NVIDIA continua apostant per models de pesos oberts que les empreses puguin descarregar i adaptar a les seves dades. Aquesta setmana ha presentat la família Nemotron 3.5, encapçalada per Super VL, un model de 120.000 milions de paràmetres que treballa amb PDF, gràfics, taules, imatges i pàgines web, segueix instruccions i pot fer servir eines.
La companyia explica que Super VL es pot reentrenar amb les dades de cada organització i executar a la infraestructura que triï. En cinc tasques —lectura de documents, resistència a atacs de seguretat, extracció de dades de tiquets financers, experimentació científica i reclamacions d'assegurances mèdiques— la versió ajustada guanya entre un 9% i un 44%. En les reclamacions mèdiques, l'encert puja d'un 28% a un 72%, mentre que Claude Opus 5 en fa un 38% en la mateixa prova; en resistència a atacs passa d'un 35% a un 76%, davant d'un 66% de GPT-6.1 Sol. NVIDIA afegeix que és fins a cinc vegades més ràpid que un model obert comparable. També presenta Bolt, de 74.000 milions de paràmetres, pensat per treballar en local, i una versió petita de 4 GB que arribarà el 23 d'octubre.
Els pesos de Super VL són a Hugging Face i el model arriba per OpenRouter, ModelScope i NVIDIA NIM. La llicència, OpenMDW, permet l'ús comercial, l'ajustament i la redistribució, però fer-lo servir en producció amb NIM exigeix NVIDIA AI Enterprise, que costa uns 4.500 dòlars per GPU i any. L'empresa diu que també publicarà les receptes d'entrenament i els conjunts de dades.
Convé llegir les xifres amb prudència. Són mesures de NVIDIA i comparen versions ajustades a una tasca amb models generals, de manera que no demostren que Super VL sigui millor en conjunt; l'empresa no ha publicat la definició de les proves ni la mida de les mostres. A l'índex general d'Artificial Analysis, el model queda per sota d'altres models oberts, com GLM-5.3-Flash o Qwen3.8-Flash-Next. La seva fortalesa és la lectura de documents, que aquest índex no recull.