# NVIDIA stellt Nemotron 3.5 Open Foundation-Modelle mit 120B Super VL und Edge Bolt-Architekturen vor

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/de/article/nvidia-unveils-nemotron-3-5-open-foundation-models-super-vl-2026-10-23-mornin-de
Section: AI (https://technewslist.com/de/ai)
Author: TechNewsList
Language: de
Published: 2026-10-23T06:01:58.325+00:00
Updated: 2026-10-23T06:01:58.723223+00:00

> NVIDIA stellt die offenen Basismodelle Nemotron 3.5 vor, die über eine Mixture-of-Experts-Vision-Language-Architektur mit 120 Milliarden Parametern und nativer 2-Bit-Quantisierung für Edge-Workstations verfügen.

## TL;DR
- NVIDIA brachte Nemotron 3.5 auf den Markt, eine offene Modellfamilie, die Cloud-MoE-Supercomputer bis hin zu lokaler Workstation-Hardware umfasst.
- Das Flaggschiff Nemotron 3.5 Super VL aktiviert 12 Milliarden Parameter pro Token aus einem Gesamtparameterpool von 120 Milliarden mit einem 1-Millionen-Token-Kontext.
- Nemotron 3.5 Bolt-Modelle führen eine native 2-Bit-Post-Training-Quantisierung ein und führen 74B-Modelle innerhalb von 24-GB-VRAM-Workstation-Budgets aus.
- Unternehmenspartner, darunter Salesforce und Scale AI, berichteten von bis zu fünffachen Durchsatzverbesserungen für mehrstufige Agenten-Workflows.

## Key points
- Open-Foundation-Modelle bieten Unternehmen reproduzierbare Gewichtungen ohne Bindung an einen proprietären Cloud-Anbieter.
- Die 120B Super VL-Architektur integriert multimodales Vision-Sprachverständnis direkt in Agenten-Denkungspfade.
- Die native 2-Bit-Quantisierung verhindert eine Verschlechterung der Genauigkeit und reduziert gleichzeitig den Bedarf an Speicherbandbreite um über 60 Prozent.
- Die Hardware-Integration reicht von NVIDIA DGX SuperPODs bis hin zu Einzel-GPU-RTX-Workstations, auf denen native Windows- und Linux-Stacks ausgeführt werden.
- Akzeptanz-Benchmarks zeigen eine überlegene Tool-Nutzungszuverlässigkeit und Dokumenten-Parsing-Geschwindigkeit bei Pilotimplementierungen in Unternehmen.

## Was passiert ist

NVIDIA hat heute offiziell sein offenes Portfolio für künstliche Intelligenz mit der weltweiten Einführung der Modellfamilie Nemotron 3.5 erweitert. Der Headliner der Veröffentlichung ist Nemotron 3.5 Super VL, ein 120-Milliarden-Parameter-Mixture-of-Experts-Grundmodell, das mit einem 1-Millionen-Token-Kontextfenster ausgestattet ist. Im Gegensatz zu früheren geschlossenen Iterationen hat NVIDIA die vollständigen Modellgewichte und Trainingskontrollpunkte für Unternehmensentwickler zugänglich gemacht und so die offene Forschung zu persistenten autonomen Agentenarchitekturen in Cloud- und lokalen Umgebungen beschleunigt.

Neben dem Hyperscale-Modell Super VL stellte NVIDIA erstmals die Nemotron 3.5 Bolt-Serie vor, die speziell für Edge Computing und persönliche KI-Workstations entwickelt wurde. Durch die direkte Integration nativer 2-Bit-Quantisierungskerne in Tensor-Kompilierungsroutinen ermöglicht die Bolt-Architektur Unternehmen, komplexe Argumentationssysteme mit 74 Milliarden Parametern innerhalb standardmäßiger 24-Gigabyte-VRAM-Footprints auszuführen, ohne das Kontextverständnis zu beeinträchtigen. Die Veröffentlichung spiegelt einen wesentlichen strategischen Schwenk hin zu offenen, zugänglichen Basismodellen wider, die komplexe Werkzeugaufrufe ohne Cloud-Bindung bewältigen können.

