英伟达连发两个开放模型：1200 亿的多模态 Super VL，和能塞进 24GB 显存的 740 亿 Bolt

英伟达的开放模型线又往前推了一步。Nemotron 3.5 Super VL：1200 亿总参数，每个 token 激活 120 亿，混合 Mamba-2、注意力和 MoE 的架构，配 C-RADIO 视觉编码器。100 万 token 上下文，能读文本、图像、文档和视频（MP4 最长两分钟）。OpenMDW-1.1 许可，允许商用，权重 10 月 12 日就已经上了 Hugging Face。

从 Ultra 蒸馏下来的

Super VL 是从 Nemotron 3 Ultra 蒸馏出来的，配了投机解码和 NVFP4 量化感知训练。英伟达的说法是：在单卡 agent 负载上，吞吐是同级别开放模型的 5 倍；经过 Dynamo 服务栈，延迟降 85%，能支撑 8 倍的用户数。这些是厂商给的预测值，第三方还没测。

定位很清楚——给「一直在线的 agent」用。1M 上下文加视频输入，意味着它能一边看监控画面一边读文档，不用反复切片。

Bolt 那款更值得看

Nemotron 3.5 Bolt 74B-A9B，用原生 2-bit 量化把 740 亿参数的模型压进 24GB 显存。这个数字的意义在于：24GB 正好是一张 RTX 4090 或一台 DGX Spark 的显存容量。换句话说，本地 agent 可以和你别的应用一起跑，不用独占整台机器。

同级别开放模型里，它在 PinchBench 排第一、BrowseComp 排第二。10 月 23 日还会有一个 4GB 的 Bolt E4B，面向物理和对话 agent。

已经有人在改它

Scale AI 拿它做两条线：给 Skydance 做供应商信用评估 agent，给安永做并购尽调。Mercor 用它在 APEX-SWE 上训编码 agent。Ramp 用它做财务文档理解，把收据转成结构化数据，英伟达说预期吞吐提升最高 50%、延迟降到十分之一——这还是预测值。Atlassian、CrowdStrike、Dassault Systèmes 在做集成。

一个开放模型发布当天就有这么多家在基于它做后训练，说明发布方给的不只是权重，还有配套的训练数据和配方。

卖卡的逻辑

英伟达的主业是卖算力，现在免费送模型，逻辑一点都不复杂：模型越能在消费级硬件上跑起来，硬件就越好卖。

这也是为什么 Bolt 那 24GB 的门槛比 Super VL 的跑分更重要。一个 1200 亿参数的模型再强，跑在机房里的东西对个人开发者没有意义；一个能塞进单张显卡的 740 亿模型，才是能让 RTX 用户掏钱的理由。

顺带一个观察：英伟达把「单卡吞吐是同级 5 倍」当作核心卖点，说明开放模型这条线的竞争重点已经从「谁更强」转向「谁更省」。这跟微软拿 DeepSeek 当效率标尺、DeepSeek 用 8B/16B 非对称激活压成本，是同一场战争。落到硬件上，Bolt 那 24GB 的门槛，正好对应新一批 RTX Spark 笔记本的统一内存配置——英伟达把「模型能跑」和「机器好卖」这两件事绑在了一起。