NVIDIA выпустила мультимодальную модель Nemotron 3.5 Super VL для ИИ-агентов

Компания NVIDIA представила Nemotron 3.5 Super VL — новую открытую мультимодальную модель с архитектурой «микросхема экспертов» на 120 миллиардов параметров, из которых для обработки каждого токена задействуется 12 миллиардов. Модель создана специально для сложных агентских задач, где требуется одновременно работать с текстом, изображениями, документами и видео, а также использовать сторонние инструменты.

Главной особенностью новинки стало объединение текстовых и визуальных возможностей в единой системе. Это позволяет разработчикам отказаться от использования нескольких раздельных моделей и передачи контекста между ними. В компании отмечают, что на одном графическом ускорителе Nemotron 3.5 Super VL обеспечивает до пяти раз более высокую скорость выполнения задач по сравнению с другими открытыми аналогами сопоставимого размера.

Модель уже прошла адаптацию в ряде технологических компаний. Например, разработчики Scale AI применили её для автоматизации обработки чеков и кредитных документов, что позволило значительно снизить затраты на вычисления и уменьшить задержки. Платформа Ramp использует систему для извлечения данных из квитанций в структурированный формат. Исходные наработки и инструкции по дообучению доступны сообществу.