## Warum es wichtig ist

Der Übergang zu einer persistenten, mehrstufigen Agenten-KI hat einen enormen Druck auf die Infrastruktur von Rechenzentren und die Betriebsbudgets ausgeübt. Herkömmliche dichte Modelle erfordern häufig Cluster miteinander verbundener Unternehmensbeschleuniger, um bei der Verarbeitung umfangreicher Tool-Aufrufsequenzen lediglich Konversationslatenzen in Echtzeit aufrechtzuerhalten. Dies schafft erhebliche wirtschaftliche Hürden für Unternehmen, die Arbeitsabläufe mit speziellen lokalen Daten automatisieren möchten.

Durch die Bereitstellung einer spärlich aktivierten Mixture-of-Experts-Architektur, die nur 12 Milliarden Parameter pro Inferenztoken auslöst, reduziert Nemotron 3.5 Super VL die Rechenkosten pro Abfrage um mehr als 70 Prozent im Vergleich zu ähnlich leistungsfähigen monolithischen Systemen. Darüber hinaus erhalten Unternehmen durch die offene Prüfbarkeit dieser Gewichte vollständige Kontrolle über behördliche Prüfungen, lokale Datenhoheit und individuelle Feinabstimmung in sensiblen Betriebsbereichen.

![Blue Gene P Supercomputer-Architektur](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1792734964430-w19vc7-nvidia-unveils-nemotron-3-5-open-foundation-models-super-vl-2026-10-23-morning-inside-1-f61696f429.webp)
*Hochdichte Parallelverarbeitungs-Hardware-Arrays, die die Ausführung verteilter neuronaler Netzwerke und das KI-Training für Unternehmen unterstützen.*

## Technische Details

Das Herzstück von Nemotron 3.5 Super VL ist ein optimierter Hybrid-Routing-Mechanismus, der visuelle Darstellungen und sprachlichen Kontext dynamisch über 16 spezialisierte Expertenschichten hinweg ausgleicht. Während jedes einzelnen Generierungsschritts leitet der Inferenzplaner eingehende Token an die beiden relevantesten Expertenpfade weiter und sorgt so für maximalen Durchsatz, während gleichzeitig die granulare Domänenexpertise über verschiedene technische Disziplinen hinweg erhalten bleibt.

Die Kontextarchitektur nutzt Rotationspositionseinbettungen in Kombination mit Flash-Attention-Primitiven, um die Kohärenz über das 1-Millionen-Token-Eingabefenster hinweg aufrechtzuerhalten. Bei Evaluierungen, die an Benchmarks für komplexe abrufgestützte Generierung und autonome Arbeitsabläufe durchgeführt wurden, behielt das Modell eine Genauigkeit von 99,4 Prozent über die gesamte Kontexttiefe bei und löste so die seit langem bestehende Beeinträchtigung der Erinnerung bei erweiterten Agentendialogen.

Für den lokalen Einsatz führt die Variante Nemotron 3.5 Bolt 74B-A9B ein asymmetrisches Quantisierungs-Framework ein. Kritische Aufmerksamkeitsköpfe und Routing-Gates bleiben in 8-Bit-Präzision, während dichte Feed-Forward-Gewichte auf 2-Bit-Darstellungen komprimiert werden. Diese selektive Präzisionsstrategie gewährleistet die Genauigkeit der Argumentation und reduziert gleichzeitig Speicherbandbreitenengpässe auf Workstation-GPUs.

## Auswirkungen auf Markt und Branche

Frühe Unternehmensanwender wie Salesforce, Navan und Scale AI haben Nemotron 3.5 bereits in automatisierte Geschäftsprozesse integriert. Erste Bereitstellungs-Benchmarks deuten auf eine fünffache Steigerung des Abfragedurchsatzes bei der Ausführung komplexer Multi-Turn-Dokumentenparsing-, Finanzanalyse- und Reiselogistik-Workflows im Vergleich zu früheren Open-Weight-Alternativen hin. Entwickler betonen, dass die deterministische Tool-Nutzungsleistung mit proprietär gehosteten APIs übereinstimmt.

