Nvidia Nemotron 3.5 Super VL मॉडल लॉन्च: 5x तेज स्पीड और AI एजेंट क्षमताएं
Nvidia ने 15 अक्टूबर 2026 को Nvidia Nemotron 3.5 Super VL जारी किया, जो विशेष एंटरप्राइज एजेंटों के लिए डिज़ाइन किया गया एक ओपन 120-billion-parameter आर्टिफिशियल इंटेलिजेंस (AI) मॉडल है। यह मल्टीमॉडल मॉडल विजुअल डॉक्यूमेंट्स, वेब पेज और बहु-चरणीय बिजनेस वर्कफ़्लो को संभालता है। एंटरप्राइज टीमों के लिए, यह मॉडल बड़े रीज़निंग मॉडल की तुलना में हार्डवेयर आवश्यकताओं को 1/5 तक कम कर देता है, जबकि Nvidia Dynamo पर 85% कम लेटेंसी के साथ 8 गुना अधिक उपयोगकर्ताओं को सेवा प्रदान करता है।
मॉडल किन विजुअल और एजेंटिक कार्यों को प्रोसेस करता है
Nvidia Nemotron 3.5 Super VL एंटरप्राइज दस्तावेज़ों के भीतर ऑप्टिकल कैरेक्टर रिकॉग्निशन (OCR), टेबल, चार्ट और संरचित विजुअल जानकारी को प्रोसेस करता है। इसका विज़न-लैंग्वेज आर्किटेक्चर सीधे वेब पेज पढ़ता है, टेक्स्ट निकालता है, ग्राफ का विश्लेषण करता है और जटिल PDF फ़ाइलों को प्रोसेस करता है। विजुअल समझ और टेक्स्ट विश्लेषण को एक ही सिस्टम में जोड़ने से सॉफ़्टवेयर एजेंटों को अलग-अलग मॉडल में संदर्भ स्थानांतरित किए बिना वर्कफ़्लो निष्पादित करने की अनुमति मिलती है। Atlassian, CrowdStrike, Dassault Systèmes, Salesforce और Perplexity जैसी सॉफ़्टवेयर प्लेटफॉर्म कंपनियां Jira और Confluence जैसे ऐप्स में एजेंटिक खोज को ऑटोमेट करने, साइबर सुरक्षा संचालन, इंजीनियरिंग सिमुलेशन और Missionforce Operations के माध्यम से जटिल सरकारी वर्कफ़्लो को संचालित करने के लिए इस मॉडल को एकीकृत कर रही हैं।
फ्रंटियर मॉडल के खिलाफ Nemotron 3.5 Super VL का बेंचमार्क प्रदर्शन
Artificial Analysis Intelligence Index लीडरबोर्ड पर, यह मॉडल अपनी श्रेणी के अन्य सिस्टम की तुलना में 5x तक तेज थ्रूपुट हासिल करता है। Nemotron 3.5 Super VL बेंचमार्क परीक्षण के संदर्भ में, 120-billion-parameter वाला ओपन मॉडल लगभग पांचवें हिस्से के पैरामीटर काउंट पर Nvidia के सबसे बड़े रीज़निंग मॉडल के समान इंस्ट्रक्शन फॉलोइंग, टूल यूज़, विजुअल अंडरस्टैंडिंग और बहु-चरणीय बिजनेस वर्कफ़्लो पर सटीकता प्रदान करता है। प्रमुख मॉडल के साथ दो एज रिलीज़ भी शामिल हैं: स्थानीय एजेंटिक कार्यों के लिए Nemotron 3.5 Bolt 74B-A9B 24GB, जो PinchBench पर अपनी श्रेणी में #1 ओपन मॉडल और BrowseComp पर #2 स्थान पर है, और तेज़ बातचीत इंटरफ़ेस के लिए Nemotron 3.5 Bolt E4B 4GB, जो 23 अक्टूबर 2026 को आ रहा है।
एंटरप्राइज टीमें ओपन वेट को कैसे पोस्ट-ट्रेन और कस्टमाइज़ करती हैं
संगठन Nvidia NeMo पाइपलाइन का उपयोग करके मालिकाना डेटासेट, कॉर्पोरेट टूल, आंतरिक नीतियों और कस्टम वर्कफ़्लो पर ओपन वेट को पोस्ट-ट्रेन कर सकते हैं। प्री-ट्रेनिंग और निरंतर प्री-ट्रेनिंग में लगभग 26 ट्रिलियन टोकन शामिल थे, जिसके बाद 3.8 मिलियन सैंपल पर पोस्ट-ट्रेनिंग और NeMo Gym वातावरण में रीइन्फोर्समेंट लर्निंग की गई। टूल यूज़, फाइनेंस, इंस्ट्रक्शन फॉलोइंग, लॉन्ग कॉन्टेक्स्ट, फेयरनेस और विज़न-लैंग्वेज अंडरस्टैंडिंग को कवर करने वाले ओपन डेटासेट Hugging Face पर Nemotron 3.5 Super VL Hugging Face संसाधनों के रूप में प्रकाशित किए गए हैं। Scale AI ने Skydance के वेंडर क्रेडिट फाइनेंस एजेंट और EY के M&A ड्यू डिलिजेंस एजेंट के लिए आर्किटेक्चर को कस्टमाइज़ किया। TrainLoop ने Nolla के डर्मेटोलॉजी डेटा के साथ मॉडल को पोस्ट-ट्रेन किया, जो शुरुआती मरीज के नुस्खे लिखने के लिए AI मंजूरी पाने वाली पहली कंपनी बन गई।
