NVIDIA Nemotron 3.5 Super VL : le VLM open 120B (12B actifs) qui vise les agents multimodaux — et le Bolt 74B
🔎 NVIDIA ouvre son VLM agentique — et assume la spécialisation
Le 15 octobre 2026, NVIDIA a publié Nemotron 3.5 Super VL, un modèle open weight multimodal de 120 milliards de paramètres, dont seulement 12 milliards sont activés à chaque token. Il n'arrive pas seul : deux modèles compacts, Nemotron 3.5 Bolt 74B-A9B et Nemotron 3.5 Bolt E4B, complètent la série le même jour.
Le positionnement est volontairement étroit. Dans l'annonce officielle, NVIDIA cible les « specialized always-on agents » : des agents qui tournent en permanence et enchaînent des tâches multimodales. Pas un chatbot généraliste de plus — un moteur de tâches.
Le signal indépendant est tombé le jour même : Artificial Analysis classe Super VL comme le meilleur modèle open weight américain, avec 26 sur son Intelligence Index. Après le Nemotron 3 Ultra 550B de la génération précédente (notre analyse), NVIDIA change de doctrine : moins de paramètres actifs, plus de throughput, et des déclinaisons qui tiennent sur une carte RTX.
L'essentiel
- Une famille, trois modèles : Super VL 120B-A12B (VLM open weights), Bolt 74B-A9B (24 Go, quantization 2-bit native, dispo immédiate) et Bolt E4B (4 Go, disponible le 23 octobre 2026).
- Architecture hybride : MoE Mamba-2–Transformer + encodeur vision C-RADIO, 512 experts routés par couche, contexte jusqu'à 1M de tokens, entrées texte/image/vidéo (clips MP4 de 2 minutes maximum).
- Mesures indépendantes : 26 sur l'Intelligence Index d'Artificial Analysis, meilleur open weight américain. Bolt 74B-A9B : 21,4, loin devant la médiane de 8 des open weights de taille similaire.
- Annonces vendor : jusqu'à 5x de throughput mono-GPU face aux open models de la catégorie, GPQA-Diamond 89,90 en NVFP4 — des chiffres NVIDIA, pas des mesures tierces.
- Disponibilité : Hugging Face, Build.NVIDIA.com, OpenRouter, ModelScope, NIM, et les runtimes usuels (vLLM, SGLang, TensorRT-LLM, llama.cpp, Ollama, LM Studio, Unsloth).
- La limite : poids ouverts sous licence OpenMDW-1.1, mais les données d'entraînement SFT/RL ne sont pas publiées.
Outils recommandés
Super VL et les Bolt étant des poids ouverts, l'écosystème d'exécution compte plus que l'interface. Voici les options qui couvrent le cycle complet, du test au déploiement (prix constatés en octobre 2026).
| Outil | Usage principal | Prix (octobre 2026) | Idéal pour |
|---|---|---|---|
| Super VL BF16 sur Hugging Face | Poids originaux 120B-A12B | Gratuit | Audit des poids, fine-tuning |
| Super VL NVFP4 sur Hugging Face | Variante quantifiée 4-bit | Gratuit | Déploiement mono-GPU |
| Build.NVIDIA.com (NIM) | API early access | Gratuit (early access) | Évaluer sans infra GPU |
| OpenRouter | Accès API unifié | À l'usage (octobre 2026, vérifiez sur openrouter.ai) | Prototyper des agents sans GPU |
| Ollama | Servir les Bolt en local | Gratuit (open source) | Agents locaux sur RTX / DGX Spark |
| LM Studio | Exécution locale avec interface | Gratuit | Tester sur poste de travail |
| vLLM | Serving en production | Gratuit (open source) | Déployer Super VL à l'échelle |
| Unsloth | Fine-tuning | Gratuit (open source) | Post-training sur vos données |
Pour choisir selon votre matériel, nos guides installer un LLM en local et meilleurs LLM locaux restent le point d'entrée le plus simple.
