Conjuntos de datos abiertos de post-entrenamiento de Nemotron 3.5 Super VL: en qué puedes hacer realmente ajuste fino

NVIDIA Nemotron 3.5 Super VL publicó sus pesos en Hugging Face el 12 de octubre de 2026 y se anunció el 15 de octubre. La mitad de ese lanzamiento que la mayoría de la cobertura pasó por alto es la que realmente puedes usar para construir: entre el 12 y el 15 de octubre, la organización nvidia publicó once nuevos conjuntos de datos de post-entrenamiento —los corpus de ajuste fino supervisado y aprendizaje por refuerzo que respaldan la descripción de entrenamiento en seis etapas de la propia tarjeta del modelo. Los once nombran OpenMDW-1.1 como sus términos rectores, pero ahí es donde termina la uniformidad. Dos de ellos aparecen como license: other en el Hub; otros dos llevan una segunda licencia debido a lo que contienen; y las dos tarjetas que nunca dicen «listas para usos comerciales o no comerciales» no son las que uno imaginaría. A continuación, lo que hay en cada conjunto, lo que las tarjetas publican y no publican al respecto, y cómo se sitúa todo el lanzamiento frente a una cifra de recuperación de precisión mediana del 99,62 % que se lee de forma muy distinta según qué documento de NVIDIA abras.

Qué llegó, y cuándo

Hugging Face registra las marcas de tiempo de creación, por lo que esto se lee en lugar de estimarse. Los once repositorios aparecieron dentro de una ventana de 61 horas:

• Nemotron-RL-litmus-bench-v0.2 — 12 de octubre, 16:37 UTC. Razonamiento químico, 47.118 preguntas de entrenamiento y 2.056 de prueba, 64 MB, creado a partir de ChEMBL, los datos del desafío OpenADMET ExpansionRx y un conjunto ADME de Biogen. Con licencia dual CC-BY-SA-4.0 y OpenMDW-1.1, porque las preguntas derivadas de ChEMBL conllevan la condición de compartir igual.

• Nemotron-SFT-Agentic-v4 — 14 de octubre, 17:54 UTC. Trayectorias de uso de herramientas de turno único y multiturno, 634.664 registros de conversación distribuidos en una partición tool_calling de 549.707 y una partición knowledge_agent de 84.957, 18,88 GB. Generado con Qwen3.5-397B-A17B y GLM-5.2.

• Nemotron-SFT-Instruction-Following-Chat-v4 — 14 de octubre, 17:55 UTC. Chat, seguimiento de instrucciones multiturno y control de la longitud de las respuestas, 3.850.582 registros de conversación, 80,74 GB. Generado con Kimi-K2.6, Gemma4-E4B-it y Qwen3.5-397B-A17B.

• Nemotron-SFT-Agentic-Finance-v1 — 14 de octubre, 18:54 UTC. 7.878 ejemplos de llamadas a herramientas multiturno que abarcan razonamiento numérico, modelización financiera, análisis de mercado, ajustes y preguntas sobre superar o no las expectativas, basados en presentaciones públicas ante la SEC, 28 MB.

• Nemotron-RL-Agentic-Finance-v1 — 14 de octubre, 18:55 UTC. 10.185 tareas de RL, las mismas cinco familias de tareas, 166 MB, con el contexto de los informes deliberadamente ocultado para que el agente tenga que recuperarlo mediante sec_filing_search, parse_html_page y retrieve_information.

• Nemotron-SFT-Long-Context-Transduction-v1 — 14 de octubre, 19:47 UTC. 10.000 pares instrucción–respuesta, 1,22 GB, para seguimiento de posición y transformación de secuencias. Ningún modelo generó estos: la tarjeta indica explícitamente que ningún modelo de lenguaje produce los ejemplos ni las respuestas, y las cuatro familias de tareas son evaluación aritmética, ordenación de tokens hexadecimales, expansión de variables y transformación de CSV.

