# NVIDIA lança checkpoints abertos dos modelos Nemotron 3.5

> O Nemotron 3.5 Super processa texto, imagens e vídeos; o Lightning, menor, trabalha apenas com texto. NVIDIA informa janela de contexto de até 1 milhão de tokens e resultados em engenharia de software.

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

A NVIDIA anunciou o Nemotron 3.5 Super e o Nemotron 3.5 Lightning em 14 de outubro de 2026 e afirma que está disponibilizando checkpoints dos modelos e materiais de apoio. O Super tem 120 bilhões de parâmetros, dos quais 12 bilhões são ativados por token; o Lightning é um modelo apenas de texto, com 30 bilhões de parâmetros no total e 3 bilhões ativos por token. Os dois usam uma arquitetura híbrida que combina componentes Mamba e Transformer com uma estrutura de mistura de especialistas (Mixture of Experts), que ativa apenas parte do modelo para cada token.

Os modelos foram projetados para lidar com documentos longos e tarefas de agentes, nas quais o software pode usar ferramentas e executar várias etapas. O Super processa texto, imagens, vídeos e ferramentas interativas. A NVIDIA diz que os dois modelos aceitam janelas de contexto de até 1 milhão de tokens. O lançamento inclui checkpoints BF16 e compactados em NVFP4, além de receitas de treinamento e avaliação, conjuntos de dados e ferramentas de decodificação especulativa. O anúncio da NVIDIA não informa preço nem termos de licença.

## O que a NVIDIA diz que o Super consegue fazer

Segundo a NVIDIA, o Super após o pós-treinamento obteve 51,78% no SWE-bench Pro, um benchmark de engenharia de software, superando o Nemotron 3 Ultra e usando cerca de 4,6 vezes menos parâmetros ativos. A empresa também afirma que o treinamento voltado a agentes elevou o resultado pass@1 do DeepSWE de 6,4% para 10,4%. Esses são resultados de avaliações divulgados pela NVIDIA; os materiais fornecidos não incluem validação independente.

A empresa descreve um processo de treinamento extenso para o Super. O modelo passou por treinamento contínuo com dados que abrangem 22 idiomas indianos e 34 combinações de idioma e escrita, o que, segundo a NVIDIA, melhorou em até 9,82 pontos percentuais o desempenho em cinco benchmarks avaliados para idiomas da Índia. As etapas seguintes de treinamento se concentraram em tarefas de contexto longo e engenharia de software. A empresa diz que uma etapa final de treinamento recuperou a pontuação do Super no RULER-1M, de 33,5 para 81,0, após uma etapa anterior tê-la reduzido.

## O desempenho depende da configuração

A NVIDIA também testou a execução de vários agentes em paralelo, com cada um verificando as próprias respostas. Nas configurações avaliadas pela empresa, isso elevou os resultados no Terminal-Bench 2.1 de 62,7% para 71,9%, no DeepSWE de 24,6% para 34,5% e no BrowseComp de 71,5% para 79,8%. Esses números se referem a essa abordagem multiagente e não garantem os mesmos resultados em todas as implementações.

Em termos de velocidade, a NVIDIA informa até 4.856 tokens de saída por segundo em uma GPU GB200, mantendo pelo menos 50 tokens por segundo por usuário em seu teste de agentes com 20 turnos. Segundo a empresa, a versão NVFP4 recuperou uma mediana de 99,62% da precisão da versão BF16 em 36 benchmarks. Esses resultados dependem do hardware da NVIDIA e da configuração de teste; não indicam como os modelos vão se sair em outros sistemas.

## Os fatos

- O anúncio da NVIDIA é datado de 14 de outubro de 2026.
- O Super tem 120 bilhões de parâmetros no total e 12 bilhões ativos por token; o Lightning tem 30 bilhões no total e 3 bilhões ativos por token.
- A NVIDIA afirma que os dois modelos aceitam janelas de contexto de até 1 milhão de tokens.
- Segundo a NVIDIA, o Super obteve 51,78% no SWE-bench Pro usando cerca de 4,6 vezes menos parâmetros ativos que o Nemotron 3 Ultra.
- O lançamento anunciado inclui checkpoints BF16 e NVFP4, conjuntos de dados e receitas de treinamento e avaliação.

## Por que importa

Para pesquisadores e desenvolvedores, os checkpoints e as receitas disponibilizados permitem testar os modelos ou usá-los como base sem precisar treiná-los do zero. Os resultados de benchmark divulgados pela NVIDIA sugerem que o Super pode ser adequado para agentes de engenharia de software, mas os detalhes fornecidos não esclarecem os resultados de avaliações independentes, os termos de licença nem o hardware necessário para uma implementação prática.

## Fontes e referências

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

Última atualização: 2026-10-30