Nemotron 3.5 Super VL di NVIDIA: modello aperto da 120 miliardi per agenti AI multimodali

NVIDIA ha pubblicato Nemotron 3.5 Super VL, un modello aperto di visione e linguaggio da 120 miliardi di parametri pensato per gli agenti AI che devono leggere documenti, pagine web e PDF e poi agire di conseguenza. Insieme al modello principale arrivano anche i primi esemplari della famiglia Bolt, progettata per girare in locale su laptop e PC con GPU GeForce RTX. Se lavori con agenti, automazione di processi o analisi di documenti, è un annuncio che merita attenzione.

Cos’è Nemotron 3.5 Super VL e cosa promette NVIDIA

Secondo il blog ufficiale di NVIDIA, firmato da Kari Briski, Super VL è disponibile da subito ed è un modello multimodale con circa 120 miliardi di parametri totali. Il nome del file dei pesi indica una configurazione 120B-A12B, cioè con circa 12 miliardi di parametri attivi per ogni richiesta, anche se il testo dell’annuncio non entra nel dettaglio dell’architettura.

La promessa principale è un rapporto tra qualità e costo molto aggressivo.

NVIDIA sostiene che il modello offra prestazioni paragonabili al suo modello di ragionamento più grande sui compiti agentici multimodali, come seguire istruzioni complesse, usare strumenti, gestire flussi di lavoro aziendali in più passaggi e capire contenuti visivi, con circa un quinto dei parametri. Parliamo di dichiarazioni del produttore, quindi vanno lette come tali finché non arriveranno verifiche indipendenti, ma l’ordine di grandezza è interessante per chi deve far girare questi sistemi su infrastrutture proprie.

Velocità e costi di servizio

Sul fronte della velocità, NVIDIA parla del modello agentico aperto più rapido della sua classe, circa cinque volte più veloce del migliore concorrente successivo, citando come riferimento l’Artificial Analysis Intelligence Index. Con il software di serving NVIDIA Dynamo, l’azienda dichiara fino a otto volte più utenti serviti e una latenza ridotta dell’85%. Anche in questo caso si tratta di numeri che dipendono dal carico e dalla configurazione, e il risultato reale sul tuo hardware può essere diverso.

Per un agente che deve fare molte chiamate in sequenza, la latenza conta quanto la qualità.

Come è stato addestrato

L’addestramento si è basato su circa 26 trilioni di token tra pre-addestramento e pre-addestramento continuato, seguiti da una fase di post-addestramento su circa 3,8 milioni di campioni e da apprendimento per rinforzo in decine di ambienti diversi. NVIDIA rilascia insieme al modello anche i dataset aperti e le ricette di addestramento, un dettaglio non banale per chi vuole replicare o adattare il lavoro.

Cosa sa fare con immagini, documenti e PDF

Il punto di forza dichiarato di Super VL è la comprensione di contenuti visivi complessi: immagini, pagine web e PDF. NVIDIA cita in particolare il riconoscimento del testo, la lettura di tabelle e grafici e l’estrazione di informazioni strutturate dai documenti. È il genere di compito che nelle aziende occupa moltissimo tempo, dalla riconciliazione di fatture alla lettura di contratti, dai report finanziari ai moduli compilati a mano.

Qui la parola chiave è agentico. Il modello non si limita a descrivere ciò che vede, ma è pensato per usarlo come input di un flusso di lavoro, chiamando strumenti e proseguendo il compito in più passaggi.

Se segui il tema dei modelli per i documenti, può essere utile confrontarlo con quanto abbiamo raccontato su PaddleOCR-VL 1.6 di Baidu, un modello open source molto più piccolo e specializzato proprio nella trasformazione dei documenti in dati. Le due proposte coprono fasce diverse: una punta sulla specializzazione leggera, l’altra su un generalista agentico di grandi dimensioni.

Dove trovarlo e su quale hardware gira

Il modello è disponibile su Hugging Face, OpenRouter, ModelScope e NVIDIA NIM. I microservizi NIM vengono aggiornati ogni due settimane con patch di sicurezza e miglioramenti di prestazioni, e la personalizzazione è supportata tramite NVIDIA NeMo, pipeline in Python e dataset aperti. Sul lato hardware NVIDIA indica DGX Spark, DGX Station, i sistemi RTX PRO e RTX, i moduli Jetson e gli ambienti data center e cloud.

Due informazioni non sono dichiarate nell’annuncio: la lunghezza del contesto e il nome preciso della licenza. NVIDIA parla di pesi aperti, dataset aperti e ricette di addestramento, ma se vuoi usarlo in un prodotto commerciale ti conviene leggere con attenzione i termini riportati nella scheda del modello prima di integrarlo.