• Nemotron-SFT-Long-Context-Translation-PG19-v1 — 14 de octubre, 20:14 UTC. 4.335 ejemplos de traducción del inglés a varios idiomas, 2,22 GB, textos fuente extraídos de libros de dominio público del corpus PG-19 y traducidos con DeepSeek V4 Flash.

• Nemotron-RL-Finance-Tool-Calling-v1 — 14 de octubre, 22:46 UTC. 90.307 registros financieros — 81.397 muestras de razonamiento central más 8.910 muestras más amplias de agentes financieros — en 1,23 GB, ejecutados contra el entorno Finance SEC Search en NeMo Gym.

• Nemotron-SFT-Finance-Document-Grounded-Reasoning-v1 — 14 de octubre, 22:46 UTC. 63.056 ejemplos en 1,01 GB, basados en informes 10-K, 10-Q y 8-K de empresas del S&P 500 que abarcan 2017–2024.

• Nemotron-RL-Agentic-Conversational-Tool-Use-Seed-v1 — 14 de octubre, 23:45 UTC. 100.000 registros, 3,86 GB: políticas semilla, definiciones de herramientas y escenarios para el servidor de recursos conversation_tool_use_simulation, que abarcan hostelería, comercio electrónico, banca y seguros, para conversaciones agénticas simuladas durante RL.

• Nemotron-SFT-BBQ-v1 — 15 de octubre, 05:22 UTC. Datos de equidad en inglés que abarcan edad, apariencia física y discapacidad — 2.000 registros de cada tipo, 6.000 en total, 8,0 MB — elaborados conforme a la taxonomía del Bias Benchmark for QA, con conversaciones entre participantes ficticios diseñadas para recompensar las respuestas basadas en pruebas por encima de las suposiciones.

Dos cosas de esa lista importan más que los recuentos de filas. La primera es que la superficie de licencias no es tan uniforme como sugiere la etiqueta principal, y la segunda es de quién son estos resultados.

La etiqueta de licencia no es la licencia completa.

Los once repositorios señalan OpenMDW-1.1 como sus términos rectores. Lo que difiere es cómo llega hasta ti, y las diferencias merecen leerse antes de que construyas algo comercial sobre ello.

• Etiqueta frente a licencia con nombre — nueve de los once llevan license: openmdw-1.1 como una etiqueta simple que se puede leer directamente de la API. Nemotron-SFT-Agentic-Finance-v1 y Nemotron-RL-Agentic-Finance-v1 se presentan como license: other con license_name: openmdw-1.1 y un enlace al acuerdo. Los términos son los mismos; una herramienta que filtre repositorios por una etiqueta de licencia verá dos valores diferentes.

• Segunda licencia debido a datos de origen — Nemotron-SFT-Long-Context-Translation-PG19-v1 incluye Apache-2.0 junto con OpenMDW-1.1 porque el corpus de origen es PG-19, y su ficha añade que las obras originales en inglés son de dominio público en Estados Unidos, pero que su estado de derechos de autor puede variar en otras jurisdicciones, por lo que los usuarios deben verificar la legislación local antes de redistribuir. Nemotron-RL-litmus-bench-v0.2 incluye CC-BY-SA-4.0 junto con OpenMDW-1.1, con el término de compartir igual aplicado específicamente a las preguntas derivadas de ChEMBL.

• La frase comercial — nueve tarjetas indican "Este conjunto de datos está listo para usos comerciales o no comerciales". Las dos que no lo indican son Nemotron-SFT-Long-Context-Transduction-v1 y Nemotron-SFT-Long-Context-Translation-PG19-v1 — el par de contexto largo, no los conjuntos de finanzas.

• Dónde se documenta la exclusión de contenido — finanzas. La ficha basada en documentos indica que la versión solo conserva extractos permitidos de contexto limitado de los cuerpos de los Formularios 10-K, 10-Q y 8-K, y que se excluyen el corpus completo de la SEC, todos los anexos y cualquier contenido que lleve un aviso de derechos de autor de terceros, mencionando informes de consultores, presentaciones, opiniones de equidad y estudios de analistas. También señala que los extractos siguen siendo responsabilidad de sus respectivos emisores.

