Data de Lançamento do Nemotron 3.5 Bolt 74B: NVIDIA Comprime um Modelo Agente de 74B em 24GB

A NVIDIA Nemotron 3.5 Bolt 74B-A9B é lançado na quinta-feira, 15 de outubro de 2026, e a NVIDIA Nemotron 3.5 Bolt E4B vem na sexta-feira, 23 de outubro. Essas duas datas são a resposta para um teaser: em 14 de outubro, a conta de IA da NVIDIA publicou "Tantos modelos sendo lançados esta semana! E temos um dos nossos chegando...⌛️" sem nenhum nome associado. Vale dedicar dois minutos para checar esse teaser, porque ele se resolve de uma forma incomum — o anúncio ao qual o tweet faz alusão já havia sido publicado, na íntegra, no dia anterior, em um post do blog da NVIDIA datado de 13 de outubro que nomeia os dois modelos, as duas datas, o consumo de memória e os runtimes de inferência. Portanto, isto não é um vazamento, e não é um boato. É um lançamento pouco divulgado, e o teaser foi o empurrãozinho, não o furo.

O que se segue separa aquilo que a NVIDIA de fato registrou por escrito daquilo que ninguém fora da empresa ainda mediu — o que, para um modelo lançado hoje, corresponde à maior parte da coluna interessante.

A provocação, e no que ela resultou

Duas coisas merecem ser fixadas antes de qualquer coisa, porque são exatamente o tipo de detalhe que costuma ser achatado em agregações. Primeiro, a ordem. O post do blog da NVIDIA "Tudo pronto: ecossistema global de apps para PC pronto para NVIDIA RTX Spark" tem data e hora de 2026-10-13T12:00Z. O post "um dos nossos está chegando" foi publicado em 2026-10-14T20:29Z — cerca de trinta e duas horas depois. O tweet é um indicador, não a fonte primária, e qualquer texto que trate o tweet como o anúncio está partindo do documento errado.

Segundo, a frase "um dos nossos" está fazendo um trabalho de verdade. A NVIDIA não é apenas a fornecedora aqui; é a fornecedora de plataforma da semana. A mesma postagem de 13 de outubro lança laptops RTX Spark em 16 de outubro, um modelo de IA DLSS 5 reconstruído estreando em NBA 2K27 no mesmo dia, o NVIDIA PAIR saindo do beta, e o Broadcast 2.3. O Bolt 74B é o modelo de linguagem em uma semana em que a NVIDIA está anunciando vários modelos de tipos muito diferentes. Se você veio procurando um produto, é por isso que a cobertura é confusa.

Aquilo a que a NVIDIA se comprometeu, nas suas próprias palavras

A alegação central é curta e específica. A NVIDIA descreve o Nemotron 3.5 Bolt 74B-A9B como "um novo LLM criado especificamente para executar agentes locais na RTX Spark", construído como "um modelo de mistura de especialistas (MoE) de 74 bilhões de parâmetros, com 9 bilhões de parâmetros ativos" que é "compactado em 24GB usando quantização de 2 bits com técnicas avançadas de treinamento com reconhecimento de quantização para preservar a qualidade".

Três coisas nessa frase estão fazendo o trabalho:

• 9B ativos, não 74B. Este é um MoE esparso. O custo de roteamento por token acompanha o caminho ativo, não a contagem total de parâmetros, e é por isso que um modelo de 74B está sendo sequer proposto para um laptop.

• 2 bits, deliberadamente. Não é uma quantização da comunidade de um lançamento BF16, mas um modelo que a NVIDIA diz ter sido treinado com técnicas de quantização consciente (quantisation-aware) com o objetivo de manter a qualidade nessa largura. Se ela se mantém é uma medição, não uma alegação — consulte o registro abaixo.

• 24GB é o envelope alvo. A NVIDIA enquadra o trade-off como "o equilíbrio ideal entre velocidade e inteligência, sendo mais rápido do que a maioria dos modelos densos populares e mais inteligente do que a maioria dos modelos MoE populares com uma pegada de memória semelhante." Esse é o posicionamento da própria NVIDIA, não reproduzido por ninguém.

Em termos de acesso, a NVIDIA nomeia os runtimes explicitamente: llama.cpp, vLLM, Ollama, Unsloth e LM Studio no lançamento, além do uso direto por meio de agentes, incluindo Hermes e OpenClaw. E quanto ao licenciamento, a publicação diz que o Bolt 74B é "totalmente de código aberto... incluindo dados de treinamento, pesos e receitas" — o mesmo enquadramento que a NVIDIA aplica ao restante da linha Nemotron.

