Open post-trainingsdatasets van Nemotron 3.5 Super VL: waarop je daadwerkelijk kunt fine-tunen

NVIDIA Nemotron 3.5 Super VL zette zijn gewichten op 12 oktober 2026 op Hugging Face en werd aangekondigd op 15 oktober. Het deel van die release dat de meeste berichtgeving oversloeg, is juist het deel waarop je echt kunt voortbouwen: tussen 12 en 15 oktober publiceerde de nvidia-organisatie elf nieuwe posttrainingsdatasets — de corpora voor supervised fine-tuning en reinforcement learning achter de eigen zesfasige trainingsbeschrijving van de modelkaart. Elk van de elf noemt OpenMDW-1.1 als zijn geldende voorwaarden, maar daar houdt de uniformiteit op. Twee ervan staan op de Hub vermeld als license: other; twee andere hebben een tweede licentie vanwege wat erin zit; en de twee kaarten die nooit zeggen "geschikt voor commercieel of niet-commercieel gebruik" zijn niet de kaarten die je zou verwachten. Hieronder staat wat er in elke set zit, wat de kaarten er wel en niet over publiceren, en hoe de hele release zich verhoudt tot een mediane accuracy-recoverywaarde van 99,62% die heel anders leest, afhankelijk van welk NVIDIA-document je openslaat.

Wat is er geland, en wanneer

Hugging Face registreert de aanmaaktijdstempels, dus dit wordt uitgelezen in plaats van geschat. Alle elf repositories verschenen binnen een venster van 61 uur:

• Nemotron-RL-litmus-bench-v0.2 — 12 oktober, 16:37 UTC. Chemisch redeneren, 47.118 trainings- en 2.056 testvragen, 64 MB, samengesteld uit ChEMBL, de challengegegevens van OpenADMET ExpansionRx en een Biogen ADME-set. Dubbel gelicentieerd onder CC-BY-SA-4.0 en OpenMDW-1.1, omdat de van ChEMBL afgeleide vragen de share-alike-voorwaarde dragen.

• Nemotron-SFT-Agentic-v4 — 14 oktober, 17:54 UTC. Single- en multi-turn tool-use-trajecten, 634.664 gespreksrecords verdeeld over een tool_calling-split van 549.707 en een knowledge_agent-split van 84.957, 18,88 GB. Gegenereerd met Qwen3.5-397B-A17B en GLM-5.2.

• Nemotron-SFT-Instruction-Following-Chat-v4 — 14 oktober, 17:55 UTC. Chat, instructieopvolging bij meerdere beurten en controle over antwoordlengte, 3.850.582 gespreksrecords, 80,74 GB. Gegenereerd met Kimi-K2.6, Gemma4-E4B-it en Qwen3.5-397B-A17B.

• Nemotron-SFT-Agentic-Finance-v1 — 14 oktober, 18:54 UTC. 7.878 voorbeelden van tool-aanroepen over meerdere beurten, over numeriek redeneren, financiële modellering, marktanalyse, aanpassingen en beat-or-miss-vragen op basis van openbare SEC-documenten, 28 MB.

• Nemotron-RL-Agentic-Finance-v1 — 14 oktober, 18:55 UTC. 10.185 RL-taken, dezelfde vijf taakfamilies, 166 MB, waarbij de filingcontext bewust is achtergehouden, zodat de agent deze moet ophalen met sec_filing_search, parse_html_page en retrieve_information.

• Nemotron-SFT-Long-Context-Transduction-v1 — 14 oktober, 19:47 UTC. 10.000 instructie-antwoordparen, 1,22 GB, voor positietracking en sequentietransformatie. Geen enkel model heeft deze gegenereerd: de kaart stelt expliciet dat geen enkel taalmodel de voorbeelden of antwoorden produceert, en de vier taakfamilies zijn rekenkundige evaluatie, sortering van hexadecimale tokens, variabele-expansie en CSV-transformatie.

• Nemotron-SFT-Long-Context-Translation-PG19-v1 — 14 oktober, 20:14 UTC. 4.335 voorbeelden van Engels-naar-meertalige vertalingen, 2,22 GB, bronteksten afkomstig uit boeken in het publieke domein in het PG-19-corpus en vertaald met DeepSeek V4 Flash.