Nemotron 3.5 Super VL, c'est quoi exactement ?
C'est un VLM (vision-language model) open weight de 120 milliards de paramètres au total, avec 12 milliards activés par token, publié sous licence OpenMDW-1.1 le 15 octobre 2026. Il accepte du texte, des images et de la vidéo, et génère du texte — avec un mode de raisonnement activable ou non.
L'architecture en trois minutes
La fiche Hugging Face du modèle BF16 décrit une architecture hybride Mamba-2–Transformer en MoE, couplée à un encodeur vision C-RADIO. Concrètement : une partie du réseau traite les séquences longues à coût linéaire, l'autre conserve l'attention classique, et seuls 12B de paramètres s'activent par token.
Le MoE compte 512 experts routés par couche. C'est ce qui permet le compromis revendiqué par NVIDIA : la capacité d'un gros modèle, le coût d'exécution d'un moyen. Le contexte monte à 1M de tokens, avec prédiction multi-tokens (MTP) native.
Côté multimodal, les entrées couvrent texte, images et vidéo — des clips MP4 jusqu'à 2 minutes. Le raisonnement s'active ou se coupe via un paramètre enable_thinking, utile pour économiser des tokens sur les tâches simples d'agent.
Ce que ça change côté matériel
La variante BF16 exige 4× H100 ou 2× GB200. La variante NVFP4, obtenue par distillation consciente de la quantization, tient sur un seul GPU : 1× DGX Spark, 1× H200, 2× H100 ou 1× GB200. C'est toute la différence entre un cluster et une machine.
Trois modèles, trois cibles : Super VL, Bolt 74B et Bolt E4B
Trois modèles ont été annoncés le 15 octobre 2026, chacun calibré sur une empreinte mémoire différente. Comme le résument Technology.org, c'est un multimodal open 120B/12B actifs accompagné de Bolt pensés pour les agents locaux.
| Modèle | Paramètres | Empreinte | Matériel cible | Disponibilité |
|---|---|---|---|---|
| Nemotron 3.5 Super VL | 120B total / 12B actifs | BF16 ou NVFP4 | 4× H100 (BF16) ; 1× DGX Spark ou H200 (NVFP4) | 15 octobre 2026 |
| Nemotron 3.5 Bolt 74B-A9B | 74B total / 9B actifs | 24 Go, 2-bit natif | RTX grand public, DGX Spark | 15 octobre 2026 |
| Nemotron 3.5 Bolt E4B | Classe 4 Go | 4 Go | Machines modestes, edge | 23 octobre 2026 |
Le Bolt 74B-A9B est distillé depuis Super VL, avec une quantization 2-bit native pensée pour tenir dans 24 Go — le terrain des RTX et du DGX Spark. Selon MarkTechPost, NVIDIA le donne premier des open models sur PinchBench et deuxième sur BrowseComp.
Sur la fiche d'Artificial Analysis, il affiche 21 sur l'Intelligence Index — « bien au-dessus de la moyenne » des open weights de taille similaire, dont la médiane est de 8. L'article d'AA le place 4e des modèles sous 100B et 1er des modèles américains de cette classe, avec un score de 21,4.
Le Bolt E4B, lui, arrive le 23 octobre. C'est la déclinaison « ça tourne partout » qui vise les agents embarqués et les machines sans GPU dédié. NVIDIA construit clairement un entonnoir : un flagship pour crédibiliser, des compacts pour diffuser.
Benchmarks : ce qui est mesuré, ce qui est annoncé
Il faut distinguer deux familles de chiffres : les mesures indépendantes d'Artificial Analysis, et les benchmarks publiés par NVIDIA. Les deux sont utiles, mais ils ne se lisent pas de la même façon.
Les mesures indépendantes
Artificial Analysis attribue à Super VL un score de 26 sur son Intelligence Index et le déclare « leading US open weight model ». C'est le meilleur score open weight américain à ce jour — et le qualificatif « US » n'est pas décoratif, on y revient plus bas.
