Ce qui a été lancé et quand
NVIDIA a publié quatre modèles d'intelligence artificielle le 20 octobre 2026. Ceux-ci incluent deux variantes d'embeddings (Nemotron 3.5 Embed 8B BF16 et Nemotron 3.5 Embed 1B BF16), un modèle de reranking (Nemotron 3.5 Rerank 8B BF16) et un modèle d'édition d'image spécifique à l'industrie électronique (CDF Sim2Real SMT Solderlight).
La publication a été effectuée simultanément dans les dépôts officiels, confirmant la disponibilité immédiate des poids au format BF16. Aucune date de lancement différée ni phase bêta n'a été annoncée ; les modèles sont prêts à être téléchargés et déployés par les utilisateurs finaux.
Résumé des modèles publiés
Liste des quatre modèles avec leur fonction principale et leur date de publication.
| Modèle | Fonction principale | Date de publication |
|---|---|---|
| Nemotron 3.5 Rerank 8B BF16 | Reranking multimodal | 20 OCT 2026 |
| Nemotron 3.5 Embed 8B BF16 | Embeddings de texte et d'image | 20 OCT 2026 |
| Nemotron 3.5 Embed 1B BF16 | Embeddings de texte et d'image | 20 OCT 2026 |
| CDF Sim2Real SMT Solderlight | Édition d'image pour PCB | 20 OCT 2026 |
Variantes, modalités et accès
Les modèles de la famille Nemotron 3.5 sont multimodaux, acceptant à la fois du texte et des images de page en entrée. Le modèle de reranking évalue la pertinence de chaque paire requête-document, tandis que les modèles d'embeddings génèrent des vecteurs normalisés (4 096 dimensions pour le 8B et 2 048 pour le 1B).
L'accès est direct via les dépôts officiels. Il n'existe pas d'API commerciale gérée par NVIDIA pour ces modèles spécifiques, ce qui implique que l'utilisateur doit gérer sa propre infrastructure de calcul. La licence OpenMDW 1.1 autorise l'usage commercial, sous réserve de ses conditions et de la conservation des avis de copyright.
Ce qui change pour l'utilisateur
Pour les équipes d'ingénierie logicielle, la principale nouveauté est la capacité de traiter des documents mixtes (texte et image) en une seule étape de récupération ou de reranking. Cela simplifie les architectures de recherche qui nécessitaient auparavant des pipelines séparés pour le texte et la vision.
Le modèle CDF Sim2Real SMT Solderlight est plus spécifique : il est conçu pour transformer des extraits synthétiques de composants de circuits imprimés (PCB) dans un style d'éclairage d'inspection optique. Ce n'est pas un décideur de qualité, mais un outil de prétraitement visuel qui nécessite un système d'inspection ultérieur et une révision humaine.
Prix, limites et ce qui reste à vérifier
Aucun tarif par API n'a été publié. Le coût pour l'utilisateur se limite à l'infrastructure propre : GPU, mémoire, stockage et exploitation. Les modèles de 8B paramètres nécessitent un matériel plus puissant que la variante de 1B, conçue pour les environnements à ressources limitées.
Une limite importante est le contexte de 32 768 tokens partagés entre le texte et l'image. De plus, les images sont traitées avec un côté le plus long de 1 120 pixels par défaut, extensible à 1 540. Aucun benchmark numérique indépendant n'a été publié pour ces checkpoints spécifiques, par conséquent l'évaluation des performances doit être réalisée par l'utilisateur dans son propre contexte.
Spécifications techniques clés
Comparatif des paramètres, dimensions de sortie et limites de contexte.
| Modèle | Paramètres | Dimension de sortie | Limite de contexte |
|---|---|---|---|
| Nemotron 3.5 Rerank 8B | 8,38B | Logit de pertinence | 32 768 tokens |
| Nemotron 3.5 Embed 8B | 8,38B | 4 096 (normalisé L2) | 32 768 tokens |
| Nemotron 3.5 Embed 1B | 1,55B | 2 048 (normalisé L2) | 32 768 tokens |
Considérations techniques et déploiement
Le déploiement nécessite une attention particulière aux dépendances logicielles. Les exemples officiels utilisent Transformers version 5.20.0 avec Flash Attention 2, tandis que vLLM 0.32.0 nécessite un environnement avec une version inférieure de Transformers. Il est crucial de vérifier tout code distant (trust_remote_code) avant de l'exécuter en production.
Pour le modèle d'image CDF Sim2Real SMT Solderlight, l'entraînement a été effectué avec une surface de 262 144 pixels (512x512). L'utilisation de résolutions très différentes peut dégrader la qualité de la sortie. Le modèle dérive de Qwen-Image-Edit avec un ajustement LoRA fusionné, ce qui signifie qu'il est livré comme un pipeline complet, et non comme un adaptateur indépendant.
Étapes pour le déploiement initial
Processus recommandé pour intégrer les modèles dans un environnement de production.
- 01Vérifier la compatibilité de la version de Transformers et de vLLM avec le modèle spécifique.
- 02Télécharger les poids BF16 depuis le dépôt officiel.
- 03Configurer l'environnement GPU avec la mémoire suffisante pour la taille du modèle.
- 04Réaliser des tests d'inférence avec des données d'échantillon pour valider la latence et la qualité.
- 05Mettre en place des mécanismes de révision humaine pour les modèles d'inspection d'image.
Questions ouvertes
- Aucun benchmark numérique indépendant n'a été publié pour ces checkpoints spécifiques ; les métriques mentionnées dans les fiches officielles ne sont pas vérifiées de manière externe.
- Les performances réelles dans les environnements de production peuvent varier considérablement selon le matériel et la configuration logicielle.
- La disponibilité d'une API commerciale future pour ces modèles n'a pas été vérifiée.
Poursuivre l’exploration
Sources consultées
Corrections et transparence
Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.
Proposer une correction