A NVIDIA apresentou nesta semana o Nemotron 3.5 Super VL, um modelo de inteligência artificial aberto e personalizável, projetado para atender agentes especializados que operam de forma contínua dentro de ambientes corporativos. A novidade foi divulgada em 15 de outubro pelo blog técnico da empresa e chega para responder a uma demanda crescente do mercado: fluxos de trabalho empresariais cada vez mais longos e complexos, nos quais uma única solicitação pode exigir a leitura de um documento, a verificação de informações em diferentes fontes, o cumprimento de políticas internas da companhia e a chamada de várias ferramentas ao longo do processo.
O ponto central da arquitetura do novo modelo é a estrutura conhecida como mixture-of-experts, ou mistura de especialistas. Nessa abordagem, o sistema não aciona todos os seus parâmetros para cada tarefa processada, mas apenas um subconjunto deles. No caso do Nemotron 3.5 Super VL, são 120 bilhões de parâmetros totais, dos quais cerca de 12 bilhões ficam ativos por vez. Segundo a NVIDIA, essa abordagem equilibra a capacidade do modelo com a eficiência de inferência.
Outra marca do lançamento é a multimodalidade. O modelo combina raciocínio, seguimento de instruções e uso de ferramentas com compreensão de texto, imagem, documento e vídeo em um único sistema. De acordo com a NVIDIA, essa integração permite que equipes de desenvolvimento tratem tarefas textuais e visuais sem precisar implantar modelos separados de linguagem e de visão, tampouco transferir o contexto de uma tarefa de um sistema para outro durante a execução, o que costuma elevar a complexidade e o custo das operações.
O treinamento da parte de visão e linguagem foi direcionado ao que os agentes enfrentam na prática, como reconhecimento óptico de caracteres, tabelas, gráficos e informações estruturadas em páginas. O modelo aceita como entrada texto, imagens, documentos, capturas de tela de interfaces gráficas e vídeo, e devolve texto como resposta. Esse desenho o torna adequado para agentes de longa duração que unem compreensão visual com raciocínio e chamada de ferramentas, cenário comum em automações corporativas.
Em relação ao desempenho, a NVIDIA afirma que o modelo entrega precisão em tarefas agentivas multimodais, incluindo seguimento de instruções, uso de ferramentas, fluxos de negócios em múltiplas etapas e compreensão visual, superior à do Nemotron 3 Ultra nos testes Hermes Bench (63,44% contra 56,33%) e LangChain Evals (87,05% contra 84,3%). A NVIDIA também relata, em uma única GPU, vazão até cinco vezes superior à de outros modelos abertos da mesma categoria.
A liberação segue a estratégia da NVIDIA de publicar modelos abertos. O Nemotron 3.5 Super VL integra o esforço colaborativo que a empresa vem construindo ao longo do ano com a chamada Nemotron Coalition, iniciativa de modelos abertos voltada ao ecossistema de agentes.
Com o lançamento, a NVIDIA reforça sua aposta em uma geração de agentes que precisam raciocinar sobre PDFs, gráficos, tabelas, imagens e páginas da web em tarefas contínuas, oferecendo aos desenvolvedores uma base aberta, eficiente e multimodal para construir essas aplicações. Interessados podem experimentar o modelo gratuitamente por meio do serviço OpenRouter, e informações completas sobre a família de modelos estão na página oficial do Nemotron no site de desenvolvedores da NVIDIA.
