Fire Nemotron-modeller på én dag – men tallene hviler på selskapets egne påstander
-
oktober 2026 kom ikke bare en modell, men en hel struktur: NVIDIAs 120B flaggskip Super VL, to Bolt-kantmodeller, Multiverses komprimerte Comet 60B og Mindbeams post-trente CUDA-kjernemodell. Samme dag. Men bak det meste ligger egopubliseringskrav uten publiserte testprotokoller.
-
oktober 2026 var ikke en vanelig modellansdag. NVIDIA lanserte utvidelsen av Nemotron 3.5-familien – multimodale Super VL på 120 milliarder parametre pluss to Bolt-modeller for lokal kjøring – og samme dag kom to økosystemlanseringer rundt dem: Multiverse Computings komprimerte Comet 60B og Mindbeams post-trente modell og inferensmotor for CUDA-kjerner. Fire lanseringer, to samarbeidspartnere og en hel «effektivitetsstabel» på 24 timer.
Bildet som tegner seg, er ikke primært et kappløp om råskalatestresultater, men om hvem som kan levere mest intelligens per gigabyte, per watt og per kontrakstask – fra datasenter til 4 GB-enheter. Samtidig hviler nesten alle tallene i denne saken på selskapenes egne opplysninger: VentureBeat påpeker at NVIDIA ikke har levert oppgavedefinisjoner, utvalgsstørrelser eller testprotokollen bak benchmark-diagrammet, og økosystemtallene er rene pressemeldingspåstander.
Det som faktisk kom 15. oktober
Kjernen i lanseringen er Nemotron 3.5 Super VL, en åpen modell på 120 milliarder parametre som ifølge NVIDIA kan jobbe på tvers av PDF-er, diagrammer, tabeller, bilder og nettsider, samtidig som den følger instruksjoner og bruker verktøy. Det er altså en multimodal modell bygget for agentiske arbeidsflyter, ikke bare chat.
Rundt flaggskipet plasserer ZDNET to kantmodeller: Nemotron 3.5 Bolt 74B-A9B 24GB, beregnet for lokal agentbruk, og Nemotron 3.5 Bolt E4B 4GB for stemmeagenter, enhetsagenter og interaktive karakterer. Sistnevnte er annonsert, men skal først ut 23. oktober – den er altså ikke tilgjengelig ennå. NVIDIA markedsfører Bolt-serien med påstanden om høyest intelligens per gigabyte i familien.
Samme dag lanserte Multiverse Computing Comet 60B, en komprimert og optimalisert versjon av Super VL, i samarbeid med NVIDIA. Og Mindbeam annonserte et samarbeid som dekker to lag i den åpne AI-stakken: en post-trent modell som genererer høytytende CUDA-kjerner, og en inferensmotor som kjører NVIDIAs åpne modeller.
Hurtighetspåstanden: 5x raskere
NVIDIA beskriver Super VL i pressemeldingen, gjengitt av ZDNET, slik: «Som den raskeste åpne agentmodellen i sin klasse – 5x raskere enn den nest beste – hjelper den bedriftsagenter med å fullføre oppgaver med høyt volum raskere, på tvers av arbeidsflyter som strekker seg over dager eller uker.»
Påstanden bygger ifølge ZDNET på benchmarktester fra Artificial Analysis, der Super VL sammenlignes med Ling 3.0 Flash og DeepSeek V4.1 Flash. Metodikken bak sammenligningen er ikke tilgjengelig i det som er offentliggjort så langt, så «5x raskere enn den nest beste» bør leses som en markedsføringspåstand med et navngitt måleselskap bak – ikke som et uavhengig verifisert resultat.
Post-trening som forsvar for 120B-modellen
Det mest interessante i NVIDIAs Fortelling er ikke basismodellen, men hva bedrifter skal kunne bygge på den. Ifølge VentureBeat sier NVIDIA at dusinvis av organisasjoner allerede post-trenter Super VL, og et diagram viser forbedringer på 9 til 44 prosent på fem spesialiserte oppgaver – der hver spesialiserte versjon skårer over en navngitt Claude- eller GPT-modell på akkurat den oppgaven.
ZDNET fremhever eksempelet om medisinske forsikringskrav: en forbedring på 44 prosent som skal ha plassert modellen langt over Claude Opus 5. Men ZDNET er tydelig på den viktige nyansen: det betyr at basismodellen ikke slo de proprietære frontiemodellene på egen hånd. Poenget NVIDIA vil frem til, er at bedrifter kan skreddersy den åpne modellen og oppnå svært spesifikke gevinster.
NVIDIA løfter frem navngitte samarbeidspartnere og bruksområder, rapportert av VentureBeat:
- Scale AI, for Skydances finansagent for leverandørkreditt
- EY, for due diligence-agent i fusjoner og oppkjøp
- AfterQuery, for Hebbias analyse av kredittavtaler
- AI21 og Alice, for cybersikkerhet
- Mercor, for kodeagenter
VentureBeat nevner også plattformaktører som Atlassian, CrowdStrike, Perplexity, Salesforce og Synopsys som integrerer eller bygger på modellen.
Her er den metodiske forbeholdet vesentlig: VentureBeat konstaterer at NVIDIA ikke har levert oppgavedefinisjonene, utvalgsstørrelsene eller testprotokollen bak resultatene i diagrammet. Uten det kan ikke 9–44-prosenttallene repliseres eller kalibreres av uavhengige parter.
