Les jeux de données ouverts de post-entraînement de Nemotron 3.5 Super VL : sur quoi vous pouvez réellement faire du fine-tuning

NVIDIA Nemotron 3.5 Super VL a publié ses poids sur Hugging Face le 12 octobre 2026 et a été annoncé le 15 octobre. La moitié de cette publication que la plupart de la couverture médiatique a laissée de côté est celle sur laquelle vous pouvez réellement bâtir : entre le 12 et le 15 octobre, l'organisation nvidia a publié onze nouveaux jeux de données de post-entraînement — les corpus d'affinage supervisé et d'apprentissage par renforcement qui sous-tendent la description d'entraînement en six étapes de la fiche du modèle elle-même. Chacun des onze désigne OpenMDW-1.1 comme ses conditions d'application, mais c'est là que l'uniformité s'arrête. Deux d'entre eux s'affichent comme « licence : autre » sur le Hub ; deux autres portent une seconde licence en raison de ce qu'ils contiennent ; et les deux fiches qui ne disent jamais « prêt pour des utilisations commerciales ou non commerciales » ne sont pas celles que vous devineriez. Voici ce que contient chaque ensemble, ce que les fiches publient ou non à ce sujet, et comment l'ensemble de cette publication se situe par rapport à un chiffre médian de récupération de précision de 99,62 % qui se lit très différemment selon le document NVIDIA que vous ouvrez.

Qu’est-ce qui a atterri, et quand

Hugging Face enregistre les horodatages de création, il s'agit donc d'une lecture plutôt que d'une estimation. Les onze dépôts sont apparus dans une fenêtre de 61 heures :

• Nemotron-RL-litmus-bench-v0.2 — 12 octobre, 16:37 UTC. Raisonnement en chimie, 47 118 questions d’entraînement et 2 056 questions de test, 64 Mo, construit à partir de ChEMBL, des données du défi OpenADMET ExpansionRx et d’un ensemble ADME de Biogen. Sous double licence CC-BY-SA-4.0 et OpenMDW-1.1, car les questions dérivées de ChEMBL portent la clause de partage à l’identique.

• Nemotron-SFT-Agentic-v4 — 14 octobre, 17:54 UTC. Trajectoires d'utilisation d'outils à un et plusieurs tours, 634 664 enregistrements de conversation répartis entre un split tool_calling de 549 707 et un split knowledge_agent de 84 957, 18,88 Go. Généré avec Qwen3.5-397B-A17B et GLM-5.2.

• Nemotron-SFT-Instruction-Following-Chat-v4 — 14 octobre, 17:55 UTC. Dialogue, suivi d'instructions multi-tours et contrôle de la longueur des réponses, 3 850 582 enregistrements de conversation, 80,74 Go. Généré avec Kimi-K2.6, Gemma4-E4B-it et Qwen3.5-397B-A17B.

• Nemotron-SFT-Agentic-Finance-v1 — 14 octobre, 18:54 UTC. 7 878 exemples multi-tours d'appel d'outils couvrant le raisonnement numérique, la modélisation financière, l'analyse de marché, les ajustements et les questions de type « beat-or-miss » portant sur des dépôts publics auprès de la SEC, 28 Mo.

• Nemotron-RL-Agentic-Finance-v1 — 14 octobre, 18:55 UTC. 10 185 tâches RL, les mêmes cinq familles de tâches, 166 Mo, avec le contexte de dépôt délibérément omis afin que l'agent doive le récupérer à l'aide de sec_filing_search, parse_html_page et retrieve_information.

• Nemotron-SFT-Long-Context-Transduction-v1 — 14 octobre, 19:47 UTC. 10 000 paires instruction–réponse, 1,22 Go, pour le suivi de position et la transformation de séquence. Aucun modèle n'a généré ces éléments : la fiche indique explicitement qu'aucun modèle de langage ne produit les exemples ni les réponses, et les quatre familles de tâches sont l'évaluation arithmétique, le tri de jetons hexadécimaux, l'expansion de variables et la transformation CSV.

