Date de sortie de Nemotron 3.5 Bolt 74B : NVIDIA fait tenir un modèle d’agent 74B dans 24 Go

NVIDIA Nemotron 3.5 Bolt 74B-A9B sera disponible le jeudi 15 octobre 2026, et NVIDIA Nemotron 3.5 Bolt E4B suivra le vendredi 23 octobre. Ces deux dates sont la réponse à un teasing : le 14 octobre, le compte IA de NVIDIA a publié « Tant de modèles lancés cette semaine ! Et nous en avons un des nôtres qui arrive...⌛️ » sans nom associé. Vérifier ce teasing vaut les deux minutes que cela prend, car il se résout d'une manière inhabituelle — l'annonce à laquelle le tweet fait allusion avait déjà été publiée, dans son intégralité, la veille, dans un billet de blog NVIDIA daté du 13 octobre qui nomme les deux modèles, les deux dates, l'empreinte mémoire et les runtimes d'inférence. Il ne s'agit donc pas d'une fuite, ni d'une rumeur. C'est un lancement sous-médiatisé, et le teasing était un coup de pouce, pas le scoop.

Ce qui suit distingue ce que NVIDIA a réellement consigné par écrit de ce que personne à l’extérieur de l’entreprise n’a encore mesuré — ce qui, pour un modèle livré aujourd’hui, représente l’essentiel de la colonne intéressante.

La taquinerie, et ce à quoi elle a abouti

Deux choses méritent d’être ancrées avant tout le reste, car elles relèvent exactement du genre de détail qui est aplati dans l’agrégation. D’abord, l’ordre. L’article de blog de NVIDIA intitulé « Tous les voyants sont au vert : l’écosystème mondial des applications PC est prêt pour NVIDIA RTX Spark » est horodaté 2026-10-13T12:00Z. L’article « l’un des nôtres arrive » a été publié à 2026-10-14T20:29Z — environ trente-deux heures plus tard. Le tweet est un pointeur, pas la source primaire, et tout article qui traite le tweet comme l’annonce travaille à partir du mauvais document.

Deuxièmement, l'expression « l'un des nôtres » joue un rôle bien réel. NVIDIA n'est pas seulement le fournisseur ici ; c'est le fournisseur de plateforme de la semaine. La même publication du 13 octobre annonce la sortie des ordinateurs portables RTX Spark le 16 octobre, un modèle d'IA DLSS 5 reconstruit faisant ses débuts dans NBA 2K27 le jour même, NVIDIA PAIR sortant de bêta, et Broadcast 2.3. Bolt 74B est le modèle de langage dans une semaine où NVIDIA annonce plusieurs modèles de natures très différentes. Si vous veniez chercher un seul produit, voilà pourquoi la couverture est déroutante.

Ce à quoi NVIDIA s'est engagé, dans ses propres mots

L'affirmation centrale est courte et précise. NVIDIA décrit Nemotron 3.5 Bolt 74B-A9B comme « un nouveau LLM conçu spécialement pour exécuter des agents locaux sur RTX Spark », construit comme « un modèle mixture-of-experts (MoE) de 74 milliards de paramètres, avec 9 milliards de paramètres actifs » qui est « compressé dans 24 Go grâce à une quantification en 2 bits avec des techniques avancées d'entraînement tenant compte de la quantification afin de préserver la qualité. »

Trois choses dans cette phrase font le travail :

• 9B actifs, pas 74B. Il s'agit d'un MoE clairsemé. Le coût de routage par token suit le chemin actif, et non le nombre total de paramètres, ce qui explique qu'un modèle de 74B soit proposé pour un ordinateur portable.

• Du 2 bits, délibérément. Non pas une quantification communautaire d'une version BF16, mais un modèle que NVIDIA affirme avoir entraîné avec des techniques de quantification consciente visant à maintenir la qualité à cette largeur. Savoir si ça tient relève d'une mesure, pas d'une affirmation — voir le registre ci-dessous.

• 24 Go est l'enveloppe cible. NVIDIA présente le compromis comme « l'équilibre optimal entre vitesse et intelligence, plus rapide que la plupart des modèles denses populaires tout en étant plus intelligent que la plupart des modèles MoE populaires avec une empreinte mémoire similaire ». Il s'agit là du positionnement de NVIDIA lui-même, que personne n'a reproduit.

En matière d'accès, NVIDIA nomme explicitement les runtimes : llama.cpp, vLLM, Ollama, Unsloth et LM Studio au lancement, ainsi qu'une utilisation directe via des agents, notamment Hermes et OpenClaw. Et concernant les licences, l'article indique que Bolt 74B est « entièrement open source... y compris les données d'entraînement, les poids et les recettes » — le même cadrage que NVIDIA applique au reste de la gamme Nemotron.

