Nvidia veroeffentlicht offenes Multimodal-Modell Nemotron 3.5 Super VL
Mit Nemotron 3.5 Super VL setzt Nvidia die Welle offener Modell-Releases aus US-Labors fort. Die Modelle sind frei verfuegbar und richten sich an Entwickler, die eigene Anwendungen auf offenen Gewichten aufbauen wollen.
Nvidias neue Modelle reihen sich in eine Welle von Open-Weight-Veröffentlichungen US-amerikanischer Labore ein, die unmittelbar auf den Hugging-Face-Hack folgt.
Vollständiges Profil lesen, 15. Oktober 2026, 11:00 Uhr ET
Nvidias neue Modelle im Überblick: Drei neue offene Nvidia-Modelle setzen auf Effizienz und Geschwindigkeit. Open Modelle erleben nach dem Hugging-Face-Hack eine Renaissance. US-Labore holen im Rennen um offene Modelle auf. Chinesische KI-Labore hatten in den letzten Jahren bei konkurrenzfähigen Open-Weight-KI-Modellen die Nase vorn, doch ein aktueller Schub westlich entwickelter offener Modelle stellt diese Vorherrschaft nun infrage.
Auch lesenswert: Open Weights vs. Closed: Ein Bürgerkrieg in der KI-Welt bahnt sich an
Nvidias neues Modell, das Open-Weight-Modell Nemotron 3.5 Super VL, soll der neueste Datenpunkt dieser Entwicklung sein. Das heute verfügbare Modell mit 120 Milliarden Parametern richtet sich an den wachsenden Fokus der Branche auf agentisches Arbeiten und liefert laut Nvidia „die schnellste Aufgabenerledigung und höchste Genauigkeit für spezialisierte, dauerhaft aktive Agenten“.
„Als schnellstes offenes agentisches Modell seiner Klasse, fünfmal schneller als der nächstbeste Wettbewerber, hilft es Unternehmensagenten, Aufgaben mit hohem Arbeitsaufwand schneller zu erledigen, etwa in Workflows, die sich über Tage oder Wochen erstrecken“, erklärte Nvidia in der Mitteilung. Dies basiert auf den Benchmark-Tests von Artificial Analysis, die das Modell mit similarly großen Konkurrenten verglichen; InclusionAIs Ling 3.0 Flash und DeepSeeks V4.1 Flash belegten den zweiten bzw. dritten Platz, wobei jedoch ein deutlicher Abstand zu Super VL bestand.
Nvidia zufolge erreicht Super VL durch Post-Training zudem erstklassige Genauigkeit für spezialisierte Agenten. Das Unternehmen veranschaulichte, wie weit das Post-Training einer Basisversion des Modells dessen Fähigkeiten steigern kann: In einem Fall wurde eine Verbesserung von 44 Prozent bei der Bearbeitung von Krankenversicherungsansprüchen erzielt, womit das Modell weit über Claude Opus 5 lag. Das bedeutet zwar, dass das Basismodell für sich genommen keine proprietären Frontier-Modelle übertreffen konnte, es gibt Unternehmen aber die Möglichkeit, das Modell auf ihre Bedürfnisse zuzuschneiden und sehr spezifische Zugewinne zu erzielen.
Wie Nvidia in der Mitteilung hervorhob, liegt der Vorteil offener Modelle gegenüber proprietären Modellen darin, dass Unternehmen sie mit eigenen Daten nachtrainieren und auf ihrer eigenen Infrastruktur betreiben können, was mehr Personalisierung und Sicherheit bietet.
Super VL wird von zwei neuen Edge-Modellen flankiert: Nemotron 3.5 Bolt 74B-A9B 24GB und Nemotron 3.5 Bolt E4B 4GB (nein, Nvidia hat sich bei der Namensgebung keine große Mühe gegeben). Edge-KI bezeichnet Modelle, die lokal und netzunabhängig betrieben werden können. Nvidia zufolge ist das erstgenannte Bolt-Modell für lokale agentische Nutzung konzipiert, während das letztere für „schnelle, dialogorientierte Agenten“ gedacht ist.
Beide Modelle liefern laut Unternehmen im Vergleich zu Nvidias anderen Modellen „die höchste Intelligenz pro Gigabyte Arbeitsspeicher“. Während das 24-GB-Modell, das auf lokale Agenten ausgerichtet ist, die beste Balance aus Leistungsfähigkeit und Geschwindigkeit pro Gigabyte erreicht, liefert das 4-GB-Modell „die beste Intelligenz pro Gigabyte für seine vorgesehenen Einsatzbereiche“, wozu Nvidia unter anderem Sprach- und Geräteagenten sowie „interaktive Charaktere“ zählt.
Auch wenn unklar bleibt, ob Nvidias neues Modell in der Praxis die Messlatte für Open-Weight- oder proprietäre Modelle anheben wird, belegen die Ergebnisse von Artificial Analysis vorerst die Effizienzgewinne.
