Nvidia Nemotron 3.5-Stufenagenten: Super VL bis Bolt-Analyse

Alle starren weiter auf Parameterzahlen, als wären sie Nährwertangaben für Intelligenz. Nvidias neuester Nemotron-Release ist interessanter, weil er den unausgesprochenen Punkt zugibt: Agenten wollen nicht alle in derselben Wohnung leben. TechCrunch berichtete, dass Nvidia neue Open-Weight-Modelle für Always-on-Agenten und Edge Computing vorgestellt hat, mit Nemotron 3.5 Super VL für den Unternehmenseinsatz und Bolt-Modellen für lokale KI-PCs und Workstations. Das ist die Architekturgeschichte, die sich unter dem Launch-Konfetti versteckt.

Die praktische Erkenntnis ist nicht, dass ein Modell gewinnt und die anderen traurig in der Ecke sitzen. Sondern dass Agenten-Infrastruktur gestaffelt wird: große Modelle für tool-intensive Unternehmensabläufe, kleinere Modelle für lokale Maschinen, bei denen Latenz, Verfügbarkeit und Bereitstellungsaufwand wichtig sind. Das ist weniger wie die Wahl eines Gehirns und mehr wie Flottenmanagement, nur dass die Roller im Web surfen und gelegentlich dein Quartalsplanungsdokument mit dem Selbstvertrauen eines Waschbären im Laborkittel zusammenfassen können.

TechCrunch zeigt die Aufteilung zwischen Server-Agenten und lokalen Agenten

TechCrunch berichtete, dass Nemotron 3.5 Super VL ein Modell mit 120 Milliarden Parametern ist, das laut Nvidia für Unternehmensagenten entwickelt wurde, dabei weniger Parameter als Nemotron 3 Ultra nutzt und eine ähnliche Genauigkeit bei Aufgaben zum Befolgen von Anweisungen und zur Tool-Nutzung anstrebt. Das ist wichtig, weil Unternehmensagenten nicht einfach Chatfenster mit Krawatte sind. Sie müssen Anweisungen befolgen, Tools aufrufen und mehrschrittige Arbeit überstehen, ohne in den semantischen Wald abzuwandern.

TechCrunch berichtete außerdem, dass Nvidia zwei leichte Bolt-Modelle für die andere Seite der Bereitstellungskarte vorgestellt hat. Nemotron 3.5 Bolt 74B-A9B 24GB wird als Modell mit 74 Milliarden Parametern für lokale agentische Aufgaben beschrieben, darunter mehrschrittiges Schlussfolgern, Tool-Aufrufe und Web-Browsing. Das kleinere Bolt E4B zielt auf Konversationsagenten ab, was eine höfliche Art ist zu sagen: Nicht jede Arbeitslast braucht das Modell-Äquivalent eines Gabelstaplers.

@title Nvidia-Agentenstufen
@source TechCrunch
@source The Next Web

  Model              Size       Target
  Super VL           120B       Enterprise agents
  Bolt 74B A9B       74B 24GB   Local tasks
  Bolt E4B           4GB        Conversation

@caption Nvidia teilt Agentenmodelle nach Größe und Bereitstellungsziel auf.

Der entscheidende Unterschied ist nicht nur groß gegen klein. Es geht darum, wo der Agent läuft und welche Art von Chaos er aufräumen soll. Super VL ist die Unternehmensstufe für schwerere Workflows, während Bolt die Bereitbarkeitsstufe für lokale Systeme ist. Wenn deine Beschaffungstabelle ein Modell braucht, schön. Wenn dein Laptop einen lokalen Assistenten braucht, der nicht bei jedem Niesen das Mutterschiff anruft, ist das ein anderes Wesen.

