NVIDIA 開源 Nemotron 3.5 Super VL：1200 億參數一個模型同時看懂文件、影片並用工具，Bolt 74B 塞進單張 RTX 5090

NVIDIA 10 月 15 日開源三款 Nemotron 3.5 模型：1200 億參數的 Super VL 專為 AI Agent 設計，同時讀取文字、圖片、文件與影片並調用工具；Bolt 74B-A9B 以 2 位元壓縮塞進 24GB 顯存，一台高階工作站就能跑。

NVIDIA 在 10 月 15 日的官方部落格宣布開源三款 Nemotron 3.5 系列模型，其中最受關注的是 1200 億參數的 Super VL：一個模型同時搞定文字、圖片、文件與影片理解，再加上推理與工具調用，專為長時間運作的 AI Agent 設計。

一個模型取代多模型串接

過去要做「讀文件、再查資料、再寫表格」的 AI Agent，團隊往往要把視覺模型、文字模型串起來，彼此傳遞資料時還要處理交接。Super VL 採用混合專家（MoE）架構，總參數 1200 億、每次推論只啟動 120 億，等於用約 120 億規模的運算量，背著 1200 億的知識量。

NVIDIA 官方給出的效能口徑：在多模態 Agent 任務上，Super VL 與自家最大的推理模型 Nemotron 3 Ultra 接近，但參數只有約五分之一；吞吐量則宣稱達到同級開放模型 5 倍（以 Artificial Analysis 智能指數為基準）。圖表讀取測試 CharXiv 上，Super VL 達 80.8%，前一代 Nemotron 3 Nano Omni 為 63%。

Bolt 系列：AI Agent 搬上桌邊

同步登場的 Nemotron 3.5 Bolt 74B-A9B 走的是另一條路線：總參數 740 億、啟動 90 億，以約 2 位元壓縮塞進 24GB 顯存——單張 GeForce RTX 5090 或一台 DGX Spark 就能跑。上下文長度 256K token，支援 llama.cpp、Ollama、LM Studio、vLLM 等主流本地部署工具。更小的 Bolt E4B（4GB）預計 10 月 23 日登場，鎖定 Jetson 等邊緣裝置上的對話型 Agent。

三款模型皆採用 OpenMDW-1.1 授權（允許商業使用），權重已上架 Hugging Face，NVIDIA 還連同資料集與訓練配方一起公開。

能讀懂發票，不代表可以閉眼交差

值得冷靜的是官方數字之外的現實：模型辨識出的文字仍可能出錯，小字、低解析度掃描與複雜表格是高風險區。AI-PLEX 整理官方文件時也提醒，官方列出的用途是「能力方向」，流程仍須開發者自己設計；若下游工作會因一個數字錯誤而出事，驗收流程必須保留回到原圖核對的位置。

對零售與經銷業來說，能讀懂掃描發票、銷售報表 PDF 的 AI Agent 很吸引人，但報表裡的營收數字誰看得到、存在哪台機器，依舊是第一道門檻——這也是看店勢把權限與資料安全放在產品設計核心的原因。

資料來源：NVIDIA 官方部落格（2026 年 10 月 15 日）、AIPostHub、MACCUS。