• Nemotron-SFT-Long-Context-Translation-PG19-v1 — 14 octobre, 20:14 UTC. 4 335 exemples de traduction de l’anglais vers plusieurs langues, 2,22 Go, textes sources issus de livres du domaine public du corpus PG-19 et traduits avec DeepSeek V4 Flash.

• Nemotron-RL-Finance-Tool-Calling-v1 — 14 octobre, 22:46 UTC. 90 307 enregistrements financiers — 81 397 échantillons de raisonnement de base ainsi que 8 910 échantillons élargis d'agents financiers — dans 1,23 Go, exécutés sur l'environnement Finance SEC Search dans NeMo Gym.

• Nemotron-SFT-Finance-Document-Grounded-Reasoning-v1 — 14 octobre, 22:46 UTC. 63 056 exemples dans 1,01 Go, ancrés dans les dépôts 10-K, 10-Q et 8-K d'entreprises du S&P 500 couvrant la période 2017-2024.

• Nemotron-RL-Agentic-Conversational-Tool-Use-Seed-v1 — 14 octobre, 23:45 UTC. 100 000 enregistrements, 3,86 Go : politiques initiales, définitions d'outils et scénarios pour le serveur de ressources conversation_tool_use_simulation, couvrant l'hôtellerie, le commerce électronique, la banque et l'assurance, pour des conversations agentiques simulées pendant l'apprentissage par renforcement (RL).

• Nemotron-SFT-BBQ-v1 — 15 octobre, 05:22 UTC. Données d'équité en anglais couvrant l'âge, l'apparence physique et le handicap — 2 000 enregistrements chacun, 6 000 au total, 8,0 Mo — construites selon la taxonomie Bias Benchmark for QA, avec des conversations entre participants fictifs conçues pour valoriser les réponses fondées sur des preuves plutôt que sur des suppositions.

Deux choses, dans cette liste, comptent davantage que le nombre de lignes. La première est que le périmètre des licences n’est pas aussi uniforme que le suggère l’étiquette principale, et la seconde est de savoir à qui appartiennent ces sorties.

L'étiquette de licence n'est pas toute la licence.

Les onze dépôts désignent tous OpenMDW-1.1 comme leurs conditions applicables. Ce qui diffère, c'est la manière dont cela vous parvient, et ces différences méritent d'être lues avant de bâtir quoi que ce soit de commercial par-dessus.

• Étiquette ou licence nommée — neuf des onze portent license: openmdw-1.1 sous forme d'étiquette simple, lisible directement depuis l'API. Nemotron-SFT-Agentic-Finance-v1 et Nemotron-RL-Agentic-Finance-v1 se présentent comme license: other avec license_name: openmdw-1.1 et un lien vers l'accord. Les conditions sont identiques ; un outil qui filtre les dépôts sur une étiquette de licence verra deux valeurs différentes.

• Seconde licence en raison de données en amont — Nemotron-SFT-Long-Context-Translation-PG19-v1 est distribué sous Apache-2.0 en plus d'OpenMDW-1.1, car le corpus source est PG-19, et sa fiche précise que les œuvres anglaises sous-jacentes appartiennent au domaine public aux États-Unis, mais que leur statut de droit d'auteur peut différer dans d'autres juridictions ; les utilisateurs doivent donc vérifier la législation locale avant toute redistribution. Nemotron-RL-litmus-bench-v0.2 est distribué sous CC-BY-SA-4.0 en plus d'OpenMDW-1.1, la clause de partage à l'identique s'appliquant spécifiquement aux questions dérivées de ChEMBL.

• La phrase sur l'usage commercial — neuf fiches indiquent « This dataset is ready for commercial or non-commercial uses. » Les deux qui ne le font pas sont Nemotron-SFT-Long-Context-Transduction-v1 et Nemotron-SFT-Long-Context-Translation-PG19-v1 — la paire à contexte long, et non les ensembles de finance.

• Où l'exclusion de contenu est documentée — finance. La carte fondée sur des documents indique que la publication ne conserve que des extraits à contexte limité autorisés provenant des corps des formulaires 10-K, 10-Q et 8-K, et que le corpus complet de la SEC, toutes les pièces annexes et tout contenu portant une mention de droit d'auteur de tiers sont exclus, citant les rapports de consultants, les présentations, les avis d'équité et la recherche d'analystes. Elle note également que les extraits restent sous la responsabilité de leurs émetteurs respectifs.

