Nvidia Nemotron 3.5 Super VL erscheint mit offenen 120B-Gewichten

Nvidia hat am 15. Oktober 2026 Nemotron 3.5 Super VL veröffentlicht, ein Open-Weight-KI-Modell, das Text, Bilder und Video liest und in Textform antwortet. Es hat 120 Milliarden Parameter, aber nur 12 Milliarden arbeiten pro Token, was den Betrieb schnell und günstig hält. Nvidia führt einen einzelnen DGX-Spark-Desktop unter den unterstützten Setups, sodass Teams ein leistungsfähiges multimodales Modell auf eigener Hardware betreiben können.

„Open Weight“ bedeutet, dass jeder das trainierte Modell herunterladen und ausführen kann. „VL“ steht für Vision-Language: Das Modell nimmt Bilder und Video als Eingabe an, nicht nur Text.

Was Nvidia veröffentlicht hat

Super VL ist eines von drei Nemotron-3.5-Modellen, die Nvidia am 15. Oktober angekündigt hat, laut VentureBeat:

Modell	Größe	Gebaut für
Super VL	120B gesamt, 12B aktiv	Dokumente, Diagramme, Bildschirme und Video für Agenten
Bolt 74B-A9B	74B gesamt, 9B aktiv, 24 GB	Agenten auf lokalen Rechnern
Bolt E4B	4 GB	Chat und Agenten auf dem Gerät, erscheint am 23. Oktober

Die Gewichte von Super VL liegen auf Hugging Face unter der OpenMDW-Lizenz, Version 1.1. Laut Modellkarte ist es „bereit für die kommerzielle oder nicht-kommerzielle Nutzung“.

Wie das Modell aufgebaut ist

Super VL ist ein Mixture-of-Experts-Modell (MoE). Jede Schicht enthält 512 kleine Expertennetze, und ein Router wählt für jedes Token einige davon aus. Das Modell kombiniert drei Arten von Schichten: Mamba-2, Standard-Attention und MoE. Mamba-2 ist eine Bauweise, die lange Eingaben günstig verarbeitet. Ein Vision-Encoder namens C-RADIO wandelt Bilder in Eingaben um, die das Modell lesen kann.

Nvidia liefert die Gewichte in zwei Genauigkeiten. Die BF16-Version ist die vollständige Referenz. Die NVFP4-Version speichert die meisten Gewichte in 4 Bit, um Speicher zu sparen, und wurde darauf trainiert, dem BF16-Modell zu entsprechen. Die Karte meldet nur kleine Unterschiede zwischen beiden.

Weitere Details aus der Karte:

• Bis zu 1 Million Tokens Kontext, je nach Setup.
• Videoeingabe als MP4-Dateien mit bis zu 2 Minuten Länge.
• Multi-Token-Prediction, die mehrere Tokens auf einmal entwirft, um Antworten zu beschleunigen.
• Unterstützte Setups von einem DGX Spark oder einem GB200 bis zu zwei H100-Karten. Lokal läuft es auch auf RTX Spark und RTX Pro 6000 über llama.cpp oder Unsloth.

Die Benchmark-Angaben

Nvidias Modellkarte nennt starke allgemeine Werte für das BF16-Modell. Dazu gehören 71,10 auf SWE-bench Verified, einem Coding-Test, und 89,52 auf GPQA-Diamond, einem Wissenschaftstest. Auf OSWorld-Verified, das misst, wie gut ein Modell einen Computer bedient, erreicht es 51,14.

Die zentrale Behauptung verlangt Vorsicht. Laut Nvidia schlagen Versionen von Super VL, die für fünf bestimmte Aufgaben nachtrainiert wurden, Claude Opus 5 und GPT-6.1 Sol bei genau diesen Aufgaben. Bei Versicherungsfällen stieg die Genauigkeit von etwa 28 % auf 72 %, gegenüber etwa 38 % für Claude Opus 5. VentureBeat weist darauf hin, dass Nvidia weder die Aufgabendefinitionen noch die Stichprobengrößen oder die Testmethode veröffentlicht hat.

Bei der allgemeinen Intelligenz kommt Super VL laut VentureBeat auf etwa 26 Punkte im Artificial Analysis Index. GLM-5.3-Flash erreicht 42 und Qwen3.8-Flash-Next 40. Sein Vorteil ist die Geschwindigkeit: etwa 625 Tokens pro Sekunde auf vier B200-GPUs, gegenüber etwa 125 für Inkling Small, ein Modell mit ähnlichem Wert.

Lizenz und Kosten

Die Gewichte sind unter OpenMDW kostenlos. Laut VentureBeat verkauft Nvidia zudem eine Produktions-Softwarelizenz für 4.500 $ pro GPU und Jahr. Modal, ein Cloud-Anbieter, bietet das Modell bereits auf dedizierten Endpunkten mit sekundengenauer Abrechnung an.

Das Release kommt, während Nvidia auf den Abschluss seines Kaufs von Hugging Face wartet, über den wir berichtet haben, als Nvidia den Deal bestätigte. VentureBeat zufolge soll der Deal im ersten Halbjahr 2027 abgeschlossen werden.

Was das für Entwickler bedeutet

Super VL ist ein starker Kandidat, wenn Sie ein Modell brauchen, das Screenshots, gescannte Dokumente und kurze Videos liest, und Sie es selbst hosten wollen. Beginnen Sie mit dem NVFP4-Build auf Blackwell-Hardware, wo die 4-Bit-Berechnung laut Nvidias Karte nativ läuft.

Wählen Sie es nicht für reines Reasoning. Sein Indexwert liegt hinter mehreren offenen Modellen, die im Betrieb kleiner sind. Sein Argument ist die Geschwindigkeit pro GPU plus die Möglichkeit, es für eine eng begrenzte Aufgabe feinzutunen.

Dieser zweite Punkt ist die eigentliche Lehre aus Nvidias Diagramm. Ein nachtrainiertes Modell mit 12 Mrd. aktiven Parametern schlug Frontier-Modelle bei seinen eigenen, eng begrenzten Aufgaben. Wenn Sie eine wiederkehrende Aufgabe und eigene gelabelte Daten haben, testen Sie ein feingetuntes offenes Modell, bevor Sie für jeden Aufruf Frontier-Preise zahlen. Prüfen Sie die OpenMDW-Bedingungen vor dem Ausliefern mit Ihrer Rechtsabteilung, wie bei jeder neuen Lizenz.