• Nemotron-RL-Finance-Tool-Calling-v1 — 14 oktober, 22:46 UTC. 90.307 financiële records — 81.397 kern-redeneersamples plus 8.910 bredere finance-agentsamples — in 1,23 GB, ingezet tegen de Finance SEC Search-omgeving in NeMo Gym.

• Nemotron-SFT-Finance-Document-Grounded-Reasoning-v1 — 14 oktober, 22:46 UTC. 63.056 voorbeelden in 1,01 GB, gebaseerd op 10-K-, 10-Q- en 8-K-documenten van S&P 500-bedrijven over de periode 2017–2024.

• Nemotron-RL-Agentic-Conversational-Tool-Use-Seed-v1 — 14 oktober, 23:45 UTC. 100.000 records, 3,86 GB: seed-beleid, tooldefinities en scenario's voor de resourceserver conversation_tool_use_simulation, over hospitality, e-commerce, bankieren en verzekeringen, voor gesimuleerde agentische gesprekken tijdens RL.

• Nemotron-SFT-BBQ-v1 — 15 oktober, 05:22 UTC. Engelse fairnessdata over leeftijd, fysieke verschijning en handicap — elk 2.000 records, 6.000 in totaal, 8,0 MB — opgebouwd volgens de taxonomie van de Bias Benchmark for QA, met gesprekken tussen fictieve deelnemers die zijn ontworpen om op bewijs gebaseerde antwoorden te belonen boven aannames.

Twee dingen aan die lijst zijn belangrijker dan de rijaantallen. Het eerste is dat het licentieoppervlak niet zo uniform is als de headline-tag doet vermoeden, en het tweede is van wie deze outputs afkomstig zijn.

De licentietag is niet de hele licentie.

Alle elf repositories vermelden OpenMDW-1.1 als de voorwaarden die er gelden. Wat verschilt, is hoe dat bij jou terechtkomt, en die verschillen zijn het lezen waard voordat je er iets commercieels bovenop bouwt.

• Tag versus benoemde licentie — negen van de elf dragen license: openmdw-1.1 als een gewone tag die je rechtstreeks uit de API kunt lezen. Nemotron-SFT-Agentic-Finance-v1 en Nemotron-RL-Agentic-Finance-v1 presenteren zich als license: other met license_name: openmdw-1.1 en een link naar de overeenkomst. De voorwaarden zijn hetzelfde; een tool die repositories op een licentietag filtert, ziet twee verschillende waarden.

• Tweede licentie vanwege upstreamgegevens — Nemotron-SFT-Long-Context-Translation-PG19-v1 heeft Apache-2.0 naast OpenMDW-1.1 omdat het broncorpus PG-19 is, en de bijbehorende kaart voegt daaraan toe dat de onderliggende Engelstalige werken in de Verenigde Staten in het publieke domein zijn, maar dat de auteursrechtelijke status in andere rechtsgebieden kan verschillen, dus gebruikers moeten de lokale wetgeving controleren voordat ze het herdistribueren. Nemotron-RL-litmus-bench-v0.2 heeft CC-BY-SA-4.0 naast OpenMDW-1.1, waarbij de share-alike-voorwaarde specifiek van toepassing is op de van ChEMBL afgeleide vragen.

• De commerciële zin — negen kaarten vermelden "Deze dataset is geschikt voor commercieel of niet-commercieel gebruik." De twee die dat niet doen zijn Nemotron-SFT-Long-Context-Transduction-v1 en Nemotron-SFT-Long-Context-Translation-PG19-v1 — het long-contextpaar, niet de financiële sets.

• Waar de inhoudelijke uitzondering is gedocumenteerd — financiën. De op documenten gebaseerde kaart stelt dat de release alleen toegestane fragmenten met beperkte context uit de hoofdtekst van Formulieren 10-K, 10-Q en 8-K behoudt, en dat het volledige SEC-corpus, alle bijlagen en alle inhoud met een copyrightvermelding van derden zijn uitgesloten, met vermelding van consultantsrapporten, presentaties, fairness opinions en analistenonderzoek. Ook wordt opgemerkt dat de fragmenten de verantwoordelijkheid blijven van de respectieve emittenten.