Ainsi, l’interprétation pratique est l’inverse de l’intuitive. Les ensembles financiers sont ceux qui affichent le badge de licence le plus voyant — un openmdw-1.1 propre sur les ensembles fondés sur des documents et d’appel d’outils — et ceux qui comptent le plus de restrictions documentées sur ce qu’ils contiennent. Les ensembles à long contexte sont ceux dont les métadonnées Hub et la prose se contredisent le plus. Ni l’un ni l’autre n’est une raison de renoncer ; les deux sont des raisons de lire quatre fiches au lieu d’un seul champ de licence.

Les sorties de qui ont entraîné le fleuron de NVIDIA

L’autre élément qui traverse tout le drop, ce sont les modèles de génération, et les fiches les nomment sans détour. L’ensemble SFT agentique phare a été produit avec Qwen3.5-397B-A17B et GLM-5.2. L’ensemble de suivi d’instructions ajoute Kimi-K2.6 et Gemma4-E4B-it. L’ensemble financier ancré dans des documents nomme Qwen3.5-397B-A17B pour la génération de questions, DeepSeek-V4-Pro pour les réponses et gpt-oss-120b pour le filtrage et la sélection. L’ensemble RL d’appel d’outils financiers liste en amont Qwen3.5-397B-A17B et Qwen3-235B-A22B-Instruct-2507, DeepSeek-V4-Pro pour les réponses, gpt-oss-120b pour le filtrage, et NVIDIA Nemotron lui-même pour le profilage de difficulté RL sur huit rollouts. Les traductions PG-19 ont été produites avec DeepSeek V4 Flash.

C'est une décision de publication, pas un accident, et c'est l'élément le plus utile de cette sortie pour quiconque cherche à raisonner sur la qualité. Il vous indique que l'a priori comportemental vers lequel vous faites du fine-tuning n'est, pour l'essentiel, pas celui de NVIDIA — c'est un mélange de deux familles chinoises de modèles à poids ouverts de pointe, d'un modèle à poids ouverts d'OpenAI et d'un petit modèle de Google. Si vous avez un avis sur la façon dont l'un de ces modèles se comporte sur du texte financier ou sur la sélection d'outils, cet avis s'applique à votre point de départ ici, et vous disposez désormais de la provenance nécessaire pour le vérifier au lieu de deviner.

Pourquoi les données sont la partie sur laquelle vous pouvez agir

La raison pour laquelle la publication d'un jeu de données est la moitié intéressante de ce lancement est visible dans les propres chiffres du fournisseur. L'article de la salle de presse de NVIDIA nomme des organisations qui ont post-entraîné le modèle et cite leurs résultats : Scale AI pour le travail de crédit fournisseur de Skydance, à « un coût d'inférence 40 fois inférieur » et « une latence 5 fois inférieure » ; Ramp sur la conversion d'images de reçus en JSON structuré, avec des attentes allant jusqu'à « 50 % de débit en plus et une latence 10 fois inférieure » ; AI21 et Alice sur le renseignement sur les menaces, à « 41 % de précision en plus ». Lisez le blog développeur en parallèle de la salle de presse et les mêmes résultats clients se réduisent à « un coût d'inférence 40 fois inférieur, une latence 10 fois inférieure et une précision 40 % supérieure » — un 40 là où la salle de presse dit 41, et un facteur 10 là où elle dit 5, pour ce qui semble être les deux mêmes déploiements. Ce sont des attentes de clients concernant leurs propres charges de travail, pas des benchmarks, et aucune des deux versions n'est reproductible par vous.

Ce qui est reproductible, c’est le reçu. La rédaction indique que le modèle a été post-entraîné avec environ 3,8 millions d’échantillons et un apprentissage par renforcement dans des dizaines d’environnements, et que les jeux de données ouverts couvrent l’utilisation agentique d’outils, la finance, le suivi d’instructions, le contexte long, l’équité et la compréhension vision-langage. Les onze dépôts ci-dessus constituent ce corpus, et les environnements NeMo Gym que les fiches désignent sont le harnais. Une équipe qui souhaite un agent d’intelligence documentaire dispose désormais du modèle, des recettes de service, des bibliothèques de fine-tuning et des données d’entraînement au même endroit. L’écart entre « ce modèle peut être spécialisé » et « voici une spécialisation que vous pouvez télécharger dès aujourd’hui » est ce que ces dépôts comblent.

