
Ulasyuk.com - Nemotron 3.5 memperluas pilihan bagi pengembang yang ingin menjalankan agen kecerdasan buatan (AI) di pusat data, komputer, hingga perangkat pintar. Nvidia mengumumkan tiga model baru pada 15 Oktober 2026 dengan sasaran penggunaan dan kebutuhan komputasi yang berbeda.
Ketiganya mencakup Nemotron 3.5 Super VL, Nemotron 3.5 Bolt 74B-A9B 24GB, dan Nemotron 3.5 Bolt E4B 4GB. Perbedaan ukuran serta kemampuan membuat keluarga model ini menjangkau pekerjaan perusahaan yang kompleks sampai interaksi langsung pada perangkat kecil.
Nemotron 3.5 dirancang untuk beragam kebutuhan agen AI
Ketiga model tersebut berfokus pada pengoperasian agen AI, yaitu sistem yang dapat menjalankan rangkaian tugas dengan bantuan alat dan informasi yang tersedia. Namun, setiap model menyasar lingkungan kerja berbeda. Super VL menangani alur kerja kompleks, Bolt 74B-A9B ditujukan untuk komputer, sedangkan Bolt E4B menyasar perangkat dengan sumber daya terbatas.
Nvidia mengembangkan keluarga Nemotron sebagai bagian dari strategi AI terbuka. Model berbobot terbuka memungkinkan pengembang mengunduh bobotnya, menjalankan model pada infrastruktur sendiri, lalu menyesuaikannya untuk kebutuhan tertentu. Dengan demikian, organisasi memiliki lebih banyak kendali atas cara model digunakan dibandingkan ketika seluruh pemrosesan bergantung pada layanan tertutup.
Pilihan untuk menjalankan model sendiri juga penting bagi perusahaan yang memiliki aturan internal atau data sensitif. Meski begitu, kemampuan dan kebutuhan perangkat tetap berbeda antara satu model dengan model lainnya. Karena itu, pengembang perlu mencocokkan jenis pekerjaan, kapasitas perangkat, dan pengelolaan data sebelum memilih model.
Super VL menangani dokumen dan alur kerja bertahap
Nemotron 3.5 Super VL merupakan model multimodal dengan 120 miliar parameter. Nvidia mengembangkannya bersama Nemotron Coalition, kelompok pengembang model dan laboratorium AI yang berfokus pada model terbuka. Model ini dirancang untuk mengikuti instruksi, menggunakan alat, memahami informasi visual, dan menyelesaikan pekerjaan yang terdiri dari beberapa tahap.
Kemampuan multimodalnya mencakup pemahaman halaman web, ekstraksi teks dari dokumen, serta pemrosesan tabel, grafik, dan berkas PDF. Jadi, agen yang menggunakan model ini dapat menggabungkan informasi dari berbagai bentuk dokumen. Kemampuan tersebut relevan untuk pekerjaan yang biasanya menuntut pengguna membaca dan membandingkan banyak berkas.
Dalam konteks bisnis, model bisa membantu meninjau dokumen keuangan, menganalisis perjanjian kredit, melakukan riset, atau memeriksa berkas dalam transaksi. Perusahaan juga dapat melatih ulang model memakai data, alat, kebijakan, dan alur kerja internal. Hasilnya dapat disesuaikan dengan kebutuhan organisasi, meskipun penerapannya tetap bergantung pada pengembangan dan pengujian masing-masing perusahaan.
Nvidia menyebut Super VL memiliki kemampuan yang sebanding dengan model penalaran terbesarnya, tetapi memakai sekitar seperlima jumlah parameter dari model pembanding tersebut. Perusahaan juga mengklaim model ini menghasilkan keluaran hampir lima kali lebih cepat dibandingkan model lain di kelasnya. Klaim itu berasal dari Nvidia, sehingga kinerja pada penggunaan nyata dapat bergantung pada perangkat dan jenis tugas.
Nvidia mengatakan pelatihan awal dan lanjutan Super VL menggunakan sekitar 26 triliun token. Angka tersebut menggambarkan skala data pelatihan yang disampaikan perusahaan, bukan ukuran berkas model yang harus dipasang pengguna. Model ini tersedia melalui Hugging Face.
Bolt 74B-A9B membawa pemrosesan AI ke PC
Nemotron 3.5 Bolt 74B-A9B 24GB dirancang untuk menjalankan tugas agen AI secara lokal di komputer. Walaupun memiliki 74 miliar parameter, model ini menggunakan sekitar 9 miliar parameter untuk memproses satu tugas pada satu waktu. Nvidia menyebut pendekatan tersebut membantu efisiensi pemrosesan.
Untuk menekan penggunaan memori, Nvidia menerapkan kuantisasi dua bit. Teknik ini memungkinkan model berjalan dengan kebutuhan memori 24 GB, sehingga perangkat dengan kapasitas GPU yang sesuai dapat menjalankannya. Sasaran perangkat mencakup PC dengan GPU Nvidia GeForce RTX, workstation RTX PRO, serta sistem DGX Spark dan DGX Station.
Pengguna dapat memanfaatkan model untuk mencari informasi di web, menulis kode, atau menemukan kesalahan dalam program. Selain itu, pemrosesan lokal berarti pengguna tidak perlu mengirim seluruh pekerjaan ke layanan cloud pihak ketiga. Hal ini dapat membantu organisasi menjaga data tetap berada di lingkungan komputasi mereka, walaupun pengamanan perangkat dan sistem tetap diperlukan.
Pemrosesan lokal bukan berarti model otomatis cocok untuk semua komputer. Kapasitas memori GPU menjadi salah satu batas penting, sementara kebutuhan tugas juga memengaruhi kinerja. Karena itu, spesifikasi 24 GB memberi gambaran perangkat yang dituju, bukan jaminan setiap tugas akan berjalan dengan kecepatan yang sama.
Bolt E4B menargetkan perangkat pintar
Model ketiga, Nemotron 3.5 Bolt E4B 4GB, memiliki ukuran lebih kecil dan ditujukan bagi perangkat dengan kemampuan komputasi terbatas. Nvidia menempatkannya untuk agen percakapan dan penggunaan langsung pada perangkat. Contoh sasaran yang disebutkan meliputi aksesori pintar, perangkat rumah tangga, sistem kendaraan, antarmuka layanan pelanggan, dan asisten suara.
Model tersebut juga dapat mendukung asisten suara lokal, karakter interaktif, serta antarmuka yang menyesuaikan pengalaman berdasarkan kebutuhan pengguna. Dengan pemrosesan yang berlangsung di perangkat, interaksi tidak harus selalu bergantung pada koneksi ke layanan cloud. Namun, pengalaman akhirnya tetap dipengaruhi kemampuan perangkat dan cara pengembang menerapkan model.
Nvidia menjadwalkan Bolt E4B 4GB untuk meluncur pada 23 Oktober 2026. Model ini dirancang untuk perangkat berbasis GeForce RTX dan Jetson, serta sistem RTX/DGX Spark. Sementara itu, Super VL dan Bolt 74B-A9B 24GB telah tersedia melalui Hugging Face.
Secara keseluruhan, tiga model Nemotron baru menawarkan jalur berbeda untuk membangun agen AI. Super VL berfokus pada pemahaman dokumen dan tugas bertahap, Bolt 74B-A9B membawa pemrosesan ke PC, sementara Bolt E4B mengejar penggunaan pada perangkat ringkas. Variasi ini memberi pengembang pilihan untuk menempatkan AI lebih dekat ke pekerjaan dan perangkat yang menjalankannya.