De praktische lezing is dus het tegenovergestelde van de intuïtieve. De finance-sets zijn de sets met de meest in het oog springende licentiebadge — een schone openmdw-1.1 op de documentgebaseerde en tool-calling sets — en de sets met de meest gedocumenteerde beperkingen op wat erin zit. De long-context-sets zijn de sets waarvan de Hub-metadata en de beschrijvende tekst het meest met elkaar in tegenspraak zijn. Geen van beide is een reden om weg te lopen; beide zijn redenen om vier kaarten te lezen in plaats van één licentieveld.

Wiens outputs trainden NVIDIA's vlaggenschip

Het andere dat door de hele release heen loopt, zijn de generatiemodellen, en de kaarten noemen ze zonder enige terughoudendheid. De vlaggenschip-agentic SFT-set is geproduceerd met Qwen3.5-397B-A17B en GLM-5.2. De instruction-following-set voegt Kimi-K2.6 en Gemma4-E4B-it toe. De document-grounded finance-set noemt Qwen3.5-397B-A17B voor vraaggeneratie, DeepSeek-V4-Pro voor antwoorden en gpt-oss-120b voor filtering en selectie. De RL finance tool-calling-set vermeldt Qwen3.5-397B-A17B en Qwen3-235B-A22B-Instruct-2507 upstream, DeepSeek-V4-Pro voor antwoorden, gpt-oss-120b voor filtering, en NVIDIA Nemotron zelf voor RL difficulty profiling over acht rollouts. De PG-19-vertalingen zijn geproduceerd met DeepSeek V4 Flash.

Dat is een publicatiebeslissing, geen toeval, en het is het nuttigste in de release voor iedereen die over kwaliteit probeert te redeneren. Het vertelt je dat het gedragsprior waar je naartoe fine-tunet in belangrijke mate niet van NVIDIA is — het is een mengeling van twee Chinese frontier open-weight-families, een OpenAI open-weight-model en een klein model van Google. Als je een mening hebt over hoe een van die zich gedraagt bij financiële teksten of bij toolselectie, dan geldt die mening voor je startpunt hier, en je hebt nu de herkomst om het te controleren in plaats van te gissen.

Waarom de data het onderdeel is waar je iets mee kunt doen

De reden dat het uitbrengen van een dataset het interessante deel van deze lancering is, is zichtbaar in de eigen cijfers van de leverancier. Het newsroombericht van NVIDIA noemt organisaties die post-training op het model hebben toegepast en citeert hun resultaten: Scale AI voor het werk van Skydance aan leverancierskrediet, met "40x lagere inferentiekosten" en "5x lagere latentie"; Ramp voor het omzetten van kassabonafbeeldingen naar gestructureerde JSON, met de verwachting van "tot 50% hogere doorvoer en 10x lagere latentie"; AI21 en Alice op het gebied van dreigingsinformatie, met "41% hogere nauwkeurigheid". Lees de ontwikkelaarsblog naast het newsroombericht en dezelfde klantresultaten vallen samen tot "40x lagere inferentiekosten, 10x lagere latentie en 40% hogere nauwkeurigheid" — een 40 waar het newsroombericht 41 zegt, en een 10x waar het 5x zegt, voor wat dezelfde twee implementaties lijken te zijn. Dit zijn verwachtingen van klanten voor hun eigen workloads, geen benchmarks, en geen van beide versies is door jou reproduceerbaar.

Wat reproduceerbaar is, is het bewijs. De redactie zegt dat het model post-getraind is met ongeveer 3,8 miljoen samples en reinforcement learning in tientallen omgevingen, en dat de open datasets agentisch toolgebruik, financiën, het volgen van instructies, lange context, eerlijkheid en visie-taalbegrip bestrijken. De elf repositories hierboven vormen dat corpus, en de NeMo Gym-omgevingen waarnaar de kaarten verwijzen, zijn de harness. Een team dat een documentintelligentie-agent wil, heeft nu het model, de servingrecepten, de fine-tuningbibliotheken en de trainingsdata op één plek. De kloof tussen "dit model kan gespecialiseerd worden" en "hier is een specialisatie die je vandaag kunt downloaden" is wat deze repositories dichten.