Une mise en garde sur cette liste de catégories : la salle de presse de NVIDIA inclut la compréhension vision-langage parmi les jeux de données publiés, et les onze nouveaux dépôts de jeux de données nvidia créés dans cette fenêtre sont des corpus textuels et d’utilisation d’outils. L’ensemble financier ancré dans des documents est ce qui se rapproche le plus d’un jeu de données de vision dans cette publication, et il est au format texte uniquement. Si vous êtes venu pour le volet image et vidéo, les données ne sont pas ici — le plus récent jeu de données de vision NVIDIA sur le Hub est antérieur de cinq jours à cette fenêtre.

Ce que les cartes ne publient pas, et ce que cela vous coûte

Voici le chiffre que personne ne met dans un post de lancement, et pour cette sortie, c’est un chiffre manquant. Aucune des onze fiches de jeu de données ne publie de nombre de tokens. Elles publient des nombres d’enregistrements et des tailles de stockage, et c’est tout. La question du dimensionnement — combien d’heures GPU représente une epoch sur l’ensemble instruction-following — ne peut donc pas être résolue à partir de la publication ; on ne peut que l’estimer en divisant les octets par un ratio octets/token supposé, ce qui est exactement le genre de chiffre qui se retrouve dans la couverture comme s’il avait été mesuré.

Ce sur quoi vous pouvez vous appuyer, ce sont les volumes de stockage publiés : 80,74 Go pour Nemotron-SFT-Instruction-Following-Chat-v4, 18,88 Go pour Nemotron-SFT-Agentic-v4, 3,86 Go pour le jeu de données de départ d’utilisation d’outils conversationnels, puis une longue traîne — 2,22 Go, 1,23 Go, 1,22 Go, 1,01 Go, 166 Mo, 28 Mo, 8,0 Mo, 64 Mo. Les deux ensembles les plus volumineux sont d’un à deux ordres de grandeur plus grands que tout le reste de la livraison, ce qui vous indique où se situe réellement le poids du post-entraînement sans même avoir besoin d’un décompte de tokens.

• Nemotron-SFT-Instruction-Following-Chat-v4 — 80,74 GB et 3 850 582 enregistrements. C'est l'ensemble qui transforme une exécution en paramètres complets en un projet plutôt qu'en un après-midi.

• Nemotron-SFT-Agentic-v4 — 18,88 Go et 634 664 enregistrements. Environ un quart de la taille, ce qui le rend accessible pour une exécution sur un seul nœud.

• Nemotron-SFT-BBQ-v1 — 8,0 Mo et 6 000 enregistrements. Assez petit pour itérer en quelques minutes, ce qui en fait le moyen le moins coûteux de vérifier que votre boucle de fine-tuning est bien configurée avant de consacrer une semaine de GPU au travail qui vous importe réellement.

• Nemotron-SFT-Long-Context-Transduction-v1 — 1,22 GB, mais seulement 10 000 exemples, avec une plage publiée par exemple de 2 048 à 131 072 tokens cibles. Ici, le coût est déterminé par la longueur de séquence plutôt que par le volume, et la fiche indique que les budgets sont des cibles de génération estimées avec cl100k_base, et non des comptages mesurés après entraînement.

Pour l’échelle côté modèle, la fiche du modèle publie les budgets par étape : un préchauffage MTP de 100 milliards de tokens sur un backbone gelé, un billion de tokens de distillation à partir du Nemotron de taille immédiatement supérieure, 100 milliards de tokens de pré-entraînement continu Indic, une extension de 35 milliards de tokens à un contexte de 1 M, 67 milliards de tokens de mi-entraînement en génie logiciel à 256 K, et une étape de récupération de contexte long de 9 milliards de tokens. Ce sont les seuls budgets de tokens que NVIDIA indique où que ce soit dans la publication, et ils s’appliquent à l’entraînement du modèle de base, et non au fine-tuning sur ces jeux de données.

