NVIDIA Nemotron 3.5 Super VL : Le nouveau roi de l'IA multimodale Open Source

Introduction : Une révolution pour les agents IA

Le paysage de l'intelligence artificielle vient de connaître un séisme majeur. NVIDIA a officiellement lancé son modèle Nemotron 3.5 Super VL, une architecture multimodale de pointe conçue spécifiquement pour répondre aux exigences croissantes des agents IA autonomes de longue durée.

Contrairement aux modèles purement textuels, le Super VL est nativement conçu pour comprendre et raisonner sur une variété de modalités : texte, images, documents complexes et flux vidéo. Ce n'est pas seulement une mise à jour, c'est un changement de paradigme pour les développeurs qui cherchent à construire des systèmes capables d'interagir avec le monde réel de manière fluide et intelligente.

• Sortie officielle : 15 octobre 2026
• Nature : Modèle multimodal open-source (CC-BY-4.0)
• Cible : Agents IA, raisonnement complexe et utilisation d'outils

Architecture et Spécifications Techniques

Au cœur de Nemotron 3.5 Super VL se trouve une architecture Mixture-of-Experts (MoE) extrêmement optimisée. Avec un total de 120 milliards de paramètres, le modèle utilise une stratégie de sparsité intelligente qui ne sollicite que 12 milliards de paramètres actifs (A12B) par jeton traité. Cette approche permet d'obtenir une puissance de calcul massive tout en maintenant une efficacité de débit exceptionnelle.

L'un des atouts majeurs pour les ingénieurs est sa fenêtre de contexte gigantesque de 1 million de jetons, rendue possible par l'implémentation de RoPE (Rotary Positional Embeddings). Cela permet au modèle d'analyser des vidéos entières ou des bibliothèques de documents sans perdre le fil de la cohérence.

• Paramètres totaux : 120B (MoE)
• Paramètres actifs : 12B (A12B)
• Fenêtre de contexte : 1M de tokens avec RoPE
• Données d'entraînement : 38.5B tokens spécialisés

Performances : L'Open Source surpasse les géants propriétaires

Les benchmarks sont sans appel : le Nemotron 3.5 Super VL domine la catégorie des modèles ouverts à échelle égale. Sur des tests cruciaux comme Video-MME (compréhension vidéo), MMLU-Pro (raisonnement général), et DocVQA/ChartQA (analyse de documents), il établit de nouveaux standards de l'industrie.

Le score le plus impressionnant se trouve sur le benchmark GPQA-Diamond-FreeForm, où le modèle atteint 82,6 %. Ce résultat place NVIDIA devant des modèles propriétaires de premier plan tels que Claude Opus 5 et GPT-6.1 Sol. Cette supériorité est renforcée par la capacité de contrôle du raisonnement, permettant de basculer entre un mode 'thinking' (réflexion approfondie) et un mode direct selon les besoins de l'application.