The Next Web erklärt, warum lokale Agenten eine Bereitstellungsgeschichte sind

The Next Web berichtete, dass RTX-Spark-Laptops dafür gebaut sind, KI-Agenten direkt auf dem Gerät auszuführen, mit Systemen, die bis zu 128 GB gemeinsamen Speicher und bis zu 1 Petaflop KI-Leistung bieten. Außerdem berichtete es, dass Nemotron 3.5 Bolt 74 Milliarden Parameter hat, jeweils 9 Milliarden davon gleichzeitig aktiv sind und das Modell auf unterstützten RTX-Spark-Konfigurationen in 24 GB Speicher gepresst wird. Das ist das lokale-Agenten-Versprechen im Kleinformat: Mach das Modell klein genug, spärlich genug oder gut genug verpackt, damit es in der Nähe der Nutzer leben kann.

Hier beginnen Fähigkeit und Bereitstellbarkeit auf dem Parkplatz miteinander zu ringen. Ein größeres Modell kann schwierigere Workflows bewältigen, aber ein lokales Modell kann nützlich sein, wenn die Arbeitslast davon profitiert, nah an Dateien, Apps oder Nutzern zu laufen. Für Entwickler wird die Frage weniger romantisch und stärker betrieblich: Wo sollte dieser Agent ausgeführt werden, damit er schnell genug, ausreichend kontrolliert und billig genug ist, um auch nach dem Ende der Demo bleiben zu dürfen?

VentureBeat und WSJ zeigen den Unternehmensgrund für offene Modelle

VentureBeat berichtete, dass Nvidia sagt, Organisationen könnten Super VL nachträglich mit ihren eigenen Daten, Tools und Richtlinien trainieren und es dann auf Infrastruktur bereitstellen, die zu Sicherheits- und Datenresidenzanforderungen passt. Das ist der langweilige Satz, hinter dem das echte Budget steckt. Unternehmen wollen nicht nur ein cleveres Modell; sie wollen eines, das an ihre Abläufe angepasst werden kann, ohne Compliance in eine Piñata zu verwandeln.

Das Wall Street Journal berichtete, dass Nvidias Kari Briski sagte, das Interesse an Nemotron sei unter anderem gewachsen, weil die Modelle in den USA hergestellt werden und weil ihre zugrunde liegenden Daten überprüft werden können. Das WSJ berichtete außerdem, dass Organisationen des öffentlichen Sektors und Finanzinstitute besonders vorsichtig bei in China hergestellten Modellen sind und dass Unternehmen sich zunehmend wohler damit fühlen, offene Modelle feinzujustieren. Übersetzung: Die Modellwahl ist jetzt auch eine Entscheidung über Lieferkette, Governance und Anpassbarkeit. KI-Beschaffung ist weniger Sci-Fi geworden und mehr Papierkram-Kobold.

Worauf Entwickler als Nächstes achten sollten, laut Launch-Muster

TechCrunch rahmte den Launch so ein, dass Nvidia Organisationen ein optimiertes offenes Modell für verschiedene Infrastrukturstufen gibt, statt sie zu einer einzigen Wahl zwischen Fähigkeit und Bereitstellbarkeit zu zwingen. Diese Einordnung ist nützlich, wenn du Agenten über einen Prototyp hinaus planst. Lege schwere, tool-nutzende Workflows auf die Unternehmensstufe; platziere Konversations- oder lokale Aufgabenagenten dort, wo die Hardware sie tatsächlich tragen kann, ohne in interpretativen Tanz auszubrechen.

Das fehlende Stück sind unabhängige Belege aus echten Bereitstellungen. Nvidias Aussagen sind klar, und die Staffelung ist sinnvoll, aber Entwickler sollten Genauigkeit, Latenz, Tool-Zuverlässigkeit und Speicherverhalten trotzdem mit ihren eigenen Arbeitslasten testen. Beobachte, ob Teams Agenten tatsächlich über Cloud-, Workstation- und PC-Stufen hinweg routen, oder ob alle nur ein neues Orchestrierungsdiagramm erfinden, um sich lebendig zu fühlen. Die Agenten-Ära ist nicht ein Modell, sie alle zu beherrschen, sondern ein Dispositionsproblem mit besseren GPUs und schlechteren Meeting-Notizen.