Así que la lectura práctica es la opuesta a la intuitiva. Los conjuntos de finanzas son los que tienen la insignia de licencia más llamativa —un openmdw-1.1 limpio en los conjuntos basados en documentos y de llamada a herramientas— y los que tienen más restricciones documentadas sobre lo que contienen. Los conjuntos de contexto largo son aquellos cuyos metadatos del Hub y cuya prosa discrepan más entre sí. Ninguno de los dos es motivo para abandonar; ambos son motivos para leer cuatro tarjetas en lugar de un solo campo de licencia.

¿Las salidas de quién entrenaron al buque insignia de NVIDIA?

Lo otro que atraviesa todo el lanzamiento son los modelos de generación, y las tarjetas los nombran sin ambages. El conjunto SFT agéntico insignia se produjo con Qwen3.5-397B-A17B y GLM-5.2. El conjunto de seguimiento de instrucciones añade Kimi-K2.6 y Gemma4-E4B-it. El conjunto financiero basado en documentos nombra a Qwen3.5-397B-A17B para la generación de preguntas, a DeepSeek-V4-Pro para las respuestas y a gpt-oss-120b para el filtrado y la selección. El conjunto de llamadas a herramientas de finanzas con RL enumera a Qwen3.5-397B-A17B y Qwen3-235B-A22B-Instruct-2507 en la fase previa, a DeepSeek-V4-Pro para las respuestas, a gpt-oss-120b para el filtrado y a la propia NVIDIA Nemotron para el perfilado de dificultad de RL en ocho rollouts. Las traducciones de PG-19 se produjeron con DeepSeek V4 Flash.

Eso es una decisión de publicación, no un accidente, y es lo más útil del lanzamiento para cualquiera que intente razonar sobre la calidad. Te dice que el prior conductual en el que estás haciendo fine-tuning no es, en gran medida, de NVIDIA — es una mezcla de dos familias chinas de pesos abiertos de frontera, un modelo de pesos abiertos de OpenAI y un modelo pequeño de Google. Si tienes una opinión sobre cómo se comporta cualquiera de ellos con texto financiero o en la selección de herramientas, esa opinión se aplica a tu punto de partida aquí, y ahora tienes la procedencia para verificarlo en lugar de adivinar.

Por qué los datos son la parte sobre la que puedes actuar

La razón por la que la publicación de un conjunto de datos es la parte interesante de este lanzamiento se ve en las propias cifras del proveedor. La publicación de la sala de prensa de NVIDIA nombra a las organizaciones que realizaron el post-entrenamiento del modelo y cita sus resultados: Scale AI para el trabajo de crédito de proveedor de Skydance, con "coste de inferencia 40x menor" y "latencia 5x menor"; Ramp sobre la conversión de imágenes de recibos en JSON estructurado, esperando "hasta un 50% más de rendimiento y latencia 10x menor"; AI21 y Alice en inteligencia de amenazas, con "41% más de precisión". Lee el blog para desarrolladores junto con la sala de prensa y los mismos resultados de los clientes se reducen a "coste de inferencia 40x menor, latencia 10x menor y 40% más de precisión" — un 40 donde la sala de prensa dice 41, y un 10x donde dice 5x, para lo que parecen los mismos dos despliegues. Estas son expectativas de los clientes para sus propias cargas de trabajo, no benchmarks, y ninguna de las dos versiones es reproducible por ti.

Lo que es reproducible es el recibo. La sala de redacción dice que el modelo fue post-entrenado con aproximadamente 3,8 millones de muestras y aprendizaje por refuerzo en docenas de entornos, y que los conjuntos de datos abiertos abarcan uso de herramientas agénticas, finanzas, seguimiento de instrucciones, contexto largo, equidad y comprensión visión-lenguaje. Los once repositorios anteriores son ese corpus, y los entornos de NeMo Gym a los que apuntan las tarjetas son el arnés. Un equipo que quiera un agente de inteligencia documental ahora tiene el modelo, las recetas de servicio, las bibliotecas de ajuste fino y los datos de entrenamiento en un solo lugar. La brecha entre "este modelo puede especializarse" y "aquí hay una especialización que puedes descargar hoy" es lo que cierran estos repositorios.

