NVIDIAはHugging Faceで「NVIDIA Nemotron 3.5 Super VL NVFP4」を公開した。この視覚言語モデルはテキスト、画像、動画を入力でき、重みはOpenMDW 1.1ライセンスの下で商用・非商用のいずれにも利用できる。
総パラメーター数は120 billionで、同時に有効になるのは12 billion。最大1 million tokensのコンテキストに対応する。NVIDIAは、H200 1基またはH100 2基などのハードウェアでの導入を挙げている。また、NVFP4版のGPQA-Diamondスコアは89.90で、BF16版の89.52を上回ったとしている。
なぜ重要か
対応するNVIDIA GPUを使う開発者は、公開された重みを利用してテキストと画像を扱うエージェントを構築できる。ただし、記事には価格や独立したベンチマーク結果は記載されていない。