Eén kanttekening bij die lijst met categorieën: NVIDIA's newsroom vermeldt vision-language understanding onder de vrijgegeven datasets, en de elf nieuwe nvidia-datasetrepositories die in dit venster zijn aangemaakt, zijn tekst- en tool-use-corpora. De document-grounded finance-set komt het dichtst bij een vision-set in deze release, en is qua formaat alleen tekst. Als je voor de beeld- en videokant kwam, zijn de data hier niet — de meest recente NVIDIA vision-dataset op de Hub is vijf dagen ouder dan dit venster.

Wat de kaarten niet publiceren, en wat dat je kost

Dit is het getal dat niemand in een lanceringsbericht zet, en bij deze release is het een ontbrekend getal. Geen van de elf datasetkaarten publiceert een tokenaantal. Ze publiceren recordaantallen en opslaggroottes, en dat is alles. Dus de dimensioneringsvraag — hoeveel GPU-uren is één epoch over de instruction-following-set — kan niet worden beantwoord op basis van de release, alleen worden geschat door bytes te delen door een veronderstelde bytes-per-token-ratio, wat precies het soort cijfer is dat in de berichtgeving terechtkomt alsof het gemeten is.

Wat je als uitgangspunt kunt nemen, is de gepubliceerde opslag: 80,74 GB voor Nemotron-SFT-Instruction-Following-Chat-v4, 18,88 GB voor Nemotron-SFT-Agentic-v4, 3,86 GB voor de conversationele seedset voor toolgebruik, en dan een lange staart — 2,22 GB, 1,23 GB, 1,22 GB, 1,01 GB, 166 MB, 28 MB, 8,0 MB, 64 MB. De twee grootste sets zijn een tot twee ordes van grootte groter dan al het andere in de release, wat aangeeft waar het post-traininggewicht eigenlijk ligt, zonder dat je ook maar een tokentelling nodig hebt.

• Nemotron-SFT-Instruction-Following-Chat-v4 — 80,74 GB en 3.850.582 records. Dit is de set die van een full-parameter-run een project maakt in plaats van een middagje.

• Nemotron-SFT-Agentic-v4 — 18,88 GB en 634.664 records. Ongeveer een kwart van de omvang, wat het binnen bereik brengt voor een run op één node.

• Nemotron-SFT-BBQ-v1 — 8,0 MB en 6.000 records. Klein genoeg om binnen enkele minuten op te itereren, wat het de goedkoopste manier maakt om te bewijzen dat je fine-tuning-loop goed is aangesloten voordat je een GPU-week besteedt aan de taak die je echt belangrijk vindt.

• Nemotron-SFT-Long-Context-Transduction-v1 — 1,22 GB, maar slechts 10.000 voorbeelden, met een gepubliceerd bereik per voorbeeld van 2.048 tot 131.072 doeltokens. Hier worden de kosten bepaald door sequentielengte in plaats van volume, en de kaart vermeldt dat de budgetten generatiedoelen zijn die zijn geschat met cl100k_base, niet gemeten aantallen na de training.

Wat de schaal aan de modelzijde betreft, publiceert de modelkaart de fasebudgetten: een MTP-warm-up van 100 miljard tokens tegen een bevroren backbone, een biljoen tokens aan distillatie van de eerstvolgende grotere Nemotron, 100 miljard tokens aan voortgezette pre-training voor Indic, een uitbreiding van 35 miljard tokens naar een 1M-context, 67 miljard tokens software-engineering-midtraining bij 256K, en een long-context-herstelfase van 9 miljard tokens. Dat zijn de enige tokenbudgetten die NVIDIA ergens in de release vermeldt, en ze gelden voor het trainen van het basismodel, niet voor het fine-tunen op deze datasets.