फाइनेंस, साइबर सुरक्षा और खोज क्षेत्र में इकोसिस्टम एडॉप्शन
विभिन्न उद्योगों के दर्जनों संगठन विशेष तैनाती के लिए ओपन आर्किटेक्चर को फाइन-ट्यून कर रहे हैं। AfterQuery ने क्रेडिट समझौते का विश्लेषण करने के लिए Hebbia के लिए मॉडल को कस्टमाइज़ किया, जबकि AI21 और Alice ने साइबर सुरक्षा हमले के लचीलेपन के लिए इसे पोस्ट-ट्रेन किया। Mercor ने APEX-SWE कोडिंग बेंचमार्क पर उन एजेंटों के लिए मॉडल को फाइन-ट्यून किया जो कोड की योजना बनाते हैं, लिखते हैं और डिबग करते हैं। ModelScope अपने ms-swift फ्रेमवर्क के माध्यम से फाइन-ट्यूनिंग सक्षम बनाता है। मॉडल को कस्टमाइज़ करने वाले अतिरिक्त संगठनों में वित्तीय दस्तावेज़ इंटेलिजेंस के लिए Ramp, सॉवरेन AI साइबर सुरक्षा अनुसंधान के लिए Dream, वैज्ञानिक खोज के लिए Lila Sciences और मेडिकल क्लेम विश्लेषण व रेवेन्यू साइकिल मैनेजमेंट के लिए R1 शामिल हैं।
लोकल हार्डवेयर विकल्प और स्थानीय रूप से Nemotron 3.5 कैसे चलाएं
मॉडल फ़ैमिली को स्थानीय रूप से चलाना डेटा सेंटर, डेस्कटॉप वर्कस्टेशन और एज डिवाइसों के बीच डिप्लॉयमेंट टियर पर निर्भर करता है। डेवलपर्स जो सीखना चाहते हैं कि स्थानीय रूप से Nemotron 3.5 कैसे चलाएं, वे 16 अक्टूबर 2026 को आने वाले DGX Spark, DGX Station, RTX PRO वर्कस्टेशन, GeForce RTX PC और लैपटॉप पर Nemotron 3.5 Bolt 74B-A9B डिप्लॉय कर सकते हैं। Bolt 74B-A9B मॉडल 24GB मेमरी में फिट होने के लिए नेटिव 2-बिट क्वांटाइजेशन का उपयोग करता है, जो क्लाउड पर वर्कलोड भेजे बिना llama.cpp, Ollama, LM Studio, Unsloth, Canonical और vLLM सहित लोकल एजेंट हार्नेस का समर्थन करता है। फ्लैगशिप 120B Super VL मॉडल स्थानीय रूप से DGX Station और RTX PRO सिस्टम पर, एज पर Jetson पर, या Nvidia NIM के साथ पैकेज्ड माइक्रोसर्विस के रूप में चलता है।
यह ऑनलाइन स्टोर और उद्यमों के लिए क्या बदलता है
एंटरप्राइज डिप्लॉयमेंट के लिए, मॉडल सूट क्षमता और डिप्लॉयबिलिटी के बीच चयन करने के लिए मजबूर किए बिना सभी इंफ्रास्ट्रक्चर टियर में अनुकूलित ओपन विकल्प प्रदान करता है। Nvidia Dynamo पर Nvidia Nemotron 3.5 Super VL चलाने से एंटरप्राइज वातावरण 85% तक परिचालन लेटेंसी को कम करते हुए 8 गुना अधिक उपयोगकर्ताओं को सेवा प्रदान करने में सक्षम होता है। संगठनों को मॉडल और डेटा को पूरी तरह से ऑन-प्रेमिस रखकर डेटा रेजीडेंसी और गोपनीयता पर पूर्ण नियंत्रण प्राप्त होता है, जिससे बीमा दावों की धोखाधड़ी के लिए जांच करना या आंतरिक ऋण मानदंडों के खिलाफ क्रेडिट स्कोर सत्यापित करने जैसे बार-बार होने वाले ऑटोमेशन कार्यों को चलाते समय थर्ड-पार्टी API प्रतिबंधों से बचा जा सकता है।
सवाल और जवाब
Nvidia Nemotron 3.5 Super VL का उपयोग किस लिए किया जाता है?
