NVIDIAs Super VL: 28–72 prosent på medisinske benchmarks etter trening – uten uavhengig verifisering
NVIDIA slapp 15. oktober 2026 den åpne, multimodale agent-modellen Nemotron 3.5 Super VL sammen med to Bolt-modeller. Selskapets benchmark-diagram viser angivelig at spesialiserte versjoner etter trening slår Claude Opus 5 og GPT-6.1 Sol på fem smale oppgaver – men basismodellen henger etter de ledende lukkede modellene, og ingen av tallene er uavhengig verifisert.
Hva som ble sluppet
Lanseringen består av tre åpne modeller:
- Nemotron 3.5 Super VL – en åpen multimodal modell på 120 milliarder parametere som ifølge NVIDIA kan jobbe på tvers av PDF-er, diagrammer, tabeller, bilder og nettsider mens den følger instruksjoner og bruker verktøy. Tilgjengelig nå.
- Bolt 74B-A9B (24 GB) – for lokale oppgaver. Tilgjengelig nå.
- Bolt E4B (4 GB) – forventet 23. oktober (Blockchain.News, med henvisning til NVIDIAs blogginnlegg 15. oktober 2026).
Modellene er designet for å kjøre agenter alt fra datasentersystemer til stasjonære maskiner, og Super VL er ifølge NVIDIA ment å drive agenter som jobber med oppgaver som kan vare i flere dager eller uker. Selskapet opplyser også at bedrifter kan etter-trene modellen på egne data for å tilpasse den til sine behov (AOL/Yahoo Finance).
Hvordan det fungerer: MoE og åpne vekter
Super VL bruker en Mixture-of-Experts-arkitektur der bare 12 av de 120 milliarder parameterne er aktive per token, ifølge NVIDIAs tekniske blogginnlegg (The Decoder). Det gjør inferensen billig i forhold til modellens samlede størrelse – en egenskap som passer godt for agent-arbeidsmengder med høyt volum.
Modellen er utviklet med Nemotron Coalition, en gruppe som inkluderer Mistral AI, Thinking Machines Lab, Perplexity og Black Forest Labs.
Kombinasjonen av åpne vekter og lavere inferenskostnad er poenget for bedriftsbruk: NVIDIA markedsfører modellen med fordeler som lavere kostnad og økt personvern, og fremhever at bedrifter kan etter-trene den på egne data. Det er nettopp denne veien – basismodell pluss domenespesifikk etter-trening – som påstandene om benchmark-resultater handler om.
Etter-trenings-påstandene: tallene NVIDIA presenterer
I et diagram som VentureBeat har gått gjennom, hevder NVIDIA at spesialiserte versjoner av Super VL etter trening slår navngitte Claude- og GPT-modeller på fem smale evalueringer, med forbedringer på mellom 9 og 44 prosent over basismodellen (VentureBeat):
- Medisinske krav: Nøyaktigheten stiger ifølge diagrammet fra omtrent 28 til 72 prosent etter etter-trening, mot rundt 38 prosent for Claude Opus 5 på samme evaluering. ZDNET oppgir tilsvarende et løft på 44 prosent på medisinske forsikringskrav, som ifølge NVIDIA plasserer modellen langt over Claude Opus 5 (ZDNET).
- Motstand mot sikkerhetsangrep: ca. 35 til 76 prosent etter trening, mot ca. 66 prosent for GPT-6.1 Sol (VentureBeat, siterer NVIDIAs diagram).
Merk at VentureBeats tall er avlest fra et diagram og beskrevet som omtrentlige. En partnerpressemelding fra Mindbeam presenterer et parallelt resultat: Etter-trent Super VL for generering av CUDA-kjerner skal ifølge Mindbeam ha hevet KernelBench Level 2 fra 22,8 til 82,1 prosent, over GPT 5.6 Sols 57 prosent (Mindbeam/PRNewswire).
Legg merke til at Mindbeam oppgir «GPT 5.6 Sol», mens VentureBeat oppgir «GPT-6.1 Sol» for en annen sammenligning. Det kan handle om ulike benchmark og muligens ulike sammenligningsmodeller, men navneavviket kan ikke løses med tilgjengelig dokumentasjon.
De viktige forbeholdene
Historien er altså «etter trening som ligner», ikke «åpen slår lukket». Det understrekes av to forhold:
Basismodellen ligger etter. I den samlede Artificial Analysis-rangeringen ligger Super VL langt under de ledende lukkede modellene, om den enn slår NVIDIAs egen Nemotron 3 Ultra (The Decoder). Påstandene om å slå Claude og GPT gjelder altså kun spesialiserte, etter-trente versjoner på smale oppgaver – ikke basismodellen generelt.
Ingen dokumentasjon eller verifisering. NVIDIA har ikke levert oppgave-definisjoner, utvalgsstørrelser eller testprotokoll for de fem evalueringene (VentureBeat). Blockchain.News bemerker også at lanseringen ikke inneholdt uavhengig tredjepartsverifisering av ytelsespåstandene. Alle tall – inkludert påstanden om at Super VL er 5 ganger raskere enn nest beste i klassen, målt med Artificial Analysis mot Ling 3.0 Flash og DeepSeek V4.1 Flash – er NVIDIAs egne eller partneres påstander: «Som den raskeste åpne agent-modellen i sin klasse – 5 ganger raskere enn nest beste – hjelper den bedriftsagenter med å fullføre oppgaver med høyt volum raskere, på tvers av arbeidsflyt som strekker seg over dager eller uker», skriver NVIDIA i utgivelsen (gjengitt av ZDNET).
Økosystemet rundt lanseringen
NVIDIA oppgir at selskaper som Scale AI, AfterQuery, AI21, Alice, Mercor, ModelScope, Ramp, Dream, Lila Sciences og R1 etter-trener eller tilpasser Super VL til bruksområder fra finans og cybersikkerhet til vitenskapelig oppdagelse og analyse av medisinske krav. I tillegg listes plattformintegrasjoner hos blant andre Atlassian, CrowdStrike, Perplexity og Salesforce (Blockchain.News).
Utbredelsen av partnerresultater på lanseringsdagen – Mindbeam er ett eksempel – er en del av fortellingen: NVIDIA viser ikke bare frem en modell, men et mønster der domeneaktører bygger spesialiserte versjoner og selv publiserer tallene.
Hva det betyr – og hva som gjenstår
Hvis tallene holder, støtter de en spesifikk og praktisk brukscase: at åpne vekter er et godt utgangspunkt for billig, privat og domenespesifikk agent-innsats, selv når basismodellen aldri når toppen av de generelle rangeringene. Det er en annen og mer beskjeden påstand enn at åpne modeller slår de lukkede frontlinjemodellene – og det er den eneste påstanden evidensen faktisk støtter.
Samtidig kan ikke lesere vurdere resultatene uten protokoller: Vi vet ikke hvordan de fem oppgavene er definert, hvor store utvalgene er, eller hvordan sammenligningene med Claude og GPT er gjennomført. De omtrentlige diagramtallene kan ikke bekreftes uten NVIDIAs primærkilder.
Naturlige oppfølgingspunkter er uavhengig tredjepartsverifisering av de fem evalueringene, utgivelsen av Bolt E4B-pakken på 4 GB 23. oktober, og om navneavviket mellom «GPT-6.1 Sol» og «GPT 5.6 Sol» i kildene lar seg oppklare.