Per chi sta valutando macchine locali, vale la pena rileggere anche la nostra analisi su DGX Spark 64GB e i prezzi della gamma, perché è proprio il tipo di sistema su cui un modello da 120 miliardi di parametri diventa realistico.

La famiglia Bolt: agenti AI in locale su laptop e PC

La seconda metà dell’annuncio riguarda Nemotron 3.5 Bolt, la linea per l’edge. Il primo modello è Bolt 74B-A9B in versione 24GB, già disponibile su Hugging Face con supporto per llama.cpp, Ollama, LM Studio, Unsloth e vLLM. Usa una quantizzazione nativa a 2 bit per stare in 24 GB di memoria, lasciando spazio anche alle altre applicazioni aperte sul computer.

È costruito per i portatili NVIDIA RTX Spark, in arrivo il 16 ottobre, ma funziona anche su PC GeForce RTX, DGX Spark, DGX Station e workstation RTX PRO. NVIDIA lo indica come primo modello aperto della sua classe su PinchBench e secondo su BrowseComp, con casi d’uso come ricerca sul web, scrittura e debug del codice, tutto senza inviare i dati al cloud.

Il secondo membro, Bolt E4B da 4 GB, è atteso il 23 ottobre per GeForce RTX, Jetson e sistemi Spark. L’obiettivo sono assistenti vocali, personaggi interattivi, interfacce embedded e agenti conversazionali multi-turno. Per capire come si inserisce nella strategia più ampia dei superchip per PC, puoi ripassare cosa avevamo scritto su NVIDIA RTX Spark a Computex 2026.

Il posto nella gamma Nemotron

Con questo rilascio la famiglia Nemotron 3.5 assume una forma più chiara. Lightning, uscito ad agosto, gestisce i carichi ad alto throughput, Ultra si occupa dei ragionamenti più difficili, Super VL aggiunge la visione agentica e Bolt porta tutto sul dispositivo. Se ti interessa la parte più leggera della gamma, trovi il contesto in Nemotron 3.5 Lightning.

Partner, personalizzazione e perché conta il fatto che sia aperto

NVIDIA cita una lunga lista di realtà che hanno già lavorato sulla personalizzazione dei modelli: Scale AI, AfterQuery, AI21, Mercor, ModelScope, Ramp, Lila Sciences, TrainLoop e altre. Tra le piattaforme software coinvolte compaiono Atlassian, CrowdStrike, Dassault Systèmes, Perplexity, Salesforce e Synopsys. È un elenco da leggere come segnale di ecosistema più che come garanzia di adozione in produzione.

Il messaggio strategico è riassunto in una frase del blog: a differenza dei modelli frontier chiusi, le organizzazioni possono fare post-addestramento di Super VL sui propri dati, distribuirlo sulla propria infrastruttura e controllare ciò che costruiscono.

Per molte aziende europee, dove riservatezza dei dati e conformità sono prioritarie, questo è l’argomento decisivo.

C’è poi un effetto sul mercato. Dopo i modelli aperti di grandi dimensioni arrivati nelle ultime settimane, come quello descritto nella nostra notizia su Muse Spark Open di Meta, la pressione sui modelli chiusi si fa sentire anche sul terreno dell’agentica multimodale. Più si riduce la distanza di qualità, più il confronto si sposta su costi, latenza, controllo dei dati e facilità di personalizzazione.

Cosa cambia concretamente per te

Se sviluppi o acquisti soluzioni di automazione documentale, Super VL è un candidato da provare in un test comparativo, perché unisce lettura di PDF, tabelle e grafici con la capacità di usare strumenti. Il fatto che i pesi siano disponibili ti permette di fare prove su Hugging Face o tramite OpenRouter prima di decidere se investire in hardware proprio.

Se invece ti interessa il lavoro in locale, Bolt è la parte più concreta da seguire nelle prossime due settimane: i laptop RTX Spark arrivano il 16 ottobre e il modello più piccolo il 23. Sarà il momento di capire se la quantizzazione a 2 bit mantiene davvero la qualità promessa nei compiti di tutti i giorni.

Mancano ancora i test indipendenti, e conviene diffidare dei confronti basati solo sui grafici del produttore. Valuta il modello sui tuoi documenti reali, misura latenza e costo per richiesta, e verifica la licenza prima di metterlo in un prodotto.

Conclusioni

Nemotron 3.5 Super VL e Bolt mostrano dove sta andando NVIDIA: modelli aperti, agentici e capaci di lavorare dal data center fino al portatile. Resta da vedere quanto i risultati dichiarati reggeranno fuori dai benchmark.

Seguici per i test e gli aggiornamenti nei prossimi giorni, e raccontaci nei commenti se hai già provato il modello sui tuoi documenti: la tua esperienza può aiutare altri lettori a decidere se vale la pena adottarlo.