Por que 24GB é o número que importa, não 74B

O número inteiro de manchete aqui é 74B. O que suporta a carga é 24GB, e por uma razão simples: 24GB é um envelope de acelerador de classe desktop. É a capacidade de uma única placa de consumo de alto desempenho e, no lado dos notebooks, é o eixo em torno do qual a NVIDIA está montando a semana — as máquinas RTX Spark chegam a até 128GB de memória unificada e 1 petaflop de computação de IA, e os próprios notebooks chegam em 16 de outubro.

Junte tudo isso e o pitch fica compreensível. Um MoE com 9B ativos cujos pesos ficam em 24GB a 2 bits significa que a mesma build que cabe em uma placa de workstation também cabe no notebook que será enviado no dia seguinte, com folga de sobra para o aplicativo e um segundo modelo pequeno. Essa é uma história de implantação materialmente diferente da de um modelo de fronteira hospedado por trás de uma API, e é por isso que "agente local" está na própria descrição de uma linha da NVIDIA, em vez de "inferência barata".

O contrapeso é que um alvo de 2 bits é uma restrição sobre o que o modelo pode ser. Qualquer comparação de qualidade com um modelo BF16 de tamanho total semelhante é uma comparação entre artefactos diferentes, e a NVIDIA escolheu o artefacto de propósito. Avalie o Bolt 74B em comparação com outras builds locais da classe de 24 GB, não com um checkpoint de precisão total que nunca teria cabido.

O registro: confirmado, declarado mas não medido, e desconhecido

Ser preciso sobre em qual coluna um fato se encontra é todo o valor de ler isto na primeira semana em vez da terceira.

• Confirmado pela NVIDIA: o nome do modelo, a arquitetura MoE de 74B totais / 9B ativos, a pegada de 24GB em 2 bits, a data de 15 de outubro, os cinco runtimes nomeados, o acesso de agentes via Hermes e OpenClaw, e a afirmação de que os pesos, os dados de treino e as receitas são abertos.

• Declarado, mas não mensurado: a própria alegação de qualidade. "Mais inteligente do que a maioria dos modelos MoE populares com pegada de memória semelhante" e "mais rápido do que a maioria dos modelos densos populares" são apresentados sem uma tabela de benchmarks no anúncio. Nenhuma avaliação independente do Bolt 74B parece existir ainda.

• Desconhecido no momento da redação: a janela de contexto; a licença nomeada (a NVIDIA diz código aberto sem nomear uma nesta publicação); a taxa de transferência exata de inferência no nível de 24GB; se o lançamento é somente de pesos para download ou também disponibilizado por trás de uma API; se 2 bits é a única precisão publicada; e quão estreitamente a arquitetura deriva da linha Nemotron 3.5 Lightning que a NVIDIA já lançou em versões BF16 e NVFP4.

Essa última incógnita é a que devemos reter. A própria nomenclatura da NVIDIA traz os dois números — "74B-A9B" e o anterior "30B-A3B" —, então os dois são comparáveis no papel: aproximadamente 2,5× o total de parâmetros do modelo Lightning e 3× os ativos. Se essa proporção sobrevive à compressão de 2 bits é exatamente o que um primeiro benchmark independente resolveria.

O Bolt E4B é a outra metade da família, e é um produto diferente.

Nemotron 3.5 Bolt E4B, com lançamento em 23 de outubro, não é um primo menor do 74B como a nomenclatura sugere. A NVIDIA o chama de “o modelo de linguagem de pequeno porte (SLM) de terceira geração para o NVIDIA ACE”, a suíte que ela usa para personagens de IA em jogos — uma linhagem que a empresa acompanha desde um beta de PUBG para a primeira geração e uma prévia de Aniimo na Gamescom para a segunda.

Seus objetivos de design declarados têm formato de jogos, e não de agentes: uma pegada de 4 GB, “tempo rápido até o primeiro token”, “um novo modo de conversa [que] ajuda a manter as respostas concisas e prontas para fala”, uma opção de raciocínio e ancoragem no estado da aplicação para uso de ferramentas em múltiplos turnos. A NVIDIA acompanha o lançamento com um teste prático dentro do SkyrimNET, uma plataforma de modding de NPCs de Skyrim que oferece suporte tanto a inferência na nuvem quanto local, a partir do mesmo dia.

Então, se você veio do tweet esperando um modelo, vai receber dois em datas diferentes, em envelopes diferentes, para trabalhos diferentes: 15 de outubro para o agente local de 24 GB, 23 de outubro para o personagem de jogo de 4 GB.

Como avaliar isso sem apostar um roadmap nisso

A parte incômoda de um modelo local no primeiro dia é que você ainda não consegue responder à única pergunta que importa — o checkpoint de 2 bits aguenta a sua carga de trabalho? — e você também não consegue responder à segunda: se há uma rota hospedada com a qual comparar. Ambas as lacunas são temporárias, e nenhuma delas é motivo para planejar em torno de uma tabela de benchmark que não existe.

