NVIDIA představila otevřený multimodální model Nemotron 3.5 Super VL pro specializované firemní agenty. Spojuje práci s textem, obrázky, dokumenty a videem s uvažováním a voláním nástrojů. Architektura mixture-of-experts má celkem 120 miliard parametrů, při zpracování jednotlivého tokenu aktivuje 12 miliard. Jeden model tak může například přečíst graf, propojit jej s tabulkou a připravit shrnutí bez předávání úlohy samostatnému obrazovému modelu.
Vývojáři mohou model přizpůsobit vlastním datům a firemním pravidlům pomocí knihoven NeMo. Vydání zahrnuje základní i dotrénované váhy, kvantizované varianty a trénovací postupy. Firma současně zveřejňuje datové sady včetně 45 souborů pro úlohy propojující obraz a jazyk. Praktický přínos bude záviset na konkrétní úloze a podmínkách nasazení.
