NVIDIA kondigde Nemotron 3.5 Super en Nemotron 3.5 Lightning aan op 14 oktober 2026 en zegt modelcheckpoints en ondersteunend materiaal uit te brengen. Super is een model met 120 miljard parameters, waarvan er per token 12 miljard worden gebruikt. Lightning is een model dat alleen tekst verwerkt, met in totaal 30 miljard parameters en 3 miljard actieve parameters per token. Beide modellen hebben een hybride opzet die Mamba- en Transformer-componenten combineert met een Mixture-of-Experts-architectuur. Daarbij wordt voor elk token slechts een deel van het model geactiveerd.
De modellen zijn bedoeld voor lange documenten en agentachtige taken, waarbij software tools kan gebruiken en meerdere stappen kan zetten. Super kan werken met tekst, afbeeldingen, video en interactieve tools. NVIDIA zegt dat beide modellen een contextlengte tot 1 miljoen tokens ondersteunen. De release bevat BF16- en gecomprimeerde NVFP4-checkpoints, plus recepten voor training en evaluatie, datasets en tools voor speculative decoding. In de aankondiging noemt NVIDIA geen prijs of licentievoorwaarden.
Wat Super volgens NVIDIA kan
Volgens NVIDIA behaalde Super na post-training een score van 51.78% op SWE-bench Pro, een benchmark voor softwareontwikkeling. Daarmee versloeg het Nemotron 3 Ultra, terwijl het ongeveer 4.6 keer minder actieve parameters gebruikte. Het bedrijf zegt ook dat training gericht op agents de pass@1-score van DeepSWE verhoogde van 6.4% naar 10.4%. Dit zijn evaluaties van NVIDIA; het meegeleverde materiaal bevat geen onafhankelijke validatie.
Het bedrijf beschrijft een omvangrijk trainingsproces voor Super. Het model werd verder getraind met data voor 22 Indiase talen en 34 combinaties van taal en schrift. Volgens NVIDIA verbeterde dit de resultaten op vijf geëvalueerde benchmarks voor Indiase talen met maximaal 9.82 procentpunt. Verdere training was gericht op taken met lange contexten en softwareontwikkeling. NVIDIA zegt dat een laatste trainingsfase de RULER-1M-score van Super herstelde van 33.5 naar 81.0, nadat die in een eerdere fase was gedaald.
Prestaties hangen af van de opstelling
NVIDIA testte ook het parallel inzetten van meerdere agents en ze hun eigen antwoorden laten controleren. In de door het bedrijf geëvalueerde opstellingen steeg Terminal-Bench 2.1 daarmee van 62.7% naar 71.9%, DeepSWE van 24.6% naar 34.5% en BrowseComp van 71.5% naar 79.8%. Deze cijfers gelden voor die aanpak met meerdere agents en zijn geen gegarandeerd resultaat voor elke toepassing.
Wat snelheid betreft meldt NVIDIA maximaal 4,856 gegenereerde tokens per seconde op één GB200-GPU, met minstens 50 tokens per seconde per gebruiker in de geteste agentworkflow van 20 beurten. Volgens het bedrijf kwam de NVFP4-versie op 36 benchmarks uit op een mediane nauwkeurigheid van 99.62% ten opzichte van BF16. Deze resultaten zijn afhankelijk van NVIDIA-hardware en de testopstelling; ze zeggen niet hoe de modellen op andere systemen zullen presteren.
Waarom het ertoe doet
Voor onderzoekers en ontwikkelaars bieden de uitgebrachte checkpoints en recepten een manier om de modellen uit te proberen of erop voort te bouwen, zonder ze vanaf nul te trainen. De benchmarkresultaten van NVIDIA wijzen erop dat Super geschikt kan zijn voor softwareontwikkelingsagents. Onafhankelijke resultaten, licentievoorwaarden en de hardware die nodig is voor een praktische implementatie zijn op basis van de verstrekte informatie echter nog onduidelijk.
