輝達於二零二六年十月十五日在官方 Blog 公布 Nemotron 3.5 系列擴充：開源一千二百億參數的 Super VL，並同步推出面向邊緣與本機的 Bolt 型號，覆蓋由大型企業伺服器到桌面／邊緣裝置的代理式部署。官方強調模型可後訓練、可在自有基礎設施運行，並以開源權重、資料集與訓練配方降低對封閉前沿模型的依賴。來源真實性已驗證：以下事實均直接核對自該 NVIDIA Blog 原文，不另加未經核對數字。

對香港企業資訊長與私有 AI 團隊而言，這條產品線把「常駐代理」與「資料不出境／可自託管」寫進同一開源路線：Super VL 對準高流量多模態代理工作流，Bolt 則把代理能力壓進本機記憶體預算。下文整理型號分工、技術機制，以及對亞洲企業落地私有代理的含義。

輝達／官方：開源 Nemotron 3.5 Super VL 與 Bolt——一千二百億參數代理模型，由資料中心貫穿桌面可自託管

二○二六年十月十五日，NVIDIA Blog 發表《Open From Data Center to Desktop: NVIDIA Expands Nemotron Family With Highest Efficiency Super VL and Bolt Models》。文章指，輝達當日發布開源 Nemotron 3.5 Super VL（一千二百億參數），並加入兩款邊緣型號：Nemotron 3.5 Bolt 74B-A9B 24GB（平衡智能與每 GB 速度，服務本機代理負載）與 Nemotron 3.5 Bolt E4B 4GB（優化每 GB 智能，服務快速對話代理）。官方寫明 Super VL 與 Bolt 74B-A9B 即日可用，Bolt E4B 預定 十月二十三日推出。來源真實性已驗證：本文以該官方網誌為主要事實來源改寫，不複製全文，亦不引用第三方未核對基準以外的數字。

一、核心事件：一條產品線覆蓋伺服器到邊緣

技術細節

官方把三款開源模型定位為覆蓋「代理部署完整區間」：由大型企業伺服器，下至邊緣裝置與本機硬體。任何希望在 NVIDIA 基礎設施上運行代理的組織，理論上可按層級選到對應的開源、優化模型，而不必在能力與可部署性之間二擇一。

產品族譜方面，Super VL 與 Bolt 加入既有的 Lightning 與 Ultra：Lightning（八月發布）處理高吞吐量負載；Ultra 處理最困難的推理任務；Bolt 則把智能帶到邊緣。

Nemotron 3.5 Super VL 與 Nemotron Coalition 合作打造。官方指其在多模態代理任務（指令遵循、工具使用、多步業務流程、視覺理解）上的準確度，可與輝達最大推理模型相當，但參數量約為其五分之一；並稱其為同階最快的開源代理模型——相對同階次佳可達約五倍吞吐，有助企業代理在橫跨數日以至數週的工作流中更快完成高流量任務。與封閉前沿模型不同，組織可在自有資料上後訓練 Super VL、部署於自有基礎設施，並監督所建系統。

Nemotron 3.5 Bolt 方面，74B-A9B 24GB 設計在 NVIDIA RTX／DGX Spark 上本機執行日常代理任務，採原生 2-bit 量化以塞進 24GB 記憶體，並可與其他應用並行。官方指使用者可把專案委派給常見本機 agent harness（由網上研究、寫作到除錯程式），而無須把負載送上雲端；並稱其在 PinchBench 同階開源模型中排名第一、在 BrowseComp 開源模型中排名第二。Bolt E4B 4GB 則面向 GeForce RTX、Jetson 及 RTX／DGX Spark 上的實體與對話代理，結合自然對話與多輪代理能力。

二、技術原理深度解析

1. 多模態「看得見」的代理工作負載

官方把 Super VL 的視覺語言能力對準代理實務常見輸入：光學字元辨識、表格、圖表，以及視覺文件中的結構化資訊。模型可處理網頁、擷取文字、讀取圖表，並由 PDF 等文件得出洞見；文字與視覺理解合於單一模型，令代理不必在不同系統之間轉送任務，脈絡可隨文件→資料→決策一路延續。

2. 開源權重、可後訓練與資料主權

官方強調開放與可定制互相強化：模型附帶開源權重、開源資料集與訓練配方。控制分兩向——組織可按保安與資料駐留要求選擇運行位置；亦可選擇可自行適配的模型，而非受供應商限制。原文舉例：保險業可定制代理反覆掃描索償以尋找欺詐標記；金融服務可按機構自有放貸準則審視信用並標示活動——模型留在現場，資料保持私密。定制途徑包括 NVIDIA NeMo、Python 管線與開源資料集。

訓練規模（官方披露）：Super VL 在預訓練與持續預訓練合計約 二十六兆 tokens，其後以約 三百八十萬 樣本後訓練，並在數十個環境做強化學習。輝達亦在 Hugging Face 釋出涵蓋代理工具使用、金融、指令遵循、長上下文、公平性與視覺語言理解等開源資料集，以及 NeMo Gym 中的強化學習環境。