Una advertencia sobre esa lista de categorías: la sala de prensa de NVIDIA incluye la comprensión visión-lenguaje entre los conjuntos de datos publicados, y los once nuevos repositorios de conjuntos de datos de nvidia creados en esta ventana son corpus de texto y de uso de herramientas. El conjunto de finanzas basado en documentos es lo más parecido a un conjunto de visión en esta entrega, y es solo texto en cuanto a formato. Si venías por el lado de las imágenes y el vídeo, los datos no están aquí: el conjunto de datos de visión de NVIDIA más reciente en el Hub es anterior a esta ventana por cinco días.

Lo que las tarjetas no publican, y lo que eso te cuesta

Este es el número que nadie pone en una publicación de lanzamiento y, en este lanzamiento, es un número que falta. Ninguna de las once tarjetas de conjunto de datos publica un recuento de tokens. Publican recuentos de registros y tamaños de almacenamiento, y eso es todo. Así que la pregunta de dimensionamiento —cuántas horas de GPU supone una época sobre el conjunto de seguimiento de instrucciones— no se puede responder a partir del lanzamiento, solo estimar dividiendo bytes entre una relación supuesta de bytes por token, que es exactamente el tipo de cifra que pasa a la cobertura como si se hubiera medido.

Lo que puedes usar como base es el almacenamiento publicado: 80,74 GB para Nemotron-SFT-Instruction-Following-Chat-v4, 18,88 GB para Nemotron-SFT-Agentic-v4, 3,86 GB para el conjunto semilla de uso de herramientas conversacional, y luego una cola larga — 2,22 GB, 1,23 GB, 1,22 GB, 1,01 GB, 166 MB, 28 MB, 8,0 MB, 64 MB. Los dos conjuntos más grandes son entre uno y dos órdenes de magnitud más grandes que todo lo demás del lote, lo que te dice dónde reside realmente el peso del post-entrenamiento sin necesidad de un recuento de tokens en absoluto.

• Nemotron-SFT-Instruction-Following-Chat-v4 — 80,74 GB y 3.850.582 registros. Este es el conjunto que convierte una ejecución de parámetros completos en todo un proyecto en lugar de una tarde.

• Nemotron-SFT-Agentic-v4 — 18,88 GB y 634.664 registros. Aproximadamente una cuarta parte del tamaño, lo que lo pone al alcance de una ejecución en un solo nodo.

• Nemotron-SFT-BBQ-v1 — 8,0 MB y 6.000 registros. Lo bastante pequeño para iterar en minutos, lo que lo convierte en la forma más económica de comprobar que tu bucle de ajuste fino está bien configurado antes de dedicar una semana de GPU al trabajo que realmente te importa.

• Nemotron-SFT-Long-Context-Transduction-v1 — 1,22 GB, pero solo 10.000 ejemplos, con un rango publicado por ejemplo de 2.048 a 131.072 tokens objetivo. Aquí el costo está determinado por la longitud de la secuencia más que por el volumen, y la ficha indica que los presupuestos son objetivos de generación estimados con cl100k_base, no recuentos medidos después del entrenamiento.

En cuanto a la escala del lado del modelo, la ficha del modelo publica los presupuestos de tokens por etapa: un calentamiento MTP de 100 mil millones de tokens sobre un backbone congelado, un billón de tokens de destilación del siguiente Nemotron en tamaño, 100 mil millones de tokens de preentrenamiento continuado en lenguas índicas, una extensión de 35 mil millones de tokens a un contexto de 1M, 67 mil millones de tokens de entrenamiento intermedio en ingeniería de software con 256K, y una etapa de recuperación de contexto largo de 9 mil millones de tokens. Esos son los únicos presupuestos de tokens que NVIDIA menciona en toda la publicación, y se aplican al entrenamiento del modelo base, no al ajuste fino con estos conjuntos de datos.