Auch lesenswert: Ich habe Gemini Spark getestet: ein weiterer Fehlschlag von Google KI oder ihr nächster Geheimtipp?
Im größeren Kontext ist die Veröffentlichung jedoch Teil einer umfassenderen Verschiebung in der KI-Welt. Offene Modelle chinesischer Unternehmen wie DeepSeek und Moonshot.ai standen historisch für das Versprechen (und die Risiken) offener, günstigerer und stärker anpassbarer Modelle im Vergleich zu geschlossenen, teuren Modellen. Doch das französische Labor Mistral hat gerade sein Modell Le Chonk veröffentlicht, das bestimmte State-of-the-Art-Benchmarks erreichte. Reflection AI, an dem Nvidia beteiligt ist und das laut Berichten übernommen werden soll, brachte vergangene Woche sein Modell Beam heraus, ebenfalls mit großem Echo.
Die geografische Lücke in den Open-Weight-Auseinandersetzungen könnte sich damit schließen.
Die Branche setzt zudem stärker als bisher auf Open-Weight-Modelle, nachdem die Sicherheitsverletzung bei OpenAI und Hugging Face die bisherige Annahme zerstreut hat, allein offene Modelle stellten ein Sicherheitsrisiko dar. Wenn sich US-amerikanische offene Modelle gegenüber chinesischen beweisen, könnte das dazu beitragen, dass offene Modelle auch in Bereichen Fuß fassen, in denen sie sich bisher nicht durchsetzen konnten, zumal die Cybersicherheitsleitlinien vor der Nutzung ausländischer Technologie warnen.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Nvidia's new models join a wave of open-weight releases from US labs on the heels of the Hugging Face hack.
Read full bio October 15, 2026, 11:00 am ET
Nvidia ZDNET’s key takeaways Three new Nvidia open models strive for efficiency and speed. Open models are having a renaissance on the heels of the Hugging Face hack. US labs are catching up in the open model race. China-based AI labs have had the upper hand on competitive open-weight AI models over the last few years, but a recent surge in Western-made open models is challenging that.
Also: Open weights vs. closed: An AI civil war’s afoot
Nvidia’s new model, the open-weight Nemotron 3.5 Super VL, aims to be the latest data point in that surge. The 120-billion-parameter model, available today, targets the industry’s increasing focus on agentic work by delivering “the fastest task completion and highest accuracy for specialized, always-on agents,” according to Nvidia.
“As the fastest open agentic model in its class — 5x faster than the next best — it helps enterprise agents complete high-volume tasks faster across workflows that span days or weeks,” Nvidia said in the release. That’s based on Artificial Analysis’ benchmark testing of the model against its similarly sized competitors; InclusionAI’s Ling 3.0 Flash and DeepSeek’s V4.1 Flash came in second and third, respectively, but with significant distance between them and Super VL.
Nvidia also said Super VL achieves top-tier accuracy for specialized agents with post-training. The company cited how far post-training a base version of the model could take its capabilities — in one case, a 44% gain in medical insurance claims, which put the model far above Claude Opus 5. While that means the base model didn’t top proprietary frontier models on its own, it does give enterprises the chance to tailor the model to their needs and see highly specific gains.
As Nvidia pointed out in the release, the advantage open models have over proprietary models is that businesses can post-train them on their own data and run them on their own infrastructure, offering greater personalization and security.
Super VL is flanked by two new edge models as well: Nemotron 3.5 Bolt 74B-A9B 24GB and Nemotron 3.5 Bolt E4B 4GB (no, Nvidia didn’t waste any time on naming here). Edge AI refers to models that can operate locally and off-grid. Nvidia said the former Bolt is built for local agentic use, while the latter Bolt is for “fast, conversational agents.”
Both models “deliver the highest intelligence per gigabyte of memory” relative to Nvidia’s other models, the company said. While the 24GB model, geared toward local agents, achieves the best split of capability and speed per gigabyte, the 4GB model “delivers the best intelligence per gigabyte for its intended use cases,” which Nvidia named as voice and device agents and “interactive characters,” among others.
While it’s unclear whether Nvidia’s new model will raise the bar for open-weight or proprietary models in practice, Artificial Analysis’ findings demonstrate efficiency gains for now.
Also: I tested Gemini Spark – another Google AI fail, or its next dark horse?
In the bigger picture, however, the release is part of a broader shift in the AI world. Open models from Chinese companies like DeepSeek and Moonshot.ai have historically embodied the promise (and peril) of open, cheaper, more customizable models compared with closed, expensive ones. But French lab Mistral just launched its Le Chonk model, which hit certain state-of-the-art benchmarks. Reflection AI, which Nvidia has invested in and is in talks to acquire, released its Beam model last week, also to much fanfare.
The geography gap may be closing in the open-weight wars.
The industry is also embracing open-weight models more than it used to, following the OpenAI Hugging Face breach, which dispelled the previous notion that only open models posed security risks. If US-made open models prove themselves against Chinese ones, that could help open models take off in areas where they haven’t yet, given cybersecurity guidance against using foreign tech.