3. 生產封裝與服務效率

NVIDIA NIM 把模型封裝為生產就緒微服務，附效能優化與經驗證設定，並提供企業級支援；官方指每兩週刷新保安修補與效能改進。在 NVIDIA Dynamo 上運行時，官方稱可服務多達約八倍使用者，並降低約 百分之八十五 延遲。取得途徑包括 Hugging Face、Open Router、ModelScope 社群，以及 NVIDIA NIM。硬體覆蓋 DGX Spark、DGX Station、RTX PRO／RTX（桌面本機智能）、Jetson（邊緣），以至資料中心與雲端。Bolt 74B-A9B 24GB 已上 Hugging Face，並支援 llama.cpp、Ollama、LM Studio、Unsloth 與 vLLM；官方亦指其為即將於十月十六日到貨的 NVIDIA RTX Spark 筆記型電腦而建。

4. 行業後訓練與平台整合（官方點名）

原文列舉多家組織正把 Super VL 後訓練到自有資料、工具、政策與工作流，例如：Scale AI 為 Skydance 供應商信用財務代理、為 EY 併購盡職審查代理後訓練；AfterQuery 為 Hebbia 信用協議分析定制；AI21 與 Alice 用於網絡攻擊韌性；Mercor 以 APEX-SWE 編碼基準後訓練編碼代理；ModelScope 經 ms-swift 支援微調。其他點名包括 Ramp（金融文件智能）、Dream（主權式資安研究）、Lila Sciences、R1（醫療索償與營收週期）等。平台整合方面則提到 Atlassian（跨 Jira／Confluence 的代理搜尋）、CrowdStrike（企業資安藍隊代理）、Dassault Systèmes、Perplexity、Salesforce Missionforce Operations，以及與 Synopsys 半導體設計驗證軟體互通等——以上均為官方文內表述，實際落地範圍仍以各企業自身披露為準。

四、日常應用場景

1. 開發者與技術團隊

對已建本機 agent harness 或評估 Ollama／vLLM／llama.cpp 的團隊，Bolt 提供「塞進 24GB、可並行其他應用」的開源選項；Super VL 則適合需要多模態文件理解與工具呼叫的長跑代理。可先在非生產環境用開源權重驗證工作流，再決定是否改走 NIM 生產封裝。

2. 企業與隱私敏感行業

重點在於 可後訓練＋可自託管：金融、專業服務、醫療與政府相關流程若不能把客戶文件送出境外，開源權重與現場部署路徑較易對齊內部政策。原文亦以保險欺詐掃描、放貸準則審核作情境說明——企業仍須自行補上評估、審計與人類覆核，模型發布本身不等於合規證明。

3. 一般用戶

一般消費者不會直接下載 Super VL；較可能接觸到的是筆電／工作站上的本機助手，或企業內部工具改以代理處理文件與工單。Bolt E4B 對準對話與嵌入式介面，屬裝置端體驗層，而非消費雲端聊天產品本身。

4. 香港與亞洲市場視角

香港金融、專業服務與受規管行業對資料駐留與模型可控性要求較高；Nemotron 3.5 把「開源代理」從資料中心一路拉到 RTX／DGX Spark 桌面，讓本地團隊可在自有硬體上做概念驗證，再決定是否擴至機房或私有雲。亞洲供應鏈與製造場景亦可關注多模態文件（圖表、PDF、網頁）單模型處理，減少多系統轉送。硬體門檻與電力／散熱成本仍在：沒有對應加速卡的團隊，應先評估雲端 NIM 或託管方案，而非假設「開源即零成本」。

五、專業評價與潛在考量

優勢

官方、開源、產品線分層清楚（Super VL／Bolt／既有 Lightning／Ultra），對企業採購與架構分層友善。
明確對準常駐代理、多模態文件與工具使用，而非純聊天基準行銷。
開源權重＋後訓練＋現場部署敘事，貼合資料主權與私有 LLM 需求。
提供 NIM／Dynamo 等生產路徑，以及 Bolt 本機生態（Ollama、vLLM 等）雙軌。

需要留意的地方

「五倍吞吐」「八倍使用者／百分之八十五較低延遲」等為官方相對同階或特定堆疊的表述，採購應以自有負載實測為準。
重度依賴 NVIDIA 硬體與軟體棧（RTX／DGX／Jetson、NeMo、NIM、Dynamo）；異質加速或純 CPU 環境要另計移植成本。
行業客戶與整合名單為供應商披露，不代表香港讀者可即時取得相同方案或授權條款。
開源與可定制降低供應商鎖定，但企業仍須自行負責資料管治、提示注入防護、輸出審核與營運監控。

結語

Nemotron 3.5 Super VL 與 Bolt 把輝達開源代理模型從資料中心延伸到桌面與邊緣，並以可後訓練、可自託管作為核心賣點。若香港團隊正評估「常駐代理」而又必須守住資料邊界，宜先核對硬體層級與 NIM／本機運行路徑，再以內部文件與工具鏈做小規模後訓練試驗。

如需在香港部署類似私有 AI／企業私有 LLM（年費 HK$88,000 起；Dataset → QLoRA／LoRA → 私有 API，強調數據可控），可參考 YSK Limited 的企業私有 LLM 全託管：https://ysk.hk/services/ai-automation。

參考來源

NVIDIA Blog, “Open From Data Center to Desktop: NVIDIA Expands Nemotron Family With Highest Efficiency Super VL and Bolt Models,” 2026-10-15: https://blogs.nvidia.com/blog/nemotron-3-5-super-vl/
NVIDIA Developer Blog（官方文內技術文章連結）: https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/
Nemotron 開源資料集／權重入口（官方文內 Hugging Face 相關連結）: https://huggingface.co/collections/nvidia/nemotron-pre-training-datasets