña un papel dentro de una colección más amplia de modelos. NVIDIA posiciona Nemotron 3.5 Lightning para trabajo textual de gran volumen, Super VL para tareas especializadas que implican evidencia visual y herramientas, y Nemotron 3 Ultra para planificación y orquestación más exigentes.
Fuente: anuncio de NVIDIA, con una comparación de Artificial Analysis. El gráfico muestra a Super VL por encima de 600 tokens de salida por segundo en el endpoint de Baseten y destaca una comparación de velocidad aproximadamente cinco veces superior frente a Inkling Small. La comparación es específica de la configuración informada y de la condición de 100.000 tokens de entrada.
La generación rápida de tokens ayuda en llamadas repetidas de agentes, pero es solo una parte del rendimiento de una tarea. Un modelo que realiza llamadas de herramientas innecesarias o produce trazas de razonamiento largas aún puede tardar más en completar un trabajo.
Las políticas de la empresa, los esquemas de herramientas y la terminología del dominio determinan si un agente completa el trabajo correctamente. El enfoque propuesto por NVIDIA consiste en postentrenar el modelo mediante una mezcla de ejemplos propietarios y conjuntos de datos publicados relevantes.
NeMo AutoModel admite ajuste fino supervisado y adaptación de bajo rango. NeMo RL y NeMo Gym proporcionan recursos de aprendizaje por refuerzo y evaluación basada en entornos. NeMo Data Designer incluye recetas para preguntas y respuestas sobre gráficos y comprensión de documentos extensos.
El anuncio describe varias aplicaciones de socios:
Fuente: NVIDIA y las organizaciones nombradas en la figura. Se trata de tareas especializadas diferentes con sus propias configuraciones de evaluación, en lugar de un benchmark compartido.
NVIDIA también está publicando datos conversacionales, de uso de herramientas, finanzas, seguimiento de instrucciones, contexto largo y equidad, junto con 40 conjuntos de datos de visión-lenguaje. Su utilidad depende del flujo de trabajo objetivo y de las condiciones asociadas a cada conjunto de datos.
El entrenamiento visual abarca OCR, gráficos, tablas, documentos de varias páginas y vídeo. Una canalización de ajuste fino supervisado de dos etapas combina evidencia visual con razonamiento, chat, seguridad, ejemplos de contexto largo y trayectorias de agentes.
En el anuncio, NVIDIA informa una puntuación de razonamiento de gráficos CharXiv del 80,8 %, que aumenta al 84 % con interpretación de código Python. La tarjeta oficial informa por separado resultados específicos de cada punto de control: 80,82 para BF16 y 79,88 para NVFP4 en razonamiento CharXiv. Estas cifras describen configuraciones declaradas diferentes y deben mantenerse vinculadas a dichas configuraciones.
El artículo de lanzamiento también proporciona las siguientes evaluaciones de agentes:
| Modelo | Hermes Bench | LangChain Evals |
|---|---|---|
| Nemotron 3 Ultra | 56,33 % | 84,3 % |
| Nemotron 3.5 Super VL | 63,44 % | 87,05 % |
Fuente: comparación publicada por NVIDIA. Un resultado en estas evaluaciones no establece superioridad en todas las tareas de agentes.
Fuente: NVIDIA. La figura utiliza NVFP4, cuatro GPU B200 y un objetivo de 50 tokens por segundo por usuario; su comparación destacada de tiempo de finalización cuatro veces menor es específica de esa configuración.
Para uso local, NVIDIA remite a una evaluación de EXO Labs en DGX Spark. La figura publicada sitúa a Super VL en la frontera de precisión frente a tiempo de tarea, que representa una compensación entre velocidad y calidad, en lugar de la puntuación más alta posible en cada nivel de latencia.
Fuente: comparación de local.ai/EXO Labs reproducida por NVIDIA. El eje de tiempo de tarea es logarítmico.
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
NVIDIA describe una destilación a partir de Nemotron 3 Ultra, seguida de entrenamiento destinado a mejorar la programación, el uso de herramientas, el razonamiento visual y la cobertura lingüística. La destilación on-policy con múltiples docentes permite que docentes especializados puntúen respuestas generadas por el modelo antes de consolidar sus capacidades.
El entrenamiento de ingeniería de software incluye repositorios, material de incidencias y pull requests, registros de compilación y trayectorias de agentes. El anuncio también describe una contribución de datos índicos desarrollada con IIT Madras y AI4Bharat, con una colección completa publicada de aproximadamente 2,8 billones de tokens en 22 lenguas indias.
Fuente: NVIDIA. La figura compara el modelo postentrenado con los puntos de control especificados de Sarvam y Gemma en las evaluaciones índicas mostradas.