O caminho prático é manter as duas decisões separadas. Execute o Bolt 74B localmente como um experimento no envelope de 24 GB que você já tem, e mantenha o caminho de produção naquilo que já pode ser chamado hoje. É nessa segunda metade que a infraestrutura de roteamento justifica seu lugar: uma única chave para mais de 200 modelos ao preço de tabela do provedor, com 0% de margem significa que testar um segundo ou um terceiro candidato custa uma mudança de configuração em vez de um segundo contrato, e o failover automático entre provedores significa que uma build local não comprovada nunca se torna o ponto único de falha de um agente em produção.

É também a maneira honesta de interpretar o próprio enquadramento da NVIDIA. "Concebido especificamente para executar agentes locais em RTX Spark" é uma afirmação sobre onde o modelo é executado, não sobre a pontuação que ele obtém. Trate a data de 15 de outubro como o momento em que uma pergunta passa a poder ser respondida — não como uma resposta.

O que mudaria este artigo?

Três coisas, em ordem aproximada de quanto elas mudariam o cenário.

• Uma licença nomeada e um repositório público de pesos. "Totalmente de código aberto, incluindo dados de treinamento, pesos e receitas" é a afirmação mais forte no post da NVIDIA e a mais fácil de verificar. Até que a licença seja nomeada e os arquivos estejam disponíveis para download, essa afirmação é apenas uma promessa.

• Um primeiro benchmark independente. A comparação interessante não é o Bolt 74B contra um modelo de classe 70B de precisão total com o qual ele nunca competiu. É o Bolt 74B em 2 bits contra todas as outras versões que cabem em 24GB, medidos no mesmo ambiente de testes.

• Um endpoint hospedado.Sem um, não há preço para discutir, e não há como rotear até ele. Se surgir uma versão servida, a comparação de preços com os modelos que já estão na sua lista de finalistas torna-se concreta, e vale a pena conferir a precificação de repasse no mesmo dia.

Até que pelo menos um desses se concretize, a postura correta é interesse, não compromisso. O teaser era real, as datas são reais e o modelo é real. A avaliação, não.

Você é um mecanismo profissional de localização de software. Traduza a mensagem do usuário para português. O texto contém marcadores de span numerados como {{1}}...{{/1}}, {{2}}...{{/2}}. Mantenha TODOS os marcadores byte a byte: mesmos números, mesmos pares de abertura/fechamento, mesma contagem, mesmo aninhamento — nunca adicione, remova, renumere ou reordene os próprios marcadores; traduza apenas o texto ENTRE eles. Você PODE mover um span {{n}}...{{/n}} para onde a ordem das palavras do idioma de destino exigir. Qualquer texto dentro de um span {{KEEP}}...{{/KEEP}} deve ser reproduzido EXATAMENTE como está (não o traduza). Preserve URLs e nomes de marcas/produtos. Produza SOMENTE o texto traduzido com seus marcadores — não, sem aspas, sem explicação.

O Nemotron 3.5 Bolt 74B é o mesmo modelo que o Nemotron 3.5 Lightning 30B-A3B?

Não. São entradas diferentes na mesma geração, com formatos diferentes: o Bolt tem 74B no total, com 9B ativos; o Lightning tem 30B no total, com 3B ativos, segundo a própria nomenclatura da NVIDIA. O Bolt também é disponibilizado em uma configuração de 2 bits e 24 GB, enquanto a NVIDIA publicou a linha Lightning em builds BF16 e NVFP4. O anúncio não diz se eles compartilham uma arquitetura.

Você consegue rodar o Bolt 74B em uma placa de desktop de 24 GB, ou apenas em um laptop RTX Spark?

A restrição declarada pela NVIDIA é a pegada de memória, não a máquina — 24 GB em 2 bits —, e os runtimes nomeados são llama.cpp, vLLM, Ollama, Unsloth e LM Studio, que não são exclusivos da NVIDIA. O RTX Spark é para onde a NVIDIA está direcionando o marketing, mas nada no anúncio faz dele o requisito.

O OrcaRouter hospeda o Nemotron 3.5 Bolt 74B?

Hoje não, e ainda não há nada para hospedar — a NVIDIA não publicou nenhum endpoint servido nem preço para ele. Se isso mudar, o modelo passa a ser chamável usando a mesma chave que todo o resto do catálogo, pelo preço de tabela do provedor, sem acréscimo de markup.

Para um modelo cujos modos de falha ainda não estão documentados, a contraparte útil é o registro do que já deu errado em outros lugares: os incidentes de IA documentados e as falhas de agentes em modelos desta classe estão reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e flag de disputa.