NVIDIA brengt multimodaal Nemotron 3.5 Super VL uit

NVIDIA brengt Nemotron 3.5 Super VL uit, een multimodaal model dat tekst, afbeeldingen, documenten en video combineert met redeneren en toolgebruik, meldt het bedrijf op 15 oktober.

Teams die nu een documentagent bouwen, kunnen de visuele invoer en tekstuele vervolgstappen met één model verwerken. Een agent kan zo een gescande creditnota lezen, bedragen controleren en daarna een bedrijfsregel of hulpmiddel aanroepen. De modelkeuze raakt daarmee zowel de inrichting van documentwerk als de GPU waarop het draait.

Eén model leest documenten en bewegend beeld

Super VL is een mixture-of-expertsmodel met 120 miljard parameters, waarvan er 12 miljard per token actief zijn. Het verwerkt tekst, afbeeldingen en video, waaronder tabellen, grafieken, meerpagina-documenten en OCR.

NVIDIA richt het model op gespecialiseerde agents voor documentverwerking, webonderzoek, code, cyberbeveiliging en videoanalyse. Ontwikkelaars kunnen het natrainen met eigen data, hulpmiddelen en beleidsregels via NVIDIA NeMo. De technieken omvatten supervised fine-tuning, LoRA en reinforcement learning. Bij de release komen datasets voor onder meer toolgebruik, financiële redeneringen en visuele taal bij. NVIDIA noemt 45 nieuwe vision-language-datasets.

Het contextvenster loopt tot één miljoen tokens. Dat is een maximum uit de modelbeschrijving, geen garantie dat elke opstelling zo veel tekst en beeld tegelijk kan verwerken. De beschikbare GPU-geheugenruimte en het aantal gelijktijdige verzoeken bepalen mede welke contextlengte praktisch is.

De gewichten zijn echt te downloaden

NVIDIA verwijst naar Hugging Face, waar de bestandenlijst een NVFP4-checkpoint van 75,1 GB met downloadbare safetensors-bestanden toont. De modelkaart noemt één DGX Spark, één H200, twee H100’s of één GB200 als ondersteunde opstellingen. Dat maakt het model zelf te hosten, maar niet zonder gespecialiseerde hardware.

De gewichten vallen onder OpenMDW-1.1, dat brede toestemming geeft om het modelmateriaal te gebruiken, aan te passen en te delen. Wie materiaal verder verspreidt, moet de licentie en herkomstvermeldingen behouden. De tekst stelt geen voorwaarden aan modeluitvoer, maar sluit garanties uit en legt de verantwoordelijkheid voor rechten op ingebouwd materiaal bij de gebruiker.

Een tweede kostenlaag ontstaat als een team NVIDIA AI Enterprise kiest voor productieondersteuning. De NVIDIA-prijslijst noemt 4.500 dollar per GPU per jaar voor zelf beheerde systemen, of 1 dollar per GPU-uur plus de cloudinstantie. Dat is een software- en ondersteuningsbedrag, geen aanschafprijs voor de GPU of volledige inferentierekening. De gewichten zijn ook met andere runtimes te draaien.

NVIDIA’s eerdere Nemotron 3.5 Lightning met 30 miljard totale en 3 miljard actieve parameters richt zich op herhaalde teksttaken in lange agentprocessen. Super VL voegt visuele input toe voor zwaardere stappen. Die twee modellen passen zo in verschillende delen van dezelfde agentketen.

De specialist ontstaat na het downloaden

De aangekondigde praktijkproeven draaien om natraining per proces. Scale AI trainde Super VL voor Skydance, waar een agent creditnota’s, overzichten en facturen aan financiële registraties koppelt. Scale zegt dat de aangepaste versie op echte productietickets dezelfde nauwkeurigheid haalde als het frontiermodel dat Skydance al gebruikte, met ongeveer veertig keer lagere inferentiekosten en vijf keer snellere antwoorden.

NVIDIA zegt dat Ramp tot 50 procent meer doorvoer en tien keer lagere latentie verwacht voor ontvangstbewijzen, terwijl AI21 voor de dreigingsanalyse van Alice 40 procent hogere nauwkeurigheid rapporteert. Dit zijn uitkomsten van aangepaste versies voor specifieke taken. Ze beschrijven niet wat een ongetrainde download bij elk bedrijf zal opleveren.

ZDNET noemt Meta’s Llama 4 en Google Gemma 4 als modellen die ook tekst en beeld verwerken. Google biedt Gemma 4 in vijf formaten, van 2,3 miljard effectieve parameters tot 31 miljard, en noemt een contextvenster tot 256.000 tokens in de eigen modelkaart. Daarmee verschilt Super VL vooral in schaal en positionering, niet doordat multimodale invoer op zichzelf nieuw is.

Een eerder voorbeeld van Nemotron in productie staat bij NVIDIA zelf: NVIDIA en Palantir gebruiken open Nemotron-modellen in de eigen toeleveringsketen, met menselijke controle. Ook daar hangt de bedrijfswaarde af van de koppeling met interne gegevens en beslisregels, niet alleen van het basismodel.

De benchmark meet meer dan één ding

NVIDIA meldt 80,8 procent op CharXiv tegenover 63 procent voor Nemotron 3 Nano Omni, en 84 procent met Python-codeinterpretatie. Het bedrijf claimt ook tot vijf keer meer doorvoer dan open modellen van vergelijkbare grootte. Dat zijn signalen voor visuele documenttaken, maar geen meting van foutloze verwerking van Nederlandse facturen.

VentureBeat schrijft dat de indexscore 26 is en dat de meting van circa 625 uitvoertokens per seconde vier B200-GPU’s gebruikte. De index bundelt tien evaluaties en toont ook modellen met hogere scores. De 625 tokens per seconde en de claim van vijf keer meer doorvoer op één GPU zijn verschillende vergelijkingen, geen voorspelling van de totale looptijd van een bedrijfsproces.

Ook eerdere cijfers vragen om dezelfde afbakening. NVIDIA en LangChain presenteerden een Nemotron 3 Ultra-agentstack die in LangChains eigen benchmark tien keer goedkoper uitkwam dan het dichtstbijzijnde gesloten topmodel. Zulke resultaten horen bij een specifieke combinatie van model, test en agentraamwerk. De nieuwe release verplaatst de aandacht naar visuele taken en natraining, terwijl de licentie, GPU-configuratie en taakmeting samen de praktische kosten bepalen.

Voor Nederlandse organisaties wordt Super VL daarmee een optie voor processen waarin agents veel tabellen, scans of videobeelden moeten interpreteren. De gepubliceerde cijfers maken duidelijk wat NVIDIA en zijn partners hebben getest, maar niet welke nauwkeurigheid of maandrekening een andere workflow haalt. Die uitkomst blijft afhankelijk van eigen documenten, evaluaties en de gekozen infrastructuur.