Dat is ook de reden waarom het LoRA-pad hier relevant is en niet slechts een voetnoot. NVIDIA verwijst ontwikkelaars naar NVIDIA NeMo AutoModel voor supervised fine-tuning en low-rank adaptation, en adapters maken het verschil tussen het aanpassen van een paar gedragingen van het model en het opnieuw afleiden van 249 GB aan gewichten. Beide paden zijn reëel, en de keuze hiertussen is een beslissing over hoeveel van het gedrag van het basismodel je wilt veranderen. Een financieel team dat een smal schema of beleidsvolgend gedrag nastreeft, bevindt zich op LoRA-terrein. Een team dat wil dat het model een nieuwe werkwijze aanhoudt bij al zijn interacties, bevindt zich daar niet.

Twee documenten, één benchmark, tegenovergestelde antwoorden

Het technische rapport dat bij deze release hoort, is gedateerd op 14 oktober en bevat het nummer dat het verst heeft afgelegd zonder zijn context. NVIDIA meldt dat het vrijgegeven NVFP4-checkpoint 99,62% mediane nauwkeurigheidsherstel behaalt ten opzichte van BF16 over 36 benchmarks, na het agressieve post-training-kwantisatierecept, gevolgd door 200 iteraties van op SFT gebaseerde kwantisatiebewuste distillatie — waarbij de C-RADIO vision-encoder, de VL-connector, de Mamba-convoluties en de embeddings in BF16 zijn gelaten en de routerberekening in FP32 is gelaten, volgens de per-moduletabel van het rapport.

‘Median accuracy recovery’ is een mediaan van ratio's, niet een minimum. Om 99,62% te krijgen berekent het rapport per benchmark een score-ratio en neemt het de middelste waarde van de 36 benchmarks, dus het hoofdlijncijfer vertelt je dat de typische benchmark ongeveer vier tienden van een procent onder volledige precisie uitkomt, en helemaal niets over de staart. De eigen tabel van het rapport laat de staart zien: Tau3 Banking op 94,20%, de probleemoplossingssplit van SciCode op 93,63%, MMLU-ProX op 95,90% — en in de andere richting GDPVal op 111,53% en Terminal-Bench v2.1 op 103,47%, omdat kwantisatie bij één enkele run boven de BF16-referentie kan uitkomen.

Vergelijk dan de modelkaart, en het verhaal wordt interessanter dan een staart. NVIDIA's eigen NVFP4-modelkaart publiceert een tabel met BF16 versus NVFP4 voor dezelfde checkpoint, en daarop staat Terminal-Bench 2.1 op 66,70 tegen 60,80 — de gekwantiseerde build negen procent lager. In de tabel met de volledige suite van het technische rapport staat dezelfde benchmark op 60,67 tegen 62,78, waarbij de gekwantiseerde build voorloopt. Hetzelfde model, dezelfde benchmark, dezelfde eval-harnessfamilie, twee NVIDIA-documenten, tegengestelde richtingen. De kaart toont ook WebVoyager op 77,72 dat daalt naar 66,31 en DeepSWE op 24,65 dat daalt naar 18,2, en geen van beide is de versie van het verhaal die je uit een 99,62%-kop krijgt.

Dat is geen schandaal — verschillende tabellen kunnen verschillende harnessconfiguraties bevatten en de tabel in het rapport vermeldt bij elke rij een herstelpercentage — maar het betekent wel dat het eerlijke antwoord op "kost NVFP4 mij nauwkeurigheid" is: bij de meeste gepubliceerde rijen nauwelijks; bij de rijen waar dat wel zo is, meer dan de mediaan doet vermoeden; en de twee documenten van de leverancier zijn het oneens over welke rijen dat zijn. Als jouw workload agentisch terminalwerk is, meet het dan zelf opnieuw in plaats van een tabel te kiezen.