Pourquoi 24 Go est le nombre qui compte, pas 74B

Le chiffre phare ici est 74B. Celui qui supporte la charge est 24GB, et pour une raison simple : 24GB correspond à une enveloppe d’accélérateur de classe desktop. C’est la capacité d’une seule carte grand public haut de gamme, et côté ordinateurs portables, c’est le cadre autour duquel NVIDIA construit la semaine — les machines RTX Spark peuvent atteindre jusqu’à 128GB de mémoire unifiée et 1 pétaflop de calcul d’IA, et les ordinateurs portables eux-mêmes arrivent le 16 octobre.

Rassemblez tout cela et l’argumentaire devient limpide. Un MoE à 9B de paramètres actifs dont les poids tiennent dans 24 Go en 2 bits signifie que la même version qui tient sur une carte de station de travail tient aussi sur l’ordinateur portable expédié le lendemain, avec encore de la marge pour l’application et un second petit modèle. C’est une histoire de déploiement fondamentalement différente de celle d’un modèle de pointe hébergé derrière une API, et c’est la raison pour laquelle « agent local » figure dans la description en une ligne de NVIDIA elle-même plutôt que « inférence bon marché ».

Le contrepoids, c'est qu'une cible en 2 bits constitue une contrainte sur ce que le modèle peut être. Toute comparaison de qualité avec un modèle BF16 de taille totale similaire est une comparaison entre des artefacts différents, et NVIDIA a choisi l'artefact à dessein. Évaluez Bolt 74B par rapport à d'autres builds locaux de la classe 24 Go, et non par rapport à un checkpoint en pleine précision qui n'aurait jamais pu tenir.

Le registre : confirmé, déclaré mais non mesuré, et inconnu

Être précis quant à la colonne dans laquelle se trouve un fait, c'est là tout l'intérêt de lire ceci dès la première semaine plutôt que la troisième.

• Confirmé par NVIDIA : le nom du modèle, la configuration MoE de 74 B au total / 9 B actifs, l’empreinte de 24 Go en 2 bits, la date du 15 octobre, les cinq environnements d’exécution nommés, l’accès des agents via Hermes et OpenClaw, et l’affirmation selon laquelle les poids, les données d’entraînement et les recettes sont ouverts.

• Affirmé mais non mesuré : l'affirmation de qualité elle-même. « Plus performant que la plupart des modèles MoE populaires ayant une empreinte mémoire similaire » et « plus rapide que la plupart des modèles denses populaires » sont annoncés sans tableau de benchmarks dans l'annonce. Aucune évaluation indépendante de Bolt 74B ne semble exister à ce jour.

• Inconnu au moment de la rédaction : la fenêtre de contexte ; la licence nommée (NVIDIA dit open source sans en nommer une dans ce billet) ; le débit d’inférence exact au palier de 24 Go ; si la publication consiste uniquement en des poids téléchargeables ou est aussi servie derrière une API ; si le 2 bits est la seule précision publiée ; et dans quelle mesure l’architecture descend de la gamme Nemotron 3.5 Lightning que NVIDIA a déjà livrée en versions BF16 et NVFP4.

Cette dernière inconnue est celle à retenir. La nomenclature de NVIDIA elle-même porte les deux nombres — « 74B-A9B » et le plus ancien « 30B-A3B » — de sorte que les deux sont comparables sur le papier : environ 2,5 fois le nombre total de paramètres du modèle Lightning et 3 fois celui des paramètres actifs. Savoir si ce ratio survit à une compression en 2 bits est précisément ce qu’un premier benchmark indépendant permettrait de trancher.

Bolt E4B est l'autre moitié de la famille, et c'est un produit différent.

Nemotron 3.5 Bolt E4B, dont la sortie est prévue le 23 octobre, n'est pas un petit cousin du 74B comme le nom le laisse entendre. NVIDIA le qualifie de « petit modèle de langage (SLM) de troisième génération pour NVIDIA ACE », la suite qu'elle utilise pour les personnages IA dans les jeux — une lignée que l'entreprise retrace à travers une bêta de PUBG pour la première génération et un aperçu d'Aniimo à la Gamescom pour la seconde.

Ses objectifs de conception énoncés sont davantage pensés pour le jeu que pour les agents : une empreinte de 4 Go, « un temps rapide jusqu’au premier token », « un nouveau mode conversationnel [qui] aide à garder les réponses concises et prêtes à être prononcées », une option de raisonnement, et un ancrage dans l’état de l’application pour l’utilisation d’outils sur plusieurs tours. NVIDIA accompagne cette sortie d’un essai au sein de SkyrimNET, une plateforme de modding de PNJ pour Skyrim qui prend en charge l’inférence cloud et locale, dès le jour même.

Donc si vous êtes arrivé depuis le tweet en vous attendant à un seul modèle, vous en obtenez deux à des dates différentes, dans des enveloppes différentes, pour des usages différents : le 15 octobre pour l’agent local de 24 Go, le 23 octobre pour le personnage de jeu de 4 Go.