Effektivitetskjeden i praksis: Comet 60B
Multiverse Computings Comet 60B viser hvordan effektivitetstesen settes ut i livet. Ifølge selskapets pressemelding halverer Comet 60B det totale parameterantallet til 60 milliarder, beholder alle tre modalitetene og de samme 12 milliardene aktive parametrene, og forbedrer i enkelte områder originalmodellen – mens den ellers «holder seg innenfor 5 prosent av originalmodellens nøyaktighet» på tvers av tekst-, bilde- og videooppgaver.
Det er verdt å merke seg hva dette forteller om Super VLs arkitektur: en modell med 120 milliarder totale parametre men bare 12 milliarder aktive er en mixture-of-experts-modell. Det er samme designfilosofi som gjør komprimering og sparsom aktivering attraktive – du bærer på mye kapasitet, men betaler bare for en liten del av den per token.
Multiverse beskriver sin CompactifAI-prosess i flere trinn: profilering med tensor-nettverk, komprimering, «healing» av modellen, og forsterkningslæring i GRPO-stil. Til slutt kvantiseres modellen og leveres i BF16-, FP8- og NVFP4-formater, «slik at kundene kan velge presisjonen som passer deres maskinvare og latensmål», heter det i pressemeldingen. Alle disse tallene er selskapets egne, uten uavhengig verifikasjon.
Mindbeam: post-trent modell som skriver CUDA-kjerner
Mindbeams bidrag er kanskje det mest teknisk spesifikke. Selskapet har post-trent Super VL til «Litespark Nemotron 3.5 Super VL», en modell som skal generere høytytende CUDA-kjerner – altså selve GPU-koden som får beregninger til å gå raskt. Ifølge pressemeldingen forbedret modellen seg på KernelBench Level 2 fra 22,8 til 82,1 prosent, noe selskapet sier overgår GPT 5.6 Sols 57 prosent.
Mindbeam oppgir også førsteklasses inferensstøtte i egen motor med 962 tokens per sekund per bruker på to H200-GPU-er. Også her gjelder det samme: dette er selvpåståtte tall fra en pressemelding uten publisert protokoll eller uavhengig replikering. Men de peker på en reell teknisk trend – modeller som trenes spesifikt på å produsere systemkode, og inferensmotorer optimalisert for bestemte modellfamilier.
Familiekonteksten: fra Lightning til 4 GB
Utvidelsen den 15. oktober står i en lengre linje. Nemotron 3.5 Lightning, en mixture-of-experts-modell med 30 milliarder totale parametre men bare 3 milliarder aktive om gangen, ble lansert og dokumentert den 11. august 2026, rettet mot langvarige agenter med lave inferenskostnader.
Med Bolt-modellene trekkes «høyest intelligens per gigabyte»-formelen ned til 24 GB og videre til 4 GB – altså modeller som kan kjøre lokalt på stasjonære maskiner og i enheter, til bruk for stemmeagenter og interaktive karakterer. Spennet i familien er dermed bevisst: 120B flaggskip for bedriftspost-trening, 30B Lightning for langsiktige agenter, og Bolt-modeller for kanten.
Verifikasjonsgapet
Det finnes foreløpig ingen primær NVIDIA-dokumentasjon – modellkort, teknisk rapport eller selve kunngjøringen – i det offentlige underlaget som denne dekningen bygger på. Alle spesifikasjoner og ytelsespåstander om Super VL og Bolt kommer via VentureBeat, ZDNET eller partneres pressemeldinger. Konkret betyr det:
- Benchmark-diagrammet (9–44 %) mangler oppgavedefinisjoner, utvalgsstørrelser og testprotokoll, ifølge VentureBeat.
- 5x-hastighetspåstanden hviler på Artificial Analysis-tester slik NVIDIA selv siterer dem.
- Comet 60Bs «innenfor 5 %»-nøyaktighet og Mindbeams KernelBench- og gjennomstrømmingstall er rene egopubliseringskrav.
Ingen av dette betyr nødvendigvis at tallene er gale – men de er alle strukturelt påstander fra partier med interesse i resultatet, og bør verifiseres før de behandles som fakta.
Åpne spørsmål
Tre ting vil kunne endre bildet. For det første: uavhengig replikering av benchmarkdiagrammet og av Multiverse- og Mindbeam-tallene. For det andre: om Bolt E4B 4GB faktisk lander 23. oktober som lovet, og hvordan den presterer i praksis på 4 GB-maskinvare.
For det tredje: Shattered.io refererer til et rykte, formidlet via The Information, om at NVIDIA jobber med en Nemotron 4 etterfølger med rundt en billion parametre. Dette er ubekreftet – verken lanseringsdato eller parameterantall er bekreftet – og bør behandles som akkurat det: et rykte.
Hva dagen forteller
Det mest betydningsfulle ved 15. oktober er kanskje ikke modellene selv, men hastigheten. Et åpent flaggskip lansert om morgenen var innen utgangen av dagen komprimert til halvparten av parameterantallet av ett selskap og post-trent til å skrive GPU-kode av et annet. Åpen-vekt-økosystemer former seg nå i timer, ikke måneder – og det gjør både lanseringen og forbeholdene relevante samtidig. For hver gang et økosystem vokser raskere, blir avstanden mellom pressemeldingstall og verifiserte resultater desto viktigere å holde øye med.