De deployment-rekensom daarentegen is ondubbelzinnig en vormt het sterkste argument voor de gekwantiseerde build. De BF16-repository telt in totaal 248,9 GB aan checkpointbestanden en de eigen quick-start serveert die op 4× H100. De NVFP4-repository telt in totaal 75,06 GB, wat het rapport op 4,82 bits per parameter zet, inclusief schaalwaarden, en dat past op één H200, één GB200 of een enkele DGX Spark. Op één GB200 citeert het rapport tot 4.856 outputtokens/s/GPU bij een agentische proxyworkload van 20 turns, terwijl minimaal 50 tokens/s/gebruiker wordt vastgehouden, met NVFP4 op 2,43× de doorvoer van BF16 bij dezelfde workload, en het model op 2,34× en 1,90× de doorvoer van Qwen3.5-122B-A10B en Qwen3.8 Flash-Next. Alle cijfers zijn door NVIDIA gemeten, op NVIDIA's eigen servingstack, bij welke gelijktijdigheid het recept ook koos.

Nog een vierde deel van de release is gemakkelijk over het hoofd te zien en is van belang als er later discussie over je fine-tune ontstaat. Het rapport beschrijft een contaminatieronde over de post-trainingdata die 20.671 samples verwijderde — ongeveer 0,09%, verdeeld in 14.793 SFT- en 5.878 RL-samples — die overeenkwamen met 1.808 benchmarkvragen, oftewel 6,0%, in 22 van de 30 gecontroleerde benchmarks, waarbij ongeveer 3% van de beoordeelde kandidaatparen als ernstige contaminatie werd gemarkeerd. De meeste open-weights-releases publiceren helemaal geen opschoningsmethodologie. Er een hebben die je kunt citeren is meer waard dan het klinkt wanneer een klant vraagt waarom de evaluatiecijfers van je fine-tune er zo uitzien.

Hoe dit verandert wat je deze week kunt doen

Drie concrete dingen zijn nu mogelijk die vóór 12 oktober niet mogelijk waren.

De eerste is een agent voor financiële filings die je kunt bouwen zonder een gesprek over datalicenties — met één voorbehoud. De financiële repositories dekken de volledige lus: 63.056 documentgegronde SFT-voorbeelden over zeven jaar aan S&P 500-filings, 90.307 RL-records voor tool-calling tegen een live SEC-zoekomgeving, 7.878 multi-turn tool-calling-voorbeelden voor de gedragslaag, en 10.185 RL-taken waarbij de filingcontext is achtergehouden, zodat retrieval deel uitmaakt van de taak. Het voorbehoud is de hierboven gedocumenteerde uitsluiting: alleen fragmenten, bijlagen uitgesloten, materiaal van derden dat auteursrechtelijk beschermd is verwijderd, en de verantwoordelijkheid voor resterende kwesties blijft bij de emittenten. Dat is eerder een goed gedocumenteerde positie dan een schone, en het is de set waarbij je de kaart moet lezen voordat je de code leest.

De tweede is agentisch toolgebruik, en dit is de best ondersteunde vertical in de drop. Tussen de 634.664 records van Nemotron-SFT-Agentic-v4, de conversationele seedset van 100.000 records voor toolgebruik met de bijbehorende scenario's voor hospitality, e-commerce, bankieren en verzekeringen, en de NeMo Gym-omgevingen waarnaar de kaarten verwijzen, wordt de hele pipeline end-to-end beschreven: trajecten genereren, gesimuleerde gesprekken uitvoeren, trainen met verifieerbare beloningen, evalueren in de harness die de leverancier zelf gebruikte. Wat je ook van het model vindt, dat is een compleet openbaar recept om een algemeen vision-language-model om te vormen tot een agent die tools aanroept, en het is het deel dat vroeger alleen informele, niet-gedocumenteerde kennis was.

De derde is een fairness-baseline waar je daadwerkelijk op kunt itereren. Nemotron-SFT-BBQ-v1 bestaat uit 6.000 records en 8,0 MB, is gebalanceerd: 2.000/2.000/2.000, verdeeld over leeftijd, fysieke verschijning en beperking, en de gesprekken zijn zo geschreven dat zowel het op bewijs gebaseerde antwoord als het op aannames gebaseerde antwoord plausibel zijn. Bij die omvang kun je het in een middag draaien, scoren en opnieuw draaien, waardoor 'hoe heb je dit getest' van een inkoopprobleem in een experiment verandert.

