模型发布与核心硬件适配
2026年10月15日，NVIDIA在Hugging Face官方账号发布了名为nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4的开源模型。该模型总参数量为1200亿（120B），在推理阶段每次前向传递激活的参数量为120亿（12B）。
模型名称中的NVFP4代表NVIDIA专为Blackwell架构设计的4位浮点数据格式。该版本模型大小约为75.1GB，可在单台DGX Spark (GB10)设备上运行。
该模型属于开源发布，支持组织利用自有数据进行事后训练并部署在自有基础设施中。目前模型已上线Hugging Face、OpenRouter以及提供限时免费的Kilo by Anaconda平台。
架构设计与量化技术细节
在网络架构层面，该模型采用了混合Mamba-Transformer的混合专家（MoE）架构，并保留了共享的多Token预测（MTP）权重，用于推测性解码以提升生成速率。
作为视觉-语言（VL）模型，其底层整合了Nemotron-H混合语言解码器、RADIO或C-RADIO视觉编码器、视觉投影仪以及专用视频时间嵌入器。该模型复用了Nemotron Omni的图像与视频技术栈，但未配置音频编码器。
该版本的NVFP4量化通过量化感知蒸馏（QAD）技术实现，利用全精度模型作为教师来指导量化后的学生模型，旨在降低显存占用并提高吞吐量的同时维持模型准确性。
长上下文处理与Agent工作流定位
Nemotron-3.5 Super VL专为高容量Agentic工作流（如IT工单自动化）、工具调用、代码编写以及文档和视频理解而设计。模型具备光学字符识别（OCR）能力，可直接解析网页、图表、UI模拟图、屏幕截图、PDF文档及MP4视频片段。
该模型支持最高100万（1M）Token的上下文窗口与最多131,072个输出Token，能够承载大型代码库或长期Agent会话。同时，开发者可通过设置开启或关闭推理模式、调整推理力度（off、medium、on）或设定硬性推理预算（reasoning_budget），以灵活平衡运行速度与成本。
在性能表现方面，NVIDIA宣称该模型在多模态Agent任务上达到了与自身最大推理模型相当的前沿精度，而参数量仅为后者的约五分之一。此外，官方数据显示在Artificial Analysis Intelligence Index排行榜上，该模型在Baseten端点处理Agent任务时吞吐量达到600 TPS以上，比同类其他开源模型最高快5倍。
企业任务微调表现与衍生系列发布
根据媒体报道，Prime Intellect与NVIDIA合作构建了2500个经过验证的企业任务，在11小时的事后训练内，将Nemotron-3.5 Super VL在AutomationBench-AA基准测试上的成绩由34.0%提升至57.7%。
除Super VL之外，NVIDIA同日还发布了针对本地Agent工作负载优化的Nemotron 3.5 Bolt 74B-A9B 24GB边缘模型；另一款面向快速对话Agent优化的Nemotron 3.5 Bolt E4B 4GB边缘模型预计将于10月23日发布。