Pour le Bolt 74B-A9B : 21,4, 4e des modèles sous 100B et 1er des États-Unis dans cette classe. La médiane des open weights comparables est de 8. Le saut est réel, pas cosmétique.
Les chiffres NVIDIA, à prendre comme tels
Les benchmarks vendor, relayés par MarkTechPost, donnent un GPQA-Diamond de 89,90 en NVFP4 (meilleur score annoncé) et un V* de 85,6 en BF16 contre 85,95 en NVFP4. Ce sont des chiffres NVIDIA, mesurés sur ses propres optimisations — à considérer comme tels.
Le chiffre le plus honnête de la série est aussi le moins flatteur : 17,78 sur tau3-bench banking, le pire score annoncé du lot. Les tâches agentiques outillées en environnement bancaire restent dures pour tout le monde, Super VL inclus. Gardez ce chiffre en tête avant de promettre un agent autonome à un client.
Précision utile : Artificial Analysis classe aussi Super VL 4e des modèles « sous 100B » — vraisemblablement en paramètres actifs, puisque le modèle n'en active que 12B par token. Et le titre « leading US open weight » implique que des open weights non américains restent devant au global. Sur le terrain des modèles self-hostables, des concurrents comme Kimi K2.6 de Moonshot AI ou GLM-5 de Z.AI occupent ce créneau — c'est là que la vraie bataille open weights se joue, tandis que les closed models de pointe (GPT-5.5, Gemini 3 Pro Deep Think, Claude Opus 4.7) dominent toujours les classements agentiques généraux.
La thèse de NVIDIA : des agents spécialisés, pas des chatbots
NVIDIA ne vend pas un modèle de discussion ; il vend une infrastructure à agents. Toute la communication autour de Super VL parle de task completion, de tool-calling et de workloads « always-on » — jamais de conversation.
Les preuves avancées sont opérationnelles. Trois partenaires — Scale AI, Ramp et AI21 — ont post-trainé le modèle et rapportent, selon le blog technique NVIDIA, jusqu'à 40x de réduction du coût d'inférence, 10x de latence en moins et +40 % de précision sur leurs cas d'usage. Des chiffres partenaires, donc à contextualiser — mais qui décrivent un modèle pensé pour le coût par tâche, pas le coût par token.
Côté serving, les recettes Dynamo annoncées sont parlantes : sur 16 GPU B200 à 50 tokens/s, 8x plus d'utilisateurs servis et une latence de premier token réduite de 85 %. Les optimisations citées — LiLiCorr speculative drafting (jusqu'à 2,3x), NVFP4, multi-token prediction, réutilisation de contexte — visent toutes le même objectif : enchaîner les tours de boucle agentique le plus vite possible.
NVIDIA encadre le tout dans une « Nemotron Coalition » : une précision comparable à son plus grand modèle de raisonnement pour environ un cinquième des paramètres, et un « 5x faster than the next best » en agentique — toujours à lire comme une annonce vendor.
Si vous construisez des agents, deux ressources cadrent le sujet : le choix du LLM pour les agents IA et le comparatif des meilleurs agents autonomes. Et l'écosystème open source ne dort pas : OpenSeeker-v2 montre que la pression sur les search agents industriels vient aussi du open source.
Exécuter Super VL et les Bolt : la matrice de déploiement
Tout se résume à une question : combien de Go de VRAM avez-vous ? La matrice officielle est sans ambiguïté.
| Variante | Matériel minimal (annonces NVIDIA) | Scénario |
|---|---|---|
| Super VL BF16 | 4× H100 ou 2× GB200 | Datacenter, production sérieuse |
| Super VL NVFP4 | 1× DGX Spark, 1× H200, 2× H100 ou 1× GB200 | Un seul GPU haut de gamme |
| Bolt 74B-A9B | 24 Go de VRAM | Station de travail RTX, DGX Spark |
| Bolt E4B | 4 Go | Edge, machines modestes |
Les runtimes annoncés couvrent tout le spectre : vLLM, SGLang et TensorRT-LLM pour le serving sérieux, llama.cpp, Ollama et LM Studio pour le local, Unsloth pour le fine-tuning. Notre guide d'installation d'un LLM en local détaille la mise en route, et notre dossier sur les agents IA avec Ollama montre comment orchestrer ces modèles en agents.