Eso es también por lo que la ruta de LoRA importa aquí en lugar de ser una nota al pie. NVIDIA orienta a los desarrolladores hacia NVIDIA NeMo AutoModel para el ajuste fino supervisado y la adaptación de bajo rango, y los adaptadores son la diferencia entre mover algunos de los comportamientos del modelo y volver a derivar 249 GB de pesos. Ambas rutas son reales, y la elección entre ellas es una decisión sobre cuánto del comportamiento del modelo base pretendes mover. Un equipo de finanzas que persigue un esquema estrecho o un comportamiento de seguimiento de políticas está en territorio de LoRA. Un equipo que quiere que el modelo mantenga un nuevo procedimiento operativo en todas y cada una de sus interacciones no lo está.

Dos documentos, un benchmark, respuestas opuestas

El informe técnico que acompaña a este lanzamiento está fechado el 14 de octubre y lleva el número que ha viajado más lejos sin su contexto. NVIDIA informa que el checkpoint NVFP4 publicado alcanza 99,62 % de recuperación de exactitud mediana respecto a BF16 en 36 benchmarks, tras la agresiva receta de cuantización posterior al entrenamiento seguida de 200 iteraciones de destilación consciente de la cuantización y basada en SFT — con el codificador de visión C-RADIO, el conector VL, las convoluciones Mamba y los embeddings dejados en BF16, y el cálculo del router dejado en FP32, según la tabla por módulo del informe.

La 'recuperación de precisión mediana' es una mediana de cocientes, no un mínimo. Para obtener 99,62%, el informe calcula un cociente de puntuación por benchmark y toma el del medio entre 36, así que el titular te dice que el benchmark típico queda aproximadamente cuatro décimas de un punto porcentual por debajo de la precisión completa, y nada en absoluto sobre la cola. La propia tabla del informe muestra la cola: Tau3 Banking con 94,20%, el subconjunto de resolución de problemas de SciCode con 93,63%, MMLU-ProX con 95,90% — y en la otra dirección GDPVal con 111,53% y Terminal-Bench v2.1 con 103,47%, porque la cuantización puede quedar por encima de la referencia BF16 en una sola ejecución.

Luego compara la ficha del modelo, y la historia se vuelve más interesante que una cola. La propia ficha del modelo NVFP4 de NVIDIA publica una tabla de BF16 frente a NVFP4 para el mismo checkpoint, y en ella Terminal-Bench 2.1 marca 66,70 frente a 60,80 — la compilación cuantizada, un nueve por ciento por debajo. En la tabla de la suite completa del informe técnico, el mismo benchmark marca 60,67 frente a 62,78, con la compilación cuantizada por delante. Mismo modelo, mismo benchmark, misma familia de arneses de evaluación, dos documentos de NVIDIA, direcciones opuestas. La ficha también muestra WebVoyager en 77,72 cayendo a 66,31 y DeepSWE en 24,65 cayendo a 18,2, ninguna de las cuales es la versión de la historia que se obtiene de un titular del 99,62 %.

Eso no es un escándalo —distintas tablas pueden llevar distintas configuraciones de harness y la tabla del informe indica un porcentaje de recuperación junto a cada fila—, pero sí significa que la respuesta honesta a «¿NVFP4 me cuesta precisión?» es: en la mayoría de las filas publicadas, apenas; en las filas en las que sí, por más de lo que sugiere la mediana; y los dos documentos del proveedor no coinciden sobre cuáles son esas filas. Si tu carga de trabajo es trabajo agéntico de terminal, vuelve a medirlo por tu cuenta en lugar de escoger una tabla.

