NVIDIA가 에이전트용 공개 가중치 모델 Nemotron 3.5 Super VL과 Nemotron 3.5 Bolt 74B-A9B를 내놓았다. TechCrunch는 NVIDIA가 목요일에 공개했다고 전했다. 두 모델은 바로 내려받아 쓸 수 있다. GeForce RTX, Jetson, RTX/DGX Spark에서 도는 엣지 모델 Bolt E4B는 10월 23일 나온다. NVIDIA는 이 세 모델이 대형 기업 서버부터 엣지 기기와 로컬 하드웨어까지 에이전트 배치의 전 범위를 아우른다고 설명했다.
Super VL은 Hugging Face, Open Router, ModelScope 커뮤니티, NVIDIA NIM으로 받을 수 있다. Hugging Face에 오른 Bolt 74B-A9B 24GB는 llama.cpp, Ollama, LM Studio, Unsloth, vLLM을 지원한다. 이 모델은 10월 16일 출시되는 NVIDIA RTX Spark 노트북용으로 만들었고 GeForce RTX PC, DGX Spark, DGX Station, RTX PRO 워크스테이션에서도 돌아간다.1
기업용 Super VL
TechCrunch는 Super VL을 120B(1,200억) 매개변수 규모의 기업용 에이전트 모델로 소개했다. Nemotron 3 Ultra보다 매개변수가 적다는 설명도 붙였다. NVIDIA는 지시 수행, 도구 사용, 여러 단계로 이어지는 업무 흐름, 시각 이해를 아우르는 멀티모달 에이전트 과제에서 자사 최대 추론 모델에 견줄 정확도를 약 5분의 1 매개변수로 낸다고 밝혔다.
속도에 대해 NVIDIA는 같은 급 공개 에이전트 모델 가운데 가장 빠르고 차순위보다 5배 빠르다고 밝혔다. 특정 업무에 맞춰 사후 학습하면 Anthropic과 OpenAI의 모델(Opus 5, GPT 6.1 Sol, Luna, Astra)보다 과제를 빨리 끝낸다는 주장도 했다. 대상 업무는 문서 처리, 재무 회계, 과학 실험, 의료보험 청구, 보안 공격 방어다. 두 주장 모두 NVIDIA의 발표 내용이다.1,2
시각 처리는 에이전트가 실무에서 만나는 문서에 맞췄다. 문자 인식, 표, 차트 같은 구조화된 정보를 다루고, 웹페이지에서 텍스트를 뽑거나 그래프를 읽어 결과를 돌려준다. PDF와 다른 문서도 같은 방식으로 처리한다. 텍스트와 이미지를 한 모델이 함께 이해하므로 별도 시스템으로 작업을 나눠 보낼 필요가 없다고 NVIDIA는 설명했다.1
PC에서 도는 Bolt
Bolt 74B-A9B 24GB는 양자화를 2비트로 적용해 24GB 메모리에 들어가며, 다른 프로그램과 함께 돌리도록 설계했다. 웹 조사부터 글쓰기, 코드 디버깅까지 로컬 에이전트 도구에 맡기면 작업이 클라우드로 나가지 않는다고 NVIDIA는 밝혔다. 메모리 용량이 비슷한 모델과 비교하면 지능과 속도의 균형이 좋고, 가장 똑똑한 모델보다는 훨씬 빠르다는 것이 회사 설명이다.1
NVIDIA는 이 모델이 PinchBench의 같은 급 공개 모델 중 1위, BrowseComp에서 2위라고 밝혔다. Bolt E4B 4GB는 GeForce RTX, Jetson, RTX/DGX Spark에서 도는 물리·대화형 에이전트용이다. 로컬 음성 비서, 상호작용 캐릭터, 임베디드 인터페이스에 쓰도록 만들었다. TechCrunch는 소비자, 프로그래머, 기업 지식 노동자를 겨냥한 RTX Spark 칩 탑재 AI PC가 Microsoft, Dell 같은 파트너를 통해 지금 시장에 풀리고 있다고 전했다.1,2
공개 범위와 도입 사례
Super VL은 모델 가중치와 함께 공개 데이터셋, 학습 방법을 내놓는다. 기업은 보안과 데이터 보관 지역 요건에 맞는 곳 어디서든 모델을 돌릴 수 있다. 사전 학습과 연속 사전 학습을 합쳐 약 26조 토큰을 썼고, 사후 학습에는 약 380만 개 샘플과 수십 개 환경의 강화 학습을 썼다. NVIDIA는 Hugging Face에 도구 사용, 금융, 지시 수행, 긴 문맥, 공정성, 시각 언어 이해 데이터셋을 공개한다고 밝혔다. 강화 학습 환경은 NeMo Gym에 올렸다. 맞춤화는 NVIDIA NeMo, 파이썬 기반 파이프라인, 공개 데이터셋으로 지원한다.
NVIDIA NIM은 이 모델을 검증된 설정과 기업용 지원이 붙은 마이크로서비스로 제공하며, 보안 패치와 성능 개선을 2주마다 반영한다. NVIDIA Dynamo에서 돌리면 최대 8배 많은 사용자를 85% 낮은 지연 시간으로 처리한다고 회사는 밝혔다.
NVIDIA에 따르면 수십 개 조직이 자사 데이터와 정책에 맞춰 Super VL을 사후 학습하고 있다. Scale AI는 Skydance의 거래처 신용 금융 에이전트와 EY의 인수합병 실사 에이전트용으로 모델을 학습시켰다. AfterQuery는 Hebbia의 신용계약 분석용으로, AI21과 Alice는 사이버 공격 방어용으로 조정했다. Mercor는 코딩 에이전트를 위해 APEX-SWE 벤치마크로 학습시켰고, ModelScope는 ms-swift 프레임워크로 미세 조정을 지원한다.
금융 문서 분석은 Ramp, 보안 연구는 Dream, 과학 연구와 검색은 Lila Sciences, 의료 청구 분석은 R1이 모델을 맞춤화하고 있다. TrainLoop는 Nolla의 피부과 데이터로 모델을 학습시켰고, NVIDIA는 Nolla를 AI가 초기 환자 처방전을 쓰도록 승인받은 첫 회사라고 소개했다. 소프트웨어 업체 가운데 Atlassian은 Jira와 Confluence를 가로지르는 검색에 적용하고 있다. CrowdStrike는 기업 보안 방어 에이전트용으로 모델을 맞춤화하고 있다. Dassault Systèmes는 설계와 시뮬레이션에, Perplexity는 Perplexity Search와 Computer에 적용한다. Salesforce는 Missionforce Operations를 통해 정부 업무 자동화 에이전트를 구동하도록 모델을 맞춤화하고 있고, Synopsys의 반도체 설계 검증 소프트웨어는 이 모델과 연동된다.1
Nemotron 제품군과 업계 배경
NVIDIA는 8월에 대량 처리용 Lightning을 냈고, 가장 어려운 추론은 Ultra가 맡는다. Super VL과 Bolt는 이 둘과 함께 Nemotron 제품군에 합류했다.1
TechCrunch는 OpenAI와 Anthropic 같은 선두 연구소가 NVIDIA의 고객이자 투자 대상이면서도 AWS Trainium, Cerebras, 자체 칩으로 눈을 돌리고 있다고 짚었다. 이 매체는 NVIDIA가 자기 데이터센터에서 공개 모델을 돌리려는 기업 수요에 힘을 싣고 있다고 봤다. 개인용 에이전트에 대해서는 가족, 건강, 재정 정보를 맡기기 꺼리는 소비자가 있을 수 있다고 지적했다.2