Deux options sans GPU méritent le détour. D'abord les API : OpenRouter et NIM distribuent Super VL, et si le budget est nul, notre annuaire FreeLLM API — 34 fournisseurs et 635 endpoints gratuits recense ce qui se teste gratuitement. Ensuite l'hébergement de l'orchestration : faire tourner vos scripts d'agents sur un VPS (par exemple chez Hostinger) tout en appelant le modèle via API reste le montage le plus économique pour démarrer.
Open weights, pas open data : ce que NVIDIA publie — et ne publie pas
Les poids sont ouverts, la recette d'entraînement est partiellement documentée, mais tout n'est pas publié. C'est la distinction à ne pas rater.
Selon la documentation NVIDIA, Super 3.5 est initialisé depuis Nemotron 3 Super, pré-entraîné sur du texte puis passé en SFT multimodal, avant un RLVR et une distillation multi-enseignants (MOPD). La distillation depuis Nemotron 3 Ultra — la génération 550B dont nous avions déjà analysé la stratégie — passe par une loss SkewReverse ciblant le coding, un détail qui intéressera aussi les utilisateurs de LLM pour le code.
Un élément rare est réellement ouvert : un dataset de 2,8T tokens couvrant 22 langues indiennes, enrichi de 10B tokens Indic supplémentaires. C'est une contribution concrète à l'open data multilingue, au-delà des poids.
Mais les données SFT/RL, elles, ne sont pas publiées. La licence OpenMDW-1.1 couvre les poids, pas la recette complète. Pour qui évalue un modèle sur des critères de reproductibilité, c'est une nuance qui compte — et elle sépare toujours open weights d'open source intégral.
Ce que cette sortie révèle de la stratégie NVIDIA
Trois lectures se superposent, et elles se tiennent.
La première est commerciale. NVIDIA vend des GPU, et des modèles ouverts optimisés pour NVFP4, Dynamo et ses propres runtimes font de son silicium le chemin de moindre résistance. Un open weight qui exprime pleinement ses performances sur votre matériel n'est pas un cadeau désintéressé — c'est un tunnel de conversion élégant.
La deuxième est doctrinale. Après le 550B d'Ultra, le passage à un 120B/12B actifs et à des Bolt compacts signe l'abandon de la course à la taille au profit de la course au coût par tâche. C'est le pivot de toute l'industrie, mais NVIDIA l'exécute avec un avantage : il contrôle la pile matérielle jusqu'au speculative decoding.
La troisième est géopolitique. Le titre « leading US open weight » d'Artificial Analysis est exactement le récit dont NVIDIA avait besoin face aux open weights non américains qui dominent le classement général. Un champion US, même pas premier au global, suffit à occuper le terrain narratif. La sortie de la plateforme de sécurité agents OpenShell et Sentry à la même période complète le tableau : NVIDIA veut fournir toute la pile agentique, du modèle au garde-fou.
Mon avis : Super VL est un très bon open weight américain, et le Bolt 74B-A9B est probablement la sortie la plus intéressante du lot pour qui veut des agents locaux. Mais la vraie innovation n'est pas le score — c'est le packaging : un VLM, deux déclinaisons quantifiées, des recettes de serving chiffrées et des partenaires qui attestent du coût par tâche. C'est une offre, pas juste un checkpoint.
❌ Erreurs courantes
Erreur 1 : lire « leading US open weight » comme « meilleur open weight »
Le titre d'Artificial Analysis est précis : Super VL est le meilleur open weight américain, pas le meilleur open weight tout court. Des modèles self-host non américains restent mieux classés au global. Vérifiez toujours le périmètre exact d'un superlatif avant de le citer.