La aritmética de despliegue, por el contrario, es inequívoca y es el argumento más fuerte para la compilación cuantizada. El repositorio BF16 totaliza 248.9 GB de archivos de checkpoint y su propio inicio rápido lo sirve en 4× H100. El repositorio NVFP4 totaliza 75.06 GB, que el informe sitúa en 4.82 bits por parámetro incluyendo escalas, y eso cabe en un H200, un GB200 o un solo DGX Spark. En un GB200, el informe cita hasta 4,856 tokens de salida/s/GPU en una carga de trabajo de proxy agéntica de 20 turnos mientras mantiene al menos 50 tokens/s/usuario, con NVFP4 a 2.43× el rendimiento de BF16 en la misma carga de trabajo, y el modelo a 2.34× y 1.90× el rendimiento de Qwen3.5-122B-A10B y Qwen3.8 Flash-Next. Todos esos son medidos por NVIDIA, en la propia pila de servicio de NVIDIA, a la concurrencia que eligió la receta.

Un cuarto adicional del lanzamiento es fácil de pasar por alto y es importante si más adelante se va a cuestionar tu fine-tune. El informe describe una pasada de contaminación sobre los datos de postentrenamiento que eliminó 20.671 muestras —alrededor del 0,09%, divididas en 14.793 muestras de SFT y 5.878 de RL— que coincidían con 1.808 preguntas de benchmark, o el 6,0%, en 22 de los 30 benchmarks verificados, y aproximadamente el 3% de los pares candidatos evaluados se marcó como contaminación grave. La mayoría de los lanzamientos de pesos abiertos no publican ninguna metodología de limpieza en absoluto. Tener una que puedas citar vale más de lo que parece cuando un cliente pregunta por qué los números de evaluación de tu fine-tune tienen el aspecto que tienen.

Cómo cambia esto lo que puedes hacer esta semana

Tres cosas concretas son ahora posibles que no lo eran antes del 12 de octubre.

El primero es un agente de declaraciones financieras que puedes construir sin una conversación sobre licencias de datos, con una advertencia adjunta. Los repositorios financieros cubren el ciclo completo: 63.056 ejemplos de SFT basados en documentos a lo largo de siete años de declaraciones del S&P 500, 90.307 registros de llamadas a herramientas de RL contra un entorno de búsqueda de la SEC en vivo, 7.878 ejemplos de llamadas a herramientas multiturno para la capa de comportamiento, y 10.185 tareas de RL con el contexto de la declaración retenido, de modo que la recuperación forma parte de la tarea. La advertencia es la excepción documentada anteriormente: solo extractos, anexos excluidos, material con derechos de autor de terceros eliminado, y los problemas siguen siendo responsabilidad de los emisores. Esa es una posición bien documentada más que una posición limpia, y es el conjunto en el que deberías leer la tarjeta antes que el código.

El segundo es el uso de herramientas agéntico, y este es el vertical mejor respaldado del lanzamiento. Entre los 634.664 registros de Nemotron-SFT-Agentic-v4, el conjunto semilla de 100.000 registros de uso conversacional de herramientas con sus escenarios de hostelería, comercio electrónico, banca y seguros, y los entornos de NeMo Gym a los que apuntan las tarjetas, todo el pipeline queda descrito de principio a fin: generar trayectorias, ejecutar conversaciones simuladas, entrenar con recompensas verificables, evaluar en el arnés que el propio proveedor utilizó. Sea cual sea tu opinión sobre el modelo, esa es una receta pública completa para convertir un modelo general de visión-lenguaje en un agente que invoca herramientas, y es la parte que antes constituía conocimiento tribal.

El tercero es una línea base de equidad sobre la que realmente puedes iterar. Nemotron-SFT-BBQ-v1 tiene 6.000 registros y 8,0 MB, está equilibrado 2.000/2.000/2.000 entre edad, apariencia física y discapacidad, y sus conversaciones están escritas de modo que tanto la respuesta basada en la evidencia como la respuesta basada en suposiciones son plausibles. Con ese tamaño, puedes ejecutarlo, puntuarlo y volver a ejecutarlo en una tarde, lo que convierte «¿cómo lo probaste?» de un problema de adquisiciones en un experimento.

Probándolo sin apostar una ruta de producción a ello.