C'est aussi pour cela que la voie LoRA compte ici, plutôt que de n'être qu'une note de bas de page. NVIDIA oriente les développeurs vers NVIDIA NeMo AutoModel pour l'affinage supervisé et l'adaptation de rang faible, et les adaptateurs font la différence entre déplacer quelques comportements du modèle et recalculer 249 Go de poids. Les deux voies existent bel et bien, et le choix entre elles est une décision quant à la part du comportement du modèle de base que vous avez l'intention de déplacer. Une équipe financière qui cherche à obtenir un schéma étroit ou un comportement conforme à une politique relève de LoRA. Une équipe qui veut que le modèle applique une nouvelle procédure opérationnelle à chacune de ses interactions n'en relève pas.

Deux documents, un benchmark, des réponses opposées

Le rapport technique qui accompagne cette publication est daté du 14 octobre et porte le chiffre qui a le plus voyagé sans son contexte. NVIDIA rapporte que le checkpoint NVFP4 publié atteint une récupération de précision médiane de 99,62 % par rapport à BF16 sur 36 benchmarks, après la recette agressive de quantification post-entraînement suivie de 200 itérations de distillation consciente de la quantification basée sur le SFT — avec l'encodeur visuel C-RADIO, le connecteur VL, les convolutions Mamba et les embeddings laissés en BF16, et le calcul du routeur laissé en FP32, selon le tableau par module du rapport.

« La récupération médiane de précision » est une médiane de ratios, pas un minimum. Pour obtenir 99,62 %, le rapport calcule un ratio de score par benchmark et prend celui du milieu sur 36, donc le titre vous dit que le benchmark typique se situe environ quatre dixièmes de pour cent en dessous de la pleine précision, et rien du tout sur la queue de distribution. Le tableau du rapport lui-même montre la queue de distribution : Tau3 Banking à 94,20 %, le volet résolution de problèmes de SciCode à 93,63 %, MMLU-ProX à 95,90 % — et dans l'autre sens GDPVal à 111,53 % et Terminal-Bench v2.1 à 103,47 %, parce que la quantification peut se situer au-dessus de la référence BF16 sur une seule exécution.

Ensuite, comparez la fiche modèle, et l'histoire devient plus intéressante qu'une queue. La propre fiche modèle NVFP4 de NVIDIA publie un tableau BF16 contre NVFP4 pour le même checkpoint, et sur celui-ci, Terminal-Bench 2.1 affiche 66,70 contre 60,80 — soit une baisse de neuf pour cent pour la version quantifiée. Dans le tableau de la suite complète du rapport technique, le même benchmark affiche 60,67 contre 62,78, avec la version quantifiée en tête. Même modèle, même benchmark, même famille de harnais d'évaluation, deux documents NVIDIA, des directions opposées. La fiche montre aussi WebVoyager à 77,72 tombant à 66,31 et DeepSWE à 24,65 tombant à 18,2, alors qu'aucun des deux ne correspond à la version de l'histoire que vous donne un titre à 99,62 %.

Ce n’est pas un scandale — des tableaux différents peuvent comporter des configurations de harnais différentes, et le tableau du rapport indique un pourcentage de récupération à côté de chaque ligne — mais cela signifie que la réponse honnête à « NVFP4 me fait-il perdre en précision ? » est : sur la plupart des lignes publiées, à peine ; sur les lignes où c’est le cas, plus que ne le laisse supposer la médiane ; et les deux documents du fournisseur ne s’accordent pas sur les lignes concernées. Si votre charge de travail consiste en du travail de terminal agentique, remesurez-la vous-même plutôt que de choisir un tableau.