Erreur 2 : confondre benchmarks vendor et mesures indépendantes
Le GPQA-Diamond de 89,90 (NVFP4) est un chiffre NVIDIA, obtenu sur ses propres optimisations. Les seules mesures tierces citées ici viennent d'Artificial Analysis : 26 pour Super VL, 21,4 pour le Bolt. Croisez systématiquement les deux avant de trancher.
Erreur 3 : sous-estimer la VRAM nécessaire
Le BF16 120B demande 4× H100 ou 2× GB200 — ce n'est pas un modèle « pour votre PC ». Seules la variante NVFP4 (1× H200 ou DGX Spark) et les Bolt (24 Go et 4 Go) visent du matériel accessible. Choisissez la variante avant de choisir le rêve.
Erreur 4 : croire que « open weights » signifie « open source complet »
Les poids sont sous OpenMDW-1.1, mais les données SFT/RL ne sont pas publiées et la recette reste partiellement documentée sans être reproductible. Si la reproductibilité est un critère pour vous, ce n'est pas un modèle totalement ouvert.
❓ Questions fréquentes
Nemotron 3.5 Super VL est-il gratuit ?
Les poids sont téléchargeables gratuitement sur Hugging Face sous licence OpenMDW-1.1, en BF16 comme en NVFP4. Le coût vient du calcul : le BF16 exige du matériel datacenter, sinon il faut passer par une API payante (OpenRouter, NIM). Le modèle est gratuit, l'inférence non.
Peut-on le faire tourner en local sur un PC ?
Pas le Super VL intégral : le BF16 demande 4× H100. En NVFP4, un seul GPU haut de gamme suffit (H200 ou DGX Spark). Pour un PC classique, les Bolt sont faits pour ça : le 74B-A9B tient dans 24 Go de VRAM, et le Bolt E4B, attendu le 23 octobre, dans 4 Go.
Quelle différence entre Super VL et Bolt 74B-A9B ?
Super VL est le VLM flagship : 120B de paramètres, 12B actifs, multimodal, 1M de contexte. Le Bolt 74B-A9B en est distillé, avec une quantization 2-bit native pour tenir dans 24 Go, au prix d'une précision moindre (21,4 contre 26 sur l'Intelligence Index). L'un vise le datacenter, l'autre vos agents locaux.
Super VL traite-t-il vraiment la vidéo ?
Oui. Le modèle accepte des entrées texte, image et vidéo — des clips MP4 jusqu'à 2 minutes — via son encodeur vision C-RADIO. C'est un VLM complet, pas un LLM avec un module image greffé, et c'est un argument central de NVIDIA pour les agents qui observent des flux en continu.
Où télécharger les poids ?
Sur Hugging Face (BF16 et NVFP4), sur Build.NVIDIA.com avec l'API NIM en early access, et sur ModelScope. OpenRouter distribue aussi le modèle en API. Les Bolt suivent les mêmes canaux, avec le Bolt E4B disponible à partir du 23 octobre 2026.
Comment se compare-t-il aux autres open weights ?
Artificial Analysis le classe meilleur open weight américain avec 26 sur son Intelligence Index, et 4e des modèles sous 100B (vraisemblablement en paramètres actifs). Le Bolt 74B-A9B affiche 21,4 contre une médiane de 8 pour sa classe. Au global, des open weights non américains restent devant — le « US » du titre compte.
✅ Conclusion
Avec Nemotron 3.5 Super VL et ses Bolt, NVIDIA ne cherche plus le titre du plus gros modèle mais celui du meilleur rapport coût/tâche pour les agents — et le 15 octobre 2026, toutes les cases sont cochées : poids ouverts, multimodal, 1M de contexte, déclinaisons de 4 Go à 2× GB200. Si vous construisez des agents, testez le Bolt 74B-A9B en local et comparez-le à votre stack actuelle ; notre comparatif des meilleurs LLM d'octobre 2026 vous aidera à le situer dans le paysage complet.