TLDR;

A Nvidia afirma que o Nemotron 3.5 SuperVL completa 10.000 tarefas de codificação até quatro vezes mais rápido no SWE-Bench mantendo forte precisão conforme os testes citados. O SuperVL é multimodal e foi treinado em OCR, gráficos, tabelas e documentos, permitindo ler prints e PDFs e lidar com entradas longas (até 100.000 tokens). O Nemotron é open-source: pesos e conjuntos de dados estão no Hugging Face, a licença permite uso e customização, e ele pode ser afinado com NeMo, LoRA ou RL e executado localmente, em data centers ou na nuvem.

Resumo

O Nvidia Nemotron 3.5 SuperVL é um modelo aberto de linguagem e visão projetado para agentes de IA de longa execução; faz parte da família Nemotron (Nano, Super, Ultra) e usa mistura de especialistas com 120 bilhões de parâmetros totais e cerca de 12 bilhões ativos por token, oferecendo capacidade de modelo grande com velocidade de um menor. Integrando texto, imagem, documentos, vídeo e OCR num único modelo, ele lê gráficos, tabelas e PDFs, suporta contextos longos (até 100.000 tokens) e mantém alto desempenho. A Nvidia afirma ganho de até quatro vezes mais rapidez em tarefas de codificação no SWE-Bench e até cinco vezes mais rendimento em tarefas de agente por GPU que modelos abertos semelhantes. Em benchmarks como Hermes e LangChain o SuperVL superou o Nemotron-3-Ultra graças à destilação; empresas como AI21 e Alice o especializaram para cibersegurança, melhorando precisão em 41%. Treinamento inclui NeMo, LoRA, aprendizado por reforço e conjuntos de dados abertos no Hugging Face. Resultados em ChartQA e OCRBench V2 mostram avanços substanciais, e a licença aberta e pesos liberados permitem que equipes adaptem e executem o modelo localmente, em data centers ou na nuvem, além de integrá‑lo a ferramentas via Hugging Face e NVIDIA NIM.