# NVIDIA veröffentlicht offene Nemotron-3.5-Modell-Checkpoints

> Nemotron 3.5 Super verarbeitet Text, Bilder und Videos; das kleinere Lightning-Modell ist auf Text beschränkt. NVIDIA nennt ein Kontextfenster von bis zu 1 Million Tokens und Ergebnisse bei Softwareentwicklung.

Oossa · 2026-10-30 · https://oossa.com/de/nvidia-releases-nemotron-3-5-open-model-checkpoints

NVIDIA hat Nemotron 3.5 Super und Nemotron 3.5 Lightning am 14. Oktober 2026 angekündigt und will Modell-Checkpoints sowie ergänzendes Material veröffentlichen. Super ist ein Modell mit 120 Milliarden Parametern, von denen pro Token 12 Milliarden zum Einsatz kommen. Lightning ist ein reines Textmodell mit insgesamt 30 Milliarden Parametern und 3 Milliarden aktiven Parametern pro Token. Beide Modelle basieren auf einem hybriden Aufbau, der Mamba- und Transformer-Komponenten mit einem Mixture-of-Experts-Ansatz kombiniert. Dabei wird für jedes Token nur ein Teil des Modells aktiviert.

Die Modelle sind für lange Dokumente und agentenbasierte Aufgaben gedacht, bei denen Software Werkzeuge nutzen und mehrere Schritte ausführen kann. Super verarbeitet Text, Bilder, Videos und interaktive Werkzeuge. Laut NVIDIA unterstützen beide Modelle Kontextfenster von bis zu 1 Million Tokens. Zur Veröffentlichung gehören BF16- und komprimierte NVFP4-Checkpoints sowie Rezepte für Training und Evaluierung, Datensätze und Werkzeuge für spekulatives Decoding. In der Ankündigung nennt NVIDIA weder einen Preis noch Lizenzbedingungen.

## Was Super laut NVIDIA kann

Laut NVIDIA erreichte Super nach dem Post-Training 51.78% im Softwareentwicklungs-Benchmark SWE-bench Pro und übertraf damit Nemotron 3 Ultra bei etwa 4.6-mal weniger aktiven Parametern. Außerdem habe agentenorientiertes Training die pass@1-Wertung von DeepSWE von 6.4% auf 10.4% erhöht. Dabei handelt es sich um von NVIDIA gemeldete Evaluierungen; das bereitgestellte Material enthält keine unabhängige Überprüfung.

NVIDIA beschreibt einen umfangreichen Trainingsprozess für Super. Das Modell wurde mit Daten zu 22 indischen Sprachen und 34 Sprach-Schrift-Kombinationen weitertrainiert. Dadurch hätten sich laut NVIDIA die Ergebnisse in fünf untersuchten Benchmarks für indische Sprachen um bis zu 9.82 Prozentpunkte verbessert. Weitere Trainingsphasen zielten auf Aufgaben mit langem Kontext und auf Softwareentwicklung ab. Eine abschließende Trainingsphase habe den RULER-1M-Wert von Super von 33.5 auf 81.0 angehoben, nachdem er in einer früheren Phase gesunken war.

## Die Leistung hängt vom Setup ab

NVIDIA testete außerdem, mehrere Agenten parallel laufen zu lassen und sie ihre Antworten selbst überprüfen zu lassen. In den von NVIDIA ausgewerteten Setups stieg dadurch der Wert in Terminal-Bench 2.1 von 62.7% auf 71.9%, in DeepSWE von 24.6% auf 34.5% und in BrowseComp von 71.5% auf 79.8%. Diese Zahlen beziehen sich auf den Multi-Agenten-Ansatz und sind keine garantierten Ergebnisse für jede Bereitstellung.

Zur Geschwindigkeit meldet NVIDIA bis zu 4,856 ausgegebene Tokens pro Sekunde auf einer einzelnen GB200-GPU. Im getesteten Agenten-Workload mit 20 Gesprächsrunden wurden dabei mindestens 50 Tokens pro Sekunde und Nutzer erreicht. Laut NVIDIA erzielte die NVFP4-Version über 36 Benchmarks im Median 99.62% der BF16-Genauigkeit. Diese Ergebnisse hängen von der NVIDIA-Hardware und dem Testaufbau ab; sie zeigen nicht, wie die Modelle auf anderen Systemen abschneiden.

## Die Fakten

- Die Ankündigung von NVIDIA datiert vom 14. Oktober 2026.
- Super verfügt über insgesamt 120 Milliarden Parameter, davon 12 Milliarden aktive pro Token; Lightning hat insgesamt 30 Milliarden Parameter, davon 3 Milliarden aktive pro Token.
- Laut NVIDIA unterstützen beide Modelle Kontextfenster von bis zu 1 Million Tokens.
- NVIDIA zufolge erreichte Super 51.78% im SWE-bench-Pro-Benchmark und benötigte dabei etwa 4.6-mal weniger aktive Parameter als Nemotron 3 Ultra.
- Die angekündigte Veröffentlichung umfasst BF16- und NVFP4-Checkpoints, Datensätze sowie Rezepte für Training und Evaluierung.

## Warum es wichtig ist

Für Forschende und Entwickler bieten die veröffentlichten Checkpoints und Rezepte die Möglichkeit, die Modelle auszuprobieren oder darauf aufzubauen, ohne sie von Grund auf neu trainieren zu müssen. Die Benchmark-Ergebnisse von NVIDIA deuten darauf hin, dass Super für Agenten in der Softwareentwicklung geeignet sein könnte. Unabhängige Ergebnisse, Lizenzbedingungen und die für einen praktischen Einsatz benötigte Hardware gehen aus den vorliegenden Angaben jedoch nicht hervor.

## Quellen und Referenzen

1. [Nemotron 3.5 Super and Lightning: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Models for Agentic AI](https://arxiv.org/abs/2610.38095) – arXiv, 2026-10-30
2. [NVIDIA](https://research.nvidia.com/labs/nemotron/Nemotron-3.5-Super-and-Lightning/) – NVIDIA

Zuletzt aktualisiert: 2026-10-30