L'arithmétique du déploiement, en revanche, est sans ambiguïté et constitue l'argument le plus fort en faveur de la version quantifiée. Le dépôt BF16 totalise 248,9 Go de fichiers de point de contrôle et son propre guide de démarrage rapide le sert sur 4× H100. Le dépôt NVFP4 totalise 75,06 Go, ce que le rapport évalue à 4,82 bits par paramètre, échelles comprises, et cela tient sur un H200, un GB200 ou un seul DGX Spark. Sur un GB200, le rapport annonce jusqu'à 4 856 jetons de sortie/s/GPU sur une charge de travail proxy agentique à 20 tours, tout en maintenant au moins 50 jetons/s/utilisateur, avec NVFP4 à 2,43× le débit du BF16 sur la même charge de travail, et le modèle à 2,34× et 1,90× le débit de Qwen3.5-122B-A10B et de Qwen3.8 Flash-Next. Tous ces chiffres sont mesurés par NVIDIA, sur la propre pile de service de NVIDIA, à la concurrence choisie par la recette.

Un quart supplémentaire de la publication est facile à manquer, et il compte si votre fine-tuning doit être contesté plus tard. Le rapport décrit une passe de détection de contamination sur les données de post-entraînement, qui a supprimé 20 671 échantillons — environ 0,09 %, répartis en 14 793 échantillons SFT et 5 878 échantillons RL — correspondant à 1 808 questions de benchmark, soit 6,0 %, dans 22 des 30 benchmarks vérifiés, avec environ 3 % des paires candidates évaluées signalées comme contamination grave. La plupart des publications de poids ouverts ne publient aucune méthodologie de nettoyage. En avoir une que vous pouvez citer vaut bien plus que cela n'en a l'air lorsqu'un client demande pourquoi les chiffres d'évaluation de votre fine-tuning sont ce qu'ils sont.

Comment cela change ce que vous pouvez faire cette semaine

Trois choses concrètes sont désormais possibles qui ne l’étaient pas avant le 12 octobre.

Le premier est un agent de dépôt financier que vous pouvez construire sans conversation sur la licence de données — avec une réserve. Les référentiels financiers couvrent toute la boucle : 63 056 exemples SFT ancrés dans des documents sur sept ans de dépôts S&P 500, 90 307 enregistrements RL d'appels d'outils sur un environnement de recherche SEC en direct, 7 878 exemples multi-tours d'appel d'outils pour la couche comportementale, et 10 185 tâches RL où le contexte du dépôt est retenu, de sorte que la récupération fasse partie de la tâche. La réserve est l'exception documentée ci-dessus : extraits uniquement, annexes exclues, contenu protégé par le droit d'auteur de tiers supprimé, et les problèmes restant sous la responsabilité des émetteurs. Il s'agit d'une position bien documentée plutôt que d'une position nette, et c'est l'ensemble où il faut lire la fiche avant le code.

Le deuxième est l'utilisation agentique d'outils, et c'est le vertical le mieux pris en charge de cette fournée. Entre les 634 664 enregistrements de Nemotron-SFT-Agentic-v4, le jeu de données d'amorçage de 100 000 enregistrements pour l'utilisation conversationnelle d'outils, avec ses scénarios d'hôtellerie, de commerce électronique, de banque et d'assurance, et les environnements NeMo Gym vers lesquels renvoient les fiches de modèle, tout le pipeline est décrit de bout en bout : générer des trajectoires, exécuter des conversations simulées, entraîner avec des récompenses vérifiables, évaluer dans le harnais qu'a utilisé le fournisseur lui-même. Quoi que vous pensiez du modèle, c'est une recette publique complète pour transformer un modèle général vision-langage en agent appelant des outils, et c'est la partie qui relevait autrefois du savoir tribal.

Le troisième est une base de référence d’équité sur laquelle vous pouvez réellement itérer. Nemotron-SFT-BBQ-v1 compte 6 000 enregistrements et 8,0 Mo ; il est équilibré à 2 000/2 000/2 000 selon l’âge, l’apparence physique et le handicap, et ses conversations sont rédigées de telle sorte que la réponse fondée sur des preuves et la réponse fondée sur des suppositions soient toutes deux plausibles. À cette taille, vous pouvez l’exécuter, l’évaluer et le réexécuter en un après-midi, ce qui transforme « comment avez-vous testé cela » d’un problème d’approvisionnement en une expérience.

L'essayer sans y parier un chemin de production.