Comment l’évaluer sans miser une feuille de route dessus

Le côté délicat d’un modèle local dès le premier jour, c’est que vous ne pouvez pas encore répondre à la seule question qui compte — le checkpoint 2 bits tient-il la route sur votre charge de travail ? — et vous ne pouvez pas non plus répondre à la seconde : existe-t-il une route hébergée à laquelle vous comparer. Ces deux lacunes sont temporaires, et aucune des deux ne justifie de planifier autour d’un tableau de benchmarks qui n’existe pas.

La voie pratique consiste à garder les deux décisions séparées. Exécutez Bolt 74B en local comme une expérimentation dans l'enveloppe de 24GB dont vous disposez déjà, et maintenez la voie de production sur tout ce qui est appelable aujourd'hui. C'est dans cette seconde moitié que l'infrastructure de routage justifie sa place : une seule clé pour plus de 200 modèles au prix catalogue du fournisseur, avec 0 % de marge signifie qu'essayer un deuxième ou un troisième candidat coûte un changement de configuration plutôt qu'un second contrat, et le basculement automatique entre fournisseurs signifie qu'une version locale non éprouvée ne devient jamais le point de défaillance unique d'un agent en production.

C'est aussi la façon honnête de lire la propre formulation de NVIDIA. « Conçu spécifiquement pour exécuter des agents locaux sur RTX Spark » est une déclaration sur l'endroit où le modèle s'exécute, et non sur ce qu'il obtient comme score. Considérez la date du 15 octobre comme le moment où une question devient susceptible de recevoir une réponse — non comme une réponse.

Qu’est-ce qui changerait cet article ?

Trois choses, à peu près par ordre d’impact sur la situation.

• Une licence nommée et un dépôt public de poids. « Entièrement open source, y compris les données d’entraînement, les poids et les recettes » est l’affirmation la plus forte de la publication de NVIDIA et la plus facile à vérifier. Tant que la licence n’est pas nommée et que les fichiers ne sont pas téléchargeables, cette affirmation est une promesse.

• Un premier benchmark indépendant. La comparaison intéressante n'est pas celle de Bolt 74B face à un modèle de classe 70B en pleine précision, contre lequel il n'a jamais eu à se mesurer. C'est celle de Bolt 74B en 2 bits face à toutes les autres versions qui tiennent dans 24 Go, mesurées sur le même banc d'essai.

• Un point de terminaison hébergé.Sans celui-ci, il n’y a pas de prix à débattre, ni de moyen de router vers lui. Si une version servie apparaît, la comparaison des tarifs avec les modèles déjà sur votre liste restreinte devient concrète, et la tarification pass-through vaut la peine d’être vérifiée le jour même.

Tant qu'au moins l'un de ces éléments ne se concrétise pas, la bonne attitude est l'intérêt plutôt que l'engagement. Le teasing était réel, les dates sont réelles, et le modèle est réel. L'évaluation ne l'est pas.

Des questions qui méritent une réponse correcte

Nemotron 3.5 Bolt 74B est-il le même modèle que Nemotron 3.5 Lightning 30B-A3B ?

Non. Ce sont des entrées différentes dans la même génération avec des formes différentes : Bolt totalise 74B avec 9B actifs, Lightning totalise 30B avec 3B actifs selon la nomenclature propre à NVIDIA. Bolt est également livré avec une empreinte de 2 bits et 24GB, tandis que NVIDIA a publié la gamme Lightning en versions BF16 et NVFP4. L’annonce ne précise pas s’ils partagent une architecture.

Peut-on exécuter Bolt 74B sur une carte graphique de bureau de 24 Go, ou seulement sur un ordinateur portable RTX Spark ?

La contrainte énoncée par NVIDIA porte sur l’empreinte mémoire, pas sur la machine — 24 Go en 2 bits — et les runtimes nommés sont llama.cpp, vLLM, Ollama, Unsloth et LM Studio, qui ne sont pas exclusifs à NVIDIA. RTX Spark est ce que NVIDIA met en avant dans son marketing, mais rien dans l’annonce n’en fait une exigence.

OrcaRouter héberge-t-il Nemotron 3.5 Bolt 74B ?

Pas aujourd'hui, et il n'y a encore rien à héberger — NVIDIA n'a publié aucun point de terminaison servi ni aucun prix pour celui-ci. Si cela change, le modèle devient appelable via la même clé que tout le reste du catalogue, au prix catalogue du fournisseur sans marge ajoutée.

Pour un modèle dont les modes de défaillance ne sont pas encore documentés, l'équivalent utile est le registre de ce qui a déjà mal tourné ailleurs : les incidents d'IA et les défaillances d'agents documentés concernant les modèles de cette classe sont recensés dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, un niveau de gravité, un degré de confiance et un indicateur de contestation.