NVIDIA 在开源大模型赛道上又下了一注重注。10 月中旬，英伟达正式发布 Nemotron 3.5 系列，一口气推出三款开放权重模型——Super VL（120B）主打企业级 Agent，Bolt 74B-A9B瞄准本地 AI PC，最小的 Bolt E4B则负责轻量对话。这是继 Nemotron 3 Ultra 之后，英伟达在开源 Agent 赛道最完整的一次产品线布局，核心卖点就一句话：让组织在任何算力层级都能跑自己的智能体，不用在「能力」和「可部署性」之间做选择。
核心能力：三款模型覆盖企业到个人
Nemotron 3.5 系列最大的变化，是把过去「一个旗舰打天下」的思路，拆成了三条定位清晰的线。
Nemotron 3.5 Super VL（120B）是本次的旗舰，面向企业场景里需要「常开」（always-on）的 Agent。虽然参数规模比 550B 的 Nemotron 3 Ultra 小了不少，但英伟达声称它在指令遵循和工具调用两项关键能力上能做到相近的精度。官方给出的目标场景包括文档智能、财务核算、科学实验、医保理赔、安全攻防韧性——这些正是企业里最愿意为「数据不出域」买单的任务。NVIDIA 也搬出了一串重量级客户背书：Skydance、安永（EY）、Ramp、CrowdStrike、Perplexity 和 Salesforce 都在用 Super VL。
Nemotron 3.5 Bolt 74B-A9B则是「本地优先」路线的代表。它是一个 74B 参数的混合专家（MoE）模型，激活参数约 9B，专门为本地 Agentic 任务设计，目标是在速度与推理之间找平衡，胜任多步推理、工具调用、网页浏览这类需要连续决策的工作。它运行在搭载 NVIDIA RTX Spark 芯片的新一代 AI PC，以及 DGX Spark 工作站上——这些设备正通过微软、戴尔等合作伙伴批量推向市场，面向消费者、程序员和企业知识工作者。
最小的 Bolt E4B定位对话型 Agent，参数更小、功耗更低，适合轻量级的语音或文字交互。目前 Super VL 和 Bolt 74B-A9B 已经可以下载使用，Bolt E4B 则要到本月晚些时候才放出。
使用体验与局限
作为开放权重模型，Nemotron 3.5 最大的吸引力在于「数据主权」。NVIDIA 软件副总裁 Kari Briski 说得直白：和封闭的前沿模型不同，组织可以把 Super VL 放到自己的数据上做后训练、部署在自己的基础设施里、真正「拥有自己构建的东西」。对于医疗、金融、政务这些对合规敏感的场景，这一点是闭源 API 无法替代的。
性能层面，英伟达也放出了相当激进的对比：在针对特定 Agentic 任务做后训练之后，Super VL 的完成任务速度可以超过 Anthropic 的 Opus 5 和 OpenAI 的 GPT-6.1 Sol、Luna、Astra。不过这类「官方自测」在行业里早已是惯例，真实效果还要等第三方评测和实际落地来验证。
局限同样明显：
- 部署门槛：开源 ≠ 开箱即用。Super VL 是 120B 参数，本地跑需要企业级多卡 GPU；Bolt 74B 虽然能上 AI PC，但 24GB 显存的门槛也劝退了不少普通用户。
- 中文能力存疑：官方材料没有重点宣传中文表现，国内用户如果目标是中文写作或中文 Agent，大概率不如国产开源模型来得顺手。
- 生态仍在爬坡：相比 CUDA 在训练侧的统治力，Nemotron 的推理生态、社区工具链、微调教程都还需要时间沉淀。
Nemotron 3.5 Super VL 与同类开源模型横向对比
| 模型 | 参数规模 | 核心定位 | 本站评分 |
|---|---|---|---|
| Nemotron 3.5 Super VL | 120B | 企业 Agent 私有化 | 8.3 |
| Nemotron 3 Ultra | 550B | 美国最强开源 | 6.8 |
| GLM-5.3 | 开源推理 | 编程 Agent | 8.4 |
| DeepSeek V4 Pro | MoE 旗舰 | 旗舰平民价 | 8.9 |
| Qwen3.8 2.4T | 2.4T | 通义开源里程碑 | 8.5 |
| MiniMax M3 | 开放权重 | 百万 Token 编程 | 8.1 |
从坐标系看，Nemotron 3.5 Super VL 补上了英伟达在「中大型企业 Agent」这个细分位置的空缺：它比上一代 Nemotron 3 Ultra 更务实（参数减半、部署更容易），但和 DeepSeek V4 Pro、Qwen3.8 这些国产开源旗舰相比，中文生态和社区热度仍是短板。如果你是海外企业、看重数据主权和硬件一体化，Super VL 有独特价值；如果你是国内团队做中文 Agent，国产模型目前仍是更稳妥的选择。
综合评分
| 维度 | 评分 | 评价 |
|---|---|---|
| 功能完整度 | 8.5 / 10 | 工具调用、多步推理、企业任务覆盖全面 |
| 易用性 | 7.5 / 10 | 开源部署门槛高，本地跑需多卡 GPU |
| 性价比 | 8.5 / 10 | 权重免费，但硬件与运维成本需自理 |
| 中文支持 | 7.0 / 10 | 官方未重点优化中文，国内场景偏弱 |
| 输出质量 | 8.5 / 10 | Agentic 任务后训练后表现可对标前沿闭源 |
综合评分：8.3 / 10
常见问题（FAQ）
Nemotron 3.5 Super VL 免费吗？
是，模型权重开源免费下载，可自由后训练和商用。但「免费」指的是模型本身，实际运行需要自备 GPU 硬件、支付电力和运维成本，120B 参数的企业级部署成本并不低。
Nemotron 3.5 Super VL 和 Nemotron 3 Ultra 有什么区别？
Super VL 参数更小（120B vs 550B），但英伟达称其在指令遵循和工具调用上精度相近，定位是更务实、更好部署的企业 Agent 模型；Ultra 则是追求极致规模的旗舰。对多数企业来说，Super VL 是性价比更高的选择。
本地部署 Nemotron 3.5 需要什么配置？
Bolt 74B-A9B 面向 24GB 显存的设备，可在搭载 RTX Spark 芯片的 AI PC 或 DGX Spark 工作站上运行；旗舰 Super VL 是 120B 参数，需要企业级多卡 GPU 集群才能跑起来。
Nemotron 3.5 支持中文吗？效果如何？
官方未重点宣传中文能力，中文场景的优化程度大概率不如 GLM、DeepSeek、Qwen 等国产开源模型。做中文写作或中文 Agent 的国内用户，建议优先考虑国产开源旗舰。
Nemotron 3.5 和 DeepSeek、Qwen 该选哪个？
看场景。企业 Agent 私有化、看重数据主权和 NVIDIA 硬件一体化，选 Super VL；做中文编程和中文 Agent，DeepSeek V4 Pro 和 Qwen3.8 仍是更成熟的选择。
总结
Nemotron 3.5 系列的意义，不只是多了一个开源模型，而是英伟达把「开源 Agent」从口号变成了一个覆盖企业、工作站、个人 PC 的完整产品矩阵。对正在寻找私有化 Agent 方案、又不想被单一云厂商锁定的团队来说，这是一个值得放进选型清单的新选项。
想发现更多好用的 AI 模型和工具？查看我们的 AI 模型库 与 工具对比引擎，或继续阅读：Nemotron 3 Ultra 深度评测 · GLM-5.3 深度评测 · Mistral Large 4 发布。