La parte incómoda de este lanzamiento es el despliegue, no los datos. El checkpoint BF16 requiere cuatro H100 y el cuantizado requiere una única H200 o GB200, los pesos abiertos están en Hugging Face, y la propia vía del proveedor hacia un endpoint alojado es NVIDIA NIM, con la sala de prensa también mencionando plataformas de terceros. Nosotros no servimos este modelo, así que si quieres un endpoint gestionado, la propia API del proveedor y varias plataformas de terceros son los lugares donde buscar; aquí, un enrutador sirve para el resto de la decisión.

Una sola clave para más de 200 modelos al precio de lista del proveedor con 0 % de recargo significa que comparar la compilación NVFP4 con el modelo de texto que ejecutas hoy cuesta un solo cambio de línea en lugar de un segundo contrato con un proveedor, y la conmutación automática por error entre proveedores significa que una carga de trabajo que solo estás probando puede convivir con el tráfico de producción sin que ninguno dependa del otro. Esa es la forma de una decisión que puedes revertir, que es lo que quieres de un modelo cuya documentación es de hace dos días y cuyas propias tablas de benchmark se contradicen entre sí.

La secuencia práctica es: toma Nemotron-SFT-BBQ-v1 o una porción del conjunto agéntico, ejecuta un LoRA en una H200 alquilada para demostrar tu bucle, evalúalo con tu propia evaluación y solo entonces decide si la compilación de precisión completa de 249 GB y cuatro GPU merecen la pena. Los conjuntos de datos son gratuitos de descargar y los pequeños son gratuitos de ejecutar. Nada de ese plan requiere que creas en una mediana del 99,62 %.

¿Qué falta todavía?

Vale la pena vigilar tres brechas porque cambian el cálculo, más que el marketing.

Lo primero es la evaluación independiente de los resultados del ajuste fino. Todas las cifras posteriores al entrenamiento de esta versión —el salto de 62,7 a 71,9 en Terminal-Bench gracias a la ejecución paralela de agentes y la autoverificación, el salto de 24,6 a 34,5 en DeepSWE en el mismo experimento, la mejora de precisión del 41 % en AI21, la reducción de costes de 40× en Scale AI— proceden del arnés de NVIDIA o de la propia medición de un cliente. No hay un tercero que haya reproducido un ajuste fino de Nemotron 3.5 Super VL con estos conjuntos de datos y haya publicado el resultado. Hasta que exista, trata los tamaños del efecto como un límite superior.

El segundo es la ruta de vídeo. El modelo acepta MP4 de hasta dos minutos a 2 FPS y 256 fotogramas, o 1 FPS y 128 fotogramas para 1080p, con una tasa de poda de 0,5 — y no hay ningún conjunto de datos público de post-entrenamiento de vídeo en este lanzamiento. Todos los repositorios anteriores son de texto, y los conjuntos de traducción y transducción son texto de contexto largo en lugar de algo visual. Si tu caso de uso es la comprensión de vídeo que anuncia la ficha del modelo, NVIDIA ha lanzado la capacidad sin los datos para especializarla.

La tercera es que nadie ha publicado qué les hacen estos conjuntos de datos a un modelo que no sea Nemotron. Los once se construyeron para producir la mezcla de postentrenamiento de un solo modelo; las fichas son explícitas en que algunos conjuntos consolidan versiones anteriores específicas de Nemotron, y el conjunto de semillas conversacionales se describe como los datos semilla para un conjunto pivote en lugar de una generación nueva. Si el corpus agéntico se transfiere a un backbone diferente de 120B es una pregunta abierta, y es la primera que un equipo con un stack de ajuste fino ya existente querrá que se responda.

Las tres brechas son del tipo que se cierran con el trabajo de otros y no con el de NVIDIA, que es el arco habitual de un lanzamiento abierto. Los pesos se pueden descargar hoy, los datos se pueden descargar hoy, y el primer ajuste fino independiente creíble es lo que te dirá si algo de esto merece el tiempo de GPU.