Le point délicat de cette publication, c’est le déploiement, pas les données. Le checkpoint BF16 exige quatre H100, et celui quantifié, un seul H200 ou GB200 ; les poids ouverts sont sur Hugging Face, et la voie propre du fournisseur vers un point de terminaison hébergé est NVIDIA NIM, la salle de presse citant aussi des plateformes tierces. Nous ne servons pas ce modèle, donc si vous voulez un point de terminaison managé, c’est vers l’API du fournisseur et plusieurs plateformes tierces qu’il faut se tourner ; ce à quoi un routeur est utile ici, c’est pour le reste de la décision.

Une seule clé pour plus de 200 modèles au prix catalogue du fournisseur, avec 0 % de marge signifie que comparer la version NVFP4 au modèle textuel que vous utilisez aujourd'hui ne coûte qu'un changement d'une ligne plutôt qu'un second contrat fournisseur, et le basculement automatique d'un fournisseur à l'autre signifie qu'une charge de travail que vous ne faites que tester peut cohabiter avec le trafic de production sans que l'une dépende de l'autre. C'est la forme d'une décision que vous pouvez annuler — ce que vous attendez d'un modèle dont la documentation a deux jours et dont les propres tableaux de référence se contredisent.

La marche à suivre pratique est la suivante : prenez Nemotron-SFT-BBQ-v1 ou un extrait de l’ensemble agentique, lancez un LoRA sur un H200 loué pour valider votre boucle, notez-le par rapport à votre propre évaluation, et ne décidez qu’ensuite si la version pleine précision de 249 GB et quatre GPU en valent la peine. Les jeux de données sont téléchargeables gratuitement et les petits peuvent être exécutés gratuitement. Rien dans ce plan ne vous oblige à croire à une médiane de 99,62 %.

Qu'est-ce qui manque encore ?

Trois écarts méritent d’être surveillés, car ils modifient le calcul plutôt que le marketing.

Le premier point est l’évaluation indépendante des résultats affinés. Chaque chiffre post-entraînement de cette publication — le passage de 62,7 à 71,9 sur Terminal-Bench grâce à l’exécution parallèle d’agents et à l’auto-vérification, le passage de 24,6 à 34,5 sur DeepSWE dans la même expérience, l’amélioration de 41 % de la précision chez AI21, la réduction de 40× des coûts chez Scale AI — provient du harnais de NVIDIA ou d’une mesure réalisée par le client lui-même. Aucun tiers n’a reproduit un fine-tune de Nemotron 3.5 Super VL sur ces jeux de données et publié le résultat. Tant que ce n’est pas le cas, considérez les tailles d’effet comme une borne supérieure.

Le deuxième est la voie vidéo. Le modèle accepte des MP4 allant jusqu’à deux minutes à 2 images/s et 256 images, ou 1 image/s et 128 images pour la 1080p, avec un taux d’élagage de 0,5 — et il n’y a aucun jeu de données public de post-entraînement vidéo dans cette livraison. Tous les dépôts ci-dessus sont du texte, et les ensembles de traduction et de transduction sont du texte à long contexte plutôt que quoi que ce soit de visuel. Si votre cas d’usage est la compréhension vidéo que la fiche modèle annonce, NVIDIA a livré la capacité sans les données nécessaires pour la spécialiser.

Le troisième point est que personne n’a publié ce que ces jeux de données font à un modèle qui n’est pas Nemotron. Les onze ont été conçus pour produire le mélange post-entraînement d’un seul modèle — les fiches indiquent explicitement que certains ensembles consolident des versions antérieures spécifiques à Nemotron, et l’ensemble d’amorçage conversationnel est décrit comme les données d’amorçage d’un ensemble pivot plutôt que comme une génération nouvelle. Savoir si le corpus agentique se transfère à un autre socle de 120B est une question ouverte, et c’est la première à laquelle une équipe disposant d’une pile d’affinage existante voudra qu’on réponde.

Les trois lacunes font partie de celles qui se comblent grâce au travail de quelqu'un d'autre plutôt que celui de NVIDIA, ce qui est la trajectoire habituelle d'une sortie ouverte. Les poids sont téléchargeables dès aujourd'hui, les données sont téléchargeables dès aujourd'hui, et le premier fine-tuning indépendant crédible est ce qui vous dira si tout cela vaut le temps de GPU.