यह मॉडल विशेष एंटरप्राइज एजेंटों को संचालित करता है जो विजुअल दस्तावेज़ प्रोसेसिंग, ऑप्टिकल कैरेक्टर रिकॉग्निशन, टेबल और चार्ट विश्लेषण, वेब ब्राउज़िंग, बहु-चरणीय बिजनेस वर्कफ़्लो और एंटरप्राइज सॉफ़्टवेयर सिस्टम में टूल का उपयोग करते हैं।
Nemotron 3.5 Super VL मालिकाना फ्रंटियर मॉडल की तुलना कैसे करता है?
यह ओपन वेट, ओपन डेटासेट और पूर्ण स्थानीय डिप्लॉयमेंट नियंत्रण के साथ क्लास बेंचमार्क पर 5x तक तेज़ थ्रूपुट प्राप्त करते हुए लगभग एक-पांचवें पैरामीटर काउंट पर Nvidia के सबसे बड़े प्रोप्राइटरी रीज़निंग मॉडल के बराबर फ्रंटियर-स्तरीय सटीकता प्रदान करता है।
क्या एंटरप्राइज टीमें कस्टम डेटा पर Nemotron 3.5 Super VL को पोस्ट-ट्रेन कर सकती हैं?
हाँ, एंटरप्राइज टीमें ओपन वेट, ट्रेनिंग रेसिपी, Hugging Face पर प्रकाशित ओपन डेटासेट और Nvidia NeMo Python पाइपलाइन का उपयोग करके मालिकाना डेटा, कॉर्पोरेट नीतियों और विशेष वर्कफ़्लो पर मॉडल को पोस्ट-ट्रेन कर सकती हैं।
MOZGII की राय
हम इसे कैसे बनाते
विज़ुअल दस्तावेज़ों के साथ multi-step workflows को लोकल स्तर पर प्रोसेस करने के लिए, हम 120-billion-parameter वाले open model को local file parser और एक सुरक्षित vector store के साथ जोड़ते। यह मॉडल आंतरिक फ़ाइलों को बाहरी cloud APIs को भेजे बिना PDFs, tables और वेब पेजों को पढ़ता है। हम मानक सॉफ़्टवेयर इंटरफ़ेस का उपयोग करके मॉडल को सीधे आंतरिक डेटाबेस से कनेक्ट करते। वित्तीय बहीखाते या सरकारी रिकॉर्ड को अपडेट करने से पहले मानव समीक्षक निकाले गए फ़ील्ड्स की जांच करते।
जब लेआउट परिवर्तन के कारण गलत table parsing होती है या जब multi-step कार्य लंबे निष्पादन पथों में संदर्भ खो देते हैं, तब सिस्टम काम करना बंद कर देता है। हम डाउनस्ट्रीम टूल्स चलने से पहले प्रत्येक निकाले गए डेटा फ़ील्ड पर सख्त schema validation लागू करते। डोमेन विशेषज्ञ पार्स की गई विज़ुअल टेबल और मूल फ़ाइलों के बीच चिह्नित विसंगतियों का ऑडिट करते। देखने के लिए मुख्य मीट्रिक प्रति सर्वर नोड एंड-टू-एंड टास्क थ्रूपुट है।
इसके बाद, जैसे-जैसे आंतरिक सॉफ़्टवेयर इंटरफ़ेस बदलते हैं, हम post-trained weights को अपडेट करने के लिए स्वचालित fine-tuning pipelines बनाते। हम ऑफ़लाइन डेस्कटॉप एजेंटों के लिए छोटे quantized models का उपयोग करके edge deployment routines भी जोड़ते।
स्रोत
इस खबर के तथ्य इन स्रोतों से लिए गए हैं।