Die aggressive Veröffentlichung von Open-Frontier-Gewichten durch NVIDIA verändert auch das Wettbewerbsgleichgewicht unter den Anbietern von Stiftungsmodellen. Anstatt kommerzielle Kunden zu proprietären API-Abonnements zu zwingen, stattet NVIDIA Hardware-Kunden aktiv mit hochmodernen Modellen aus, die direkt auf ihren vorhandenen Computing-Investitionen laufen, und stärkt so die Kundenbindung in seinen Rechenzentrums- und Workstation-Hardware-Segmenten, während gleichzeitig geschlossene Cloud-Gräben in Frage gestellt werden.

![Summit Supercomputing Facility](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1792734966392-af2wga-nvidia-unveils-nemotron-3-5-open-foundation-models-super-vl-2026-10-23-morning-inside-2-3c78482b10.webp)
*Fortschrittlicher wissenschaftlicher Beschleuniger-Supercomputing-Cluster, der einen hohen Durchsatz für multimodale Argumentations-Benchmarks liefert.*

## Worauf man als Nächstes achten sollte

Die Open-Weights-Version soll ab sofort auf Hugging Face, dem NVIDIA NGC-Katalog und auf wichtigen Cloud-Marktplätzen wie AWS und Microsoft Azure eingeführt werden. Entwicklerteams können über NVIDIA NIM auf containerisierte Microservices zugreifen und so die Bereitstellung in bestehenden Kubernetes-Produktionsclustern und Hybrid-Cloud-Infrastrukturen optimieren, ohne die Betriebstelemetrie neu zu konfigurieren.

Branchenbeobachter werden die Community-Feinabstimmungen und domänenspezifischen Destillationen in den kommenden Quartalen genau beobachten. Während Hardwarehersteller zunehmend Edge-Inferenz-Engines für die 2-Bit-Quantisierung optimieren, schafft Nemotron 3.5 eine neue Referenzbasis für zugängliche, produktionstaugliche Agentenintelligenz, die nahtlos von Edge-Hardware bis hin zu Hyperscale-Cloud-Rechenzentren funktioniert.

## Quellen

- [NVIDIA Entwickler-Blog](https://developer.nvidia.com/blog/nemotron-3-5-agentic-multimodal-foundation-models/): Offizielle technische Ankündigung zur Nemotron 3.5-Architektur, zu den Super VL-Benchmark-Ergebnissen und zu den Quantisierungsspezifikationen des Bolt-Modells.
- [VentureBeat AI-Kanal](https://venturebeat.com/ai/nvidia-launches-nemotron-3-5-super-vl-open-weights/): Unabhängige Analyse der Open-Weights-Strategie von NVIDIA im Vergleich zu OpenAI und Google bei der Bereitstellung von Unternehmensagenten.
- [Toms Hardwaresysteme](https://www.tomshardware.com/tech-industry/artificial-intelligence/nvidia-nemotron-3-5-bolt-local-edge-ai): Hardware-Bewertung mit detaillierten Angaben zur 2-Bit-Quantisierungseffizienz und zum Speicherbedarf in allen RTX-Workstation-Konfigurationen.

Mentions: NVIDIA, Jensen Huang, Nemotron 3.5, Super VL, Salesforce, Scale AI

## Sources
- [NVIDIA Entwickler-Blog](https://developer.nvidia.com/blog/nemotron-3-5-agentic-multimodal-foundation-models/)
- [VentureBeat AI-Kanal](https://venturebeat.com/ai/nvidia-launches-nemotron-3-5-super-vl-open-weights/)
- [Toms Hardwaresysteme](https://www.tomshardware.com/tech-industry/artificial-intelligence/nvidia-nemotron-3-5-bolt-local-edge-ai)