--- title: "Nvidia представила семейство ИИ-моделей Nemotron 3.5 с возможностью глубокой кастомизации" description: "Nvidia представила семейство ИИ-моделей Nemotron 3.5 во главе с Super VL (120 млрд параметров), поддерживающей пост-обучение и анализ визуальных данных для корпоративных агентов." date: 2026-10-17T02:26:31.989Z lang: ru url: https://xab.info/posts/nvidia-predstavila-semeystvo-ii-modeley-nemotron-3-5 tags: [nvidia, nemotron, artificial-intelligence, llm, enterprise-ai, machine-learning] author: "Александр Буран" publisher: "XAB.info" --- # Nvidia представила семейство ИИ-моделей Nemotron 3.5 с возможностью глубокой кастомизации ![Интерфейс визуализации данных и нейросетевых архитектур семейства Nvidia Nemotron](https://xab.info/media/2026/10/17/nvidia-predstavila-semeystvo-ii-modeley-nemotron-3-5/nvidia-predstavila-semeystvo-ii-modeley-nemotron-3-5-1.webp) ## Ключевые тезисы - Анонсированы три новые модели семейства Nemotron 3.5 для корпоративных задач и локальных агентов. - Флагманская Nemotron 3.5 Super VL содержит 120 млрд параметров и поддерживает визуальный анализ. - Пост-обучение Super VL на собственных данных клиентов дает прирост точности от 9% до 44%. - Модели Bolt и E4B оптимизированы для локального запуска на потребительском оборудовании. Компания Nvidia расширила свою линейку искусственного интеллекта, представив три новые модели семейства Nemotron 3.5, ориентированные на решение сложных агентных задач и интеграцию в корпоративные рабочие процессы. Флагманом новой линейки стала открытая нейросеть Nemotron 3.5 Super VL с 120 миллиардами параметров, объединяющая возможности передового языкового и визуального анализа документов, графиков и веб-страниц. ### Особенности флагманской модели Nemotron 3.5 Super VL Новая модель Super VL разработана специально для обработки мультимодального контента, включая PDF-файлы, таблицы, изображения и веб-интерфейсы. Согласно данным Nvidia, корпоративные клиенты могут самостоятельно проводить пост-обучение алгоритма на собственных данных, инструментах и корпоративных политиках безопасности. Такой подход позволяет развернуть модель как на собственной инфраструктуре организации, так и в рамках защищенных облачных сред с жесткими требованиями к конфиденциальности. В ходе сравнительного тестирования специализированные кастомизированные версии Nemotron 3.5 Super VL продемонстрировали существенный прирост точности после дообучения. Например, в задачах по обработке заявок на медицинское страхование точность выросла с 28% до 72%, опередив показатели конкурирующих решений. В сфере устойчивости к кибератакам показатель улучшился с 35% до 76%, что также превышает результаты аналогичных специализированных систем на рынке. ### Локальные агенты и вспомогательные версии линейки Помимо флагманского решения, компания анонсировала две компактные модели для локального запуска. Модель Nemotron 3.5 Bolt 74B-A9B 24GB содержит 74 миллиарда параметров, из которых около 9 миллиардов являются активными для каждого токена. Нейросеть оптимизирована под требования 24 Гбайт видеопамяти, что позволяет запускать ее локально на потребительском или рабочем железе для генерации кода и проведения сложных многошаговых исследований. Третья новинка — легковесная модель Nemotron E4B 4GB — спроектирована для работы разговорных агентов и локальных вспомогательных инструментов, ее полноценный запуск на рынке запланирован на 23 октября 2026 года. Разработчики отмечают, что новые архитектуры гармонично дополняют ранее выпущенные версии линейки, включая высокопроизводительную модель Nemotron 3.5 Lightning для рутинных повторяющихся процессов. ### Значение для рынка корпоративного искусственного интеллекта Появление кастомизируемых моделей семейства Nemotron 3.5 знаменует новый этап в развитии автономных ИИ-агентов, способных эффективно взаимодействовать со сложными корпоративными экосистемами. Возможность адаптации моделей под узкоспециализированные задачи снижает барьеры для внедрения нейросетей в финансовом секторе, здравоохранении и сфере информационной безопасности. Ожидается, что в перспективе это позволит компаниям оптимизировать расходы на вычислительные мощности и повысить автономность цифровых помощников при обработке больших массивов структурированных и визуальных данных. ## Проверка фактов и источники - [ИИ-модель Nvidia Nemotron 3.5 Super VL с пост-обучением превзошла Claude Opus 5 и GPT-6.1 Sol в специализированных задачах window-new](https://3dnews.ru/1150010/iimodel-nvidia-nemotron-35-super-vl-s-postobucheniem-prevzoshla-claude-opus-5-i-gpt61-sol-v-spetsializirovannih-zadachah) - Первоисточник новости, содержащий детальное описание моделей семейства Nemotron 3.5, параметров и результатов тестирования. - [Модель Nemotron 3.5 Lightning от NVIDIA ускорит выполнение агентами повторяющихся задач](https://overclockers.ru/blog/vokrugsveta/show/261568/NVIDIA-zapustila-model-Nemotron-3-5-Lightning-dlya-uskoreniya-vypolneniya-agentami-povtoryajuschihsya-zadach) - Дополнительный источник, раскрывающий характеристики модели Lightning и особенности архитектуры с активацией части параметров. - [NVIDIA выпустила модель Nemotron 3.5 Lightning для ускорения рутинных ИИ-задач до 4 раз](https://overclockers.ru/blog/This_is_the_way/show/261578/NVIDIA-vypustila-Nemotron-3-5-Lightning-dlya-uskoreniya-rutinnyh-II-zadach-do-4-raz) - Дополнительный источник, раскрывающий характеристики модели Lightning и особенности архитектуры с активацией части параметров. - [Nvidia представила Nemotron 3 Ultra: ИИ-модель для автономных агентов стала быстрее в пять раз и дешевле на 30%](https://www.ixbt.com/news/2026/06/04/nvidia-nemotron-3-ultra-30.html) - Справочный источник по предыдущим крупным моделям линейки Nemotron. ## Частые вопросы ### Что представляет собой модель Nemotron 3.5 Super VL? Это открытая большая языковая модель со 120 млрд параметров с расширенными возможностями визуального и текстового анализа документов, графиков и веб-страниц. ### Какую задачу решает модель Nemotron 3.5 Bolt? Bolt оптимизирована для локального запуска агентов, умещается в 24 Гбайт памяти и используется для генерации программного кода и многошаговых исследований. ### Какой прирост точности дает пост-обучение модели Super VL? В зависимости от специализированных задач улучшение точности после дообучения на корпоративных данных составляет от 9% до 44%.