LiLiCorr puntúa la compatibilidad entre candidatos de tokens preliminares para que la decodificación especulativa pueda proponer secuencias más coherentes. NVIDIA lo recomienda para inferencia de baja latencia en DGX Spark e informa una generación de tokens hasta 2,3 veces más rápida que la decodificación sin especulación.
El modelo también incluye una cabeza de predicción de múltiples tokens. Un generador preliminar propone varios tokens futuros y el modelo principal los verifica conjuntamente. Aceptar varios tokens en una pasada puede reducir el número de pasos de verificación costosos.
La cuantización reduce la memoria del modelo, mientras que la destilación consciente de la cuantización entrena al modelo comprimido para seguir las salidas del modelo BF16. NVIDIA indica que la receta utiliza pesos y activaciones de 4 bits en Blackwell, y pesos de 4 bits con activaciones de 16 bits en plataformas que no son Blackwell, según la configuración de serving.
Los componentes sensibles mantienen una precisión superior. La tarjeta del modelo especifica BF16 para el codificador de visión, el conector, las convoluciones Mamba y las incrustaciones, con el enrutador MoE en FP32. Por tanto, «NVFP4» no significa que todos los componentes funcionen a cuatro bits.
Las llamadas de agentes contienen repetidamente las mismas instrucciones del sistema, definiciones de herramientas y mensajes anteriores. El almacenamiento en caché de prefijos puede reutilizar ese cálculo.
Las optimizaciones de serving conservan las cachés de atención y los estados recurrentes de Mamba. Los puntos de control adicionales reducen la cantidad de trabajo repetido durante la decodificación especulativa y el procesamiento de prompts.
NVIDIA NIM empaqueta motores de inferencia optimizados, configuraciones validadas y API estándar. El soporte empresarial está disponible mediante NVIDIA AI Enterprise.
Dynamo aborda la inferencia distribuida mediante enrutamiento consciente de caché, gestión de caché KV y serving desagregado. En una prueba informada con 16 GPU B200 a 50 tokens por segundo por usuario, NVIDIA afirma que una receta que utiliza afinidad de sesión y descarga de caché atendió hasta ocho veces más usuarios, al tiempo que redujo el tiempo hasta el primer token en un 85 %.
Fuente: NVIDIA. La figura especifica SWE-bench Pro en 16 GPU B200 y 50 tokens por segundo por usuario.
Para una implementación inicial, elija una receta específica para el hardware en el cookbook oficial o en la tarjeta del modelo, confirme su versión de tiempo de ejecución y establezca una línea base con tareas representativas. Mida conjuntamente la precisión de finalización, el total de tokens, las llamadas de herramientas, la latencia y la memoria antes de aumentar la concurrencia o la longitud de contexto.
Es un modelo de visión-lenguaje para razonamiento, programación, uso de herramientas, comprensión de documentos y análisis de vídeo. Está destinado a agentes especializados que necesitan combinar evidencia visual con texto y acciones de varios pasos.
La tarjeta oficial del modelo enumera texto, imágenes y vídeo como entradas, y texto como salida. Su capacidad de vídeo significa comprender el vídeo proporcionado, no crear un nuevo clip de vídeo.
Sí, NVIDIA publica una configuración de DGX Spark para el punto de control NVFP4. Esa receta tiene ajustes específicos de concurrencia y decodificación especulativa, por lo que su comportamiento de memoria y rendimiento debe evaluarse como una configuración completa.
El modelo admite un contexto máximo de hasta un millón de tokens. Las recetas de serving reales pueden utilizar ventanas menores para adaptarse a la memoria del hardware, las entradas visuales y las solicitudes simultáneas.
NeMo AutoModel proporciona recursos de ajuste fino supervisado y LoRA para el modelo. NVIDIA también enlaza NeMo RL y NeMo Gym para aprendizaje por refuerzo y evaluación basada en flujos de trabajo.
La tarjeta oficial de Hugging Face identifica OpenMDW-1.1 y describe el uso comercial y no comercial. Revise el acuerdo real y cualquier licencia independiente de conjuntos de datos o software para la implementación prevista.
Nemotron 3.5 Super VL combina comprensión visual, razonamiento y uso de herramientas en un modelo de 120B parámetros que activa 12B parámetros por token. Su lanzamiento proporciona a los equipos puntos de control y recursos de personalización para flujos de trabajo de agentes especializados en documentos, investigación, programación y otras áreas.
Las aceleraciones publicadas dependen del hardware, la precisión, el software de serving y las condiciones de evaluación. Utilice las recetas oficiales de implementación y mida tareas completas con sus propios datos antes de trasladar las ganancias de los benchmarks a expectativas de producción.
Empieza con una sola frase y obtén un sitio completo en minutos.
