发生了什么
英伟达 10 月 15 日一次放出三款开源模型，覆盖从数据中心到边缘的智能体部署档位。旗舰是 Nemotron 3.5 Super VL：1200 亿总参数、120 亿激活的稀疏 MoE 多模态模型，主打指令跟随、工具调用、多步业务流程与视觉理解。官方称其在 Artificial Analysis 智能指数榜单上，吞吐最高可达同级模型的 5 倍，精度与该厂商最大推理模型相当，而参数只有约五分之一。
面向终端的两款是：Bolt 74B-A9B 24GB，740 亿总参数、90 亿激活，靠原生 2 比特量化把权重压进 24GB，用于在 RTX/DGX Spark 上本地跑智能体；Bolt E4B 4GB 针对 GeForce RTX、Jetson 的对话与物理智能体，10 月 23 日推出。Super VL 与 Bolt 74B-A9B 即日可用。
- 授权与开放度：权重、数据集与训练配方开放，企业可在自有基础设施上后训练与部署
- 运行时支持：Bolt 74B-A9B 支持 llama.cpp、vLLM、Ollama、Unsloth、LM Studio，也可被 Hermes、OpenClaw 等智能体直接调用
- 推理栈：NVIDIA NIM 提供两周一次刷新的生产级微服务；配合 NVIDIA Dynamo 官方称可服务多 8 倍用户、延迟降低 85%
- 硬件节奏：Bolt 面向 10 月 16 日开售的 RTX Spark 笔记本，同时支持 GeForce RTX PC、DGX Spark、DGX Station 与 RTX PRO 工作站
企业侧的实际动作
比参数更值得关注的是生态名单。英伟达称已有数十家机构在自有数据、工具、策略与流程上后训练 Super VL：Scale AI 为 Skydance 的供应商信用金融智能体、为 EY 的并购尽调智能体做后训练；AfterQuery 为 Hebbia 定制信贷协议分析；AI21 与 Alice 面向网络安全攻防韧性；Mercor 基于 APEX-SWE 基准训练编码智能体；Ramp 用于财务文档理解，另有多家机构用于科研检索、医疗理赔与收入周期管理。
平台侧，Atlassian 用它做 Jira、Confluence 的跨应用智能体检索；CrowdStrike 将其定制为企业安全中的自动化蓝队；Salesforce 用它驱动政府工作流的数字化智能体；Dassault Systèmes 用于工程设计与仿真。对采购方而言，这份名单的意义在于：模型是否可被企业自行后训练、是否能在自有环境中留下数据，正在成为选型的前置条件，而不是加分项。
不确定之处
- 全部性能与吞吐对比均为厂方自测。官方博文未附基准表，模型卡中 Bolt 在 AA-Omniscience 准确率一项落后于 Qwen3.6-35B-A3B 与更小的 Gemma4 26B-A4B，非幻觉得分也低于同门 Lightning
- Bolt 74B-A9B 的 24GB 是「能跑起来」的内存口径，不等于笔记本端一定达到可用速度；模型卡标注上下文上限 256K
- 「同级最快/最准」缺乏第三方在同一硬件、同一运行时下的复现，采购前应自建场景评测
- Super VL 的 120B 体量在企业私有化部署中仍需要相当规模的加速卡预算，端到端成本待核算
从产业含义看，本次发布延续了一个明确趋势：开源权重模型的竞争前线，正从「旗舰谁能打」转向「同一家族能否覆盖服务器到笔记本的全部部署档位」，并配套统一的安全沙箱与路由层（英伟达同期推进 OpenShell 与开源模型路由库 Switchyard）。对企业来说，这降低了做本地智能体的集成成本，但也把评测责任更多地转移到了采购方自己身上。