北京时间 10 月 15 日晚，英伟达官宣开源 Nemotron 3.5 Super VL：一款 1200 亿参数、面向智能体的多模态模型，官方标题里的卖点是"单 GPU 智能体任务吞吐量最高提升 5 倍、74B 版本压缩至 24GB"。 官方博客的说法更直接：它是同类尺寸中最快的开源智能体模型，比档位里次强的开源模型快 5 倍，帮企业智能体更快跑完那些以天、周计的长任务。IT之家英伟达官方博客
"5 倍"的分母：比谁快 5 倍
先把数字读准。这个 5 倍不是比上一代 Nemotron 3 Super 快 5 倍，也不是单轮对话响应提速 5 倍——对比对象是同尺寸档位的其他开源模型，口径是单张 GPU 上跑智能体任务的吞吐，也就是读文档、核来源、调工具、多轮往返这类长链路工作流里，机器能同时完成多少任务、多快完成。官方给的速度画像还包括：在 Artificial Analysis 智能指数任务上，经 Baseten 端点达到每秒超过 600 个 token。英伟达开发者博客
快来自工程压缩，不是芯片玄学
架构层面，它是总参数 120B、每个 token 只激活 12B 的混合专家（MoE）模型，官方称多项评测成绩优于旧款。 剩下的大头提升藏在推理侧的一整套组合拳里：IT之家
投机解码：新开源方法 LiLiCorr 不再逐 token 独立猜测，而是对整段草稿的候选联合打分，官方称在 DGX Spark 上比不做投机时生成快最高 2.3 倍；
4 位量化：NVFP4 方案在 Blackwell 平台把权重和激活压到 4 位，量化感知蒸馏（QAD）在训练期就把精度损失补回来，推理时不增加开销；非 Blackwell 平台可跑 4 位权重、16 位激活的变体。
内部草稿头与上下文复用：多 token 预测让模型一次提出多个 token 供主模型验证；前缀缓存则接住了智能体反复回传的系统提示、工具定义和历史记录，服务端同时保留注意力缓存与 Mamba 状态，多轮场景少做重复功。
快没以"变笨"为代价
按官方评测，它在 Hermes Bench 得分 63.44%、LangChain 行为评测 87.05%，两项都超过了大一档的旗舰推理模型 Nemotron 3 Ultra（56.33%、84.3%）；图表理解基准 CharXiv 得 80.8%，允许执行 Python 代码解读时到 84%；官方还称其精度对标英伟达最大的推理模型，而总参数只有约五分之一。目前少见的第三方佐证来自 EXO Labs：在 DGX Spark 的独立评测里，它站在"精度—任务完成时间"的帕累托前沿上。英伟达开发者博客
对用户意味着什么：企业账单与 24GB 显存
企业侧，官方披露的案例给出量级：Scale AI 用它后训练供应商信用审批流程，预计推理成本降 40 倍、延迟降 5 倍；金融平台 Ramp 用它把小票照片转结构化数据，预期吞吐高约 50%、延迟低 10 倍——前提是愿意用自有数据做后训练，而权重、训练配方和数据集（含 40 个视觉语言数据集）都已开放。
端侧更贴近普通玩家：同场发布的 Bolt 74B-A9B 用原生 2-bit 量化把 740 亿参数模型压进 24GB 显存，官方定位是在 RTX、DGX Spark 上本地跑日常智能体任务，vLLM、Ollama、LM Studio 等工具链即时可用。 Super VL 与 Bolt 74B-A9B 已可下载，更小一档、面向语音与嵌入式智能体的 Bolt E4B 定在 10 月 23 日推出。至此，Nemotron 3.5 家族用 Super VL、Bolt、Lightning、Ultra 四款模型把部署范围从数据中心一直铺到笔记本和 Jetson。英伟达官方博客
边界：这些数字还带着"官方"两个字
5 倍是"最高值"，成立条件是单 GPU、同尺寸档位开源模型之间、智能体工作流下的吞吐；2.3 倍、40 倍、各家评测成绩目前大多出自英伟达及其伙伴的官方口径，第三方系统性复测还没跟上，引用时留意时间边界（本稿核对于 10 月 16 日晨，Bolt E4B 尚未发布）。知乎上关于"英伟达发布开源视觉语言模型 Nemotron3.5SuperVL，有哪些技术亮点与实际影响？"的提问已经挂出，跑分和真实部署表现很快会被社区复现验证。知乎