Het uitproberen zonder er een productiepad op in te zetten

Het lastige deel van deze release is de implementatie, niet de data. Het BF16-checkpoint wil vier H100's en het gequantiseerde checkpoint wil één H200 of GB200, de open gewichten staan op Hugging Face, en de eigen route van de leverancier naar een gehost endpoint is NVIDIA NIM, waarbij de newsroom ook platforms van derden noemt. Wij leveren dit model niet, dus als je een beheerd endpoint wilt, moet je kijken naar de eigen API van de leverancier en diverse platforms van derden; waar een router hier goed voor is, is de rest van de beslissing.

Eén sleutel voor ruim 200 modellen tegen de lijstprijs van de provider met 0% opslag betekent dat het vergelijken van de NVFP4-build met welk tekstmodel je vandaag ook draait, slechts een wijziging van één regel kost in plaats van een tweede leverancierscontract, en automatische failover tussen providers betekent dat een workload die je alleen aan het testen bent naast productieverkeer kan staan zonder dat een van beide van de ander afhankelijk is. Dat is de vorm van een beslissing die je kunt terugdraaien — wat je wilt van een model waarvan de documentatie twee dagen oud is en waarvan de eigen benchmarktabellen elkaar tegenspreken.

De praktische volgorde is: neem Nemotron-SFT-BBQ-v1 of een deel van de agentische set, draai een LoRA op een gehuurde H200 om je loop te bewijzen, scoor het tegen je eigen eval, en beslis pas daarna of de 249 GB volledige-precisiebuild en vier GPU's het waard zijn. De datasets zijn gratis te downloaden en de kleine zijn gratis te draaien. Niets aan dat plan vereist dat je een mediaan van 99,62% gelooft.

Wat ontbreekt er nog?

Drie hiaten zijn het waard om in de gaten te houden, omdat ze de rekensom veranderen, niet de marketing.

Het eerste is een onafhankelijke evaluatie van de fine-tuned resultaten. Elk post-training-getal in deze release — de verschuiving van 62,7 naar 71,9 op Terminal-Bench door parallelle agentuitvoering en zelfverificatie, de verschuiving van 24,6 naar 34,5 op DeepSWE in hetzelfde experiment, de 41% nauwkeurigheidsverbetering bij AI21, de 40× kostenreductie bij Scale AI — komt uit NVIDIA's harness of uit de eigen meting van een klant. Er is geen derde partij die een Nemotron 3.5 Super VL fine-tune op deze datasets heeft gereproduceerd en het resultaat heeft gepubliceerd. Zolang dat niet het geval is, beschouw de effectgroottes als een bovengrens.

Het tweede is het videopad. Het model accepteert MP4 tot twee minuten bij 2 FPS en 256 frames, of 1 FPS en 128 frames voor 1080p, met een pruning rate van 0,5 — en er is geen publieke post-trainingsdataset voor video in deze release. Elke repository hierboven is tekst, en de vertaal- en transductiesets zijn lange-contexttekst in plaats van iets visueels. Als uw use case het videobegrip is dat de modelkaart aanprijst, dan heeft NVIDIA de capaciteit geleverd zonder de data om die te specialiseren.

Het derde is dat niemand heeft gepubliceerd wat deze datasets doen met een model dat geen Nemotron is. Alle elf zijn gebouwd om de post-trainingsmix van één model te produceren — de kaarten zeggen expliciet dat sommige sets eerdere Nemotron-specifieke versies samenvoegen, en de conversationele seedset wordt beschreven als de seeddata voor een pivot-set in plaats van als nieuw gegenereerde data. Of het agentische corpus overdraagt naar een andere 120B-backbone is een open vraag, en het is de eerste die een team met een bestaande fine-tuningstack beantwoord wil zien.

Alle drie de hiaten zijn van het soort dat wordt gedicht door het werk van iemand anders in plaats van door dat van NVIDIA, wat het gebruikelijke verloop van een open release is. De gewichten zijn vandaag te downloaden, de data is vandaag te downloaden, en de eerste geloofwaardige onafhankelijke fine-tune is wat je zal vertellen of iets ervan de GPU-tijd waard is.