Nemotron 3.5 Super VL
NVIDIA推出的视觉语言模型，面向多模态专用智能体场景，支持文档问答、图表解读、屏幕理解、视频分析等任务
核心事实
时间轴 (近 90 天)
作者个人测试得出的最适合编程的免费模型前五名依次为：Laguna S 2.1第一，Nemotron和Nemotron 3.5 Super VL其后，第四为DeepSeek V4，第五为GLM 5.3 Flash。
Nemotron 3.5 Super VL 在 OpenRouter 定价为每百万 token 输入 0.10 美元、输出 0.40 美元，由五家主机提供，其中四家只服务 262,144 token 窗口。
Nemotron 3.5 Super VL 在 Gauntlet 上 99 项检查中 41 项完全通过，得分被限制在 0.599，因为其 3D 面板渲染成了空画布。
Nemotron 3.5 Super VL 在 Forge 2.0 Build 1 运行中，prompt token 数从 146,368 骤降到 7,394，之后再未超过 67,997；goose 未丢弃历史，但 OpenRouter 的 `middle-out` 截断策略可能与此有关。
5 倍吞吐提升是官方在特定基准和配置下测得的上限值，实际表现会因任务类型、批量大小和硬件环境而异。
英伟达在推文中强调该模型面向“a range of agent workflows”（多种智能体场景）。
Nemotron 3.5 Super VL 通过 Ollama 分发，使个人开发者和小型团队可以在本地或私有环境中低成本试用该视觉语言模型。
Nemotron 3.5 Super VL开源交付物包括检查点、训练配方和数据集，托管在Hugging Face，同时提供NIM容器用于部署。
5倍吞吐提升目前只有官方口径，缺少第三方基准复现。
英伟达官方数据称，Nemotron 3.5 Super VL在单GPU上的智能体吞吐量比同规模开源模型最高可提升5倍。
还有 36 条时间轴事件
全部知识事实 (20)
NVIDIA Nemotron 3.5 Super VL 是 120B 参数 MoE 模型，激活参数 12B，支持最高 100 万 token 上下文，面向文档理解、computer use 和 agent 场景。
90%已验证NVIDIA 在开发者博客中介绍了名为 Nemotron 3.5 Super VL 的视觉语言模型，面向多模态智能体场景。
85%待验证作者个人测试得出的最适合编程的免费模型前五名依次为：Laguna S 2.1第一，Nemotron和Nemotron 3.5 Super VL其后，第四为DeepSeek V4，第五为GLM 5.3 Flash。
50%待验证Nemotron 3.5 Super VL 在 Forge 2.0 Build 1 运行中，prompt token 数从 146,368 骤降到 7,394，之后再未超过 67,997；goose 未丢弃历史，但 OpenRouter 的 `middle-out` 截断策略可能与此有关。
50%待验证Nemotron 3.5 Super VL 在 Gauntlet 上 99 项检查中 41 项完全通过，得分被限制在 0.599，因为其 3D 面板渲染成了空画布。
50%待验证Nemotron 3.5 Super VL 在 OpenRouter 定价为每百万 token 输入 0.10 美元、输出 0.40 美元，由五家主机提供，其中四家只服务 262,144 token 窗口。
50%待验证英伟达在推文中强调该模型面向“a range of agent workflows”（多种智能体场景）。
50%待验证Nemotron 3.5 Super VL 通过 Ollama 分发，使个人开发者和小型团队可以在本地或私有环境中低成本试用该视觉语言模型。
50%待验证5 倍吞吐提升是官方在特定基准和配置下测得的上限值，实际表现会因任务类型、批量大小和硬件环境而异。
50%待验证英伟达官方数据称，Nemotron 3.5 Super VL在单GPU上的智能体吞吐量比同规模开源模型最高可提升5倍。
50%待验证Nemotron 3.5 Super VL支持文本、图像、文档和视频四类输入，并内置推理与工具调用能力。
50%待验证Nemotron 3.5 Super VL 的仓库体积为 75.1 GB，分布在 88 个 safetensors 分片里，单张消费级卡无法容纳 120B 模型。
50%待验证Nemotron 3.5 Super VL 采用 OpenMDW 1.1 许可证，授予无限制处置模型材料的权利，没有使用领域条款，也不限制输出；再分发时需保留声明，且不能起诉称该模型侵犯专利或版权。
50%待验证Nemotron 3.5 Super VL 采用 Mamba-2/Transformer 混合 MoE 架构，每个 MoE 层有 512 个路由专家，视觉侧搭配 C-RADIO 编码器，支持文本、JPEG/PNG 图像及最长 2 分钟 MP4 视频，上下文上限 1M token，并原生支持多 token 预测。
50%待验证Nemotron 3.5 Super VL 的骨干网络从 Nemotron 3 Super Base 初始化，经 Nemotron 3 Ultra Base 蒸馏 1T token，扩展到 1M 上下文，再经过 67B token 的软件工程中期训练，最后才做视觉训练。
50%待验证RTX 5090 只有 32 GB 显存，装不下 Nemotron 3.5 Super VL，连 UD-IQ1_M 量化版本都需要 46.1 GB。
50%待验证Nemotron 3.5 Super VL 的 MoE 层激活与查询领域相关的 22 个专家，以每 token 低于 50ms 的延迟产出结构化回答。
50%待验证Nemotron 3.5 Super VL 采用 Mamba 状态空间块替代纯注意力解码器、自研 RADIO 视觉编码器、并原生支持 Blackwell 架构下的 NVFP4 四位量化。
50%待验证Nemotron 3.5 Super VL 面向私有云（VPC）和专业工作站部署，提供数据主权与合规治理路径。
50%待验证12B激活参数在复杂多模态推理任务上的实际表现，需要独立评测验证，参数量与能力之间并非线性关系。
50%