Nemotron 3.5 Bolt E4B

01 / RESUMO

O essencial

ORIENTAÇÃOAssistentes locais compactos

Uso primário declarado ou inferido com cautela a partir da documentação oficial.

CONTEXTO65.536 tokens partilhados entre entrada e saída

Capacidade máxima de entrada quando publicada pela fonte.

SAÍDAA ficha indica até 64K; não são 64K adicionais ao contexto

Limite máximo de geração documentado.

ACESSONVIDIA Build · Hugging Face · BF16 / Q4_K_M

Canais de disponibilidade verificados.

TIPO DE MODELOTexto e raciocínio · Código

Família funcional principal e especialidades verificadas.

LICENÇAOpenMDW 1.1; base Gemma 4 sob Apache 2.0

Condições declaradas para API, pesos ou alojamento próprio.

02 / FICHA TÉCNICA

Limites e integração

ID de API	`nvidia/nemotron-3.5-bolt-e4b`
Tipo de modelo	Texto e raciocínio · Código
Modelo de acesso	API e pesos abertos
Licença	OpenMDW 1.1; base Gemma 4 sob Apache 2.0
Implantação	API ou implementação própria
Lançamento	23 OCT 2026
Data de corte do conhecimento	Pós-treino: maio de 2026
Entrada	Texto
Saída	Texto
Janela de contexto	65.536 tokens partilhados entre entrada e saída
saída máxima	A ficha indica até 64K; não são 64K adicionais ao contexto
Raciocínio	enable_thinking e conversational_mode; orçamento configurável
Ferramentas publicadas	Funções · Ferramentas em vários turnos
Passeios Estruturados	Não publicado
Processamento em lote	Não publicado
Cache de prompts	Não publicado
Ajuste fino	Não publicado
Plataformas verificadas	NVIDIA Build · Hugging Face · vLLM · llama.cpp

ADEQUA-SE MELHOR A

Conversas, personagens interativas e assistentes de dispositivos com chamadas a ferramentas. A variante BF16 permite investigação, avaliação e adaptação com vLLM; a distribuição de 4 GB privilegia a execução local com llama.cpp. O raciocínio e o modo de conversação são controlados através do template de chat. A NVIDIA recomenda temperatura 1,0 e top-p 0,95. O agente anfitrião deve validar argumentos, permissões e respostas das ferramentas antes de executar ações.

CONVÉM MONITORIZAR

A configuração BF16 fixa 65.536 posições e a receita GGUF usa o mesmo contexto. A ficha resume entrada e saída como até 64K cada; não comprova uma janela combinada de 128K. A NVIDIA Build arredonda para 66K. Os componentes de imagem e áudio herdados em config.json e os exemplos automáticos da Hugging Face não comprovam capacidades multimodais validadas para este lançamento. A designação 4 GB não garante a memória total no contexto máximo: é necessário acrescentar runtime e cache KV.

03 / CAPACIDADES

O que pode fazer

01

Orientação

Conversas, personagens interativas e assistentes de dispositivos com chamadas a ferramentas. A variante BF16 permite investigação, avaliação e adaptação com vLLM; a distribuição de 4 GB privilegia a execução local com llama.cpp. O raciocínio e o modo de conversação são controlados através do template de chat. A NVIDIA recomenda temperatura 1,0 e top-p 0,95. O agente anfitrião deve validar argumentos, permissões e respostas das ferramentas antes de executar ações.

02

Contexto

65.536 tokens partilhados entre entrada e saída · A ficha indica até 64K; não são 64K adicionais ao contexto

03

Ferramentas e integração

Funções · Ferramentas em vários turnos

04

Acesso

NVIDIA Build · Hugging Face · BF16 / Q4_K_M

Modalidades de entrada

Texto

04 / PREÇOS

Custo documentado

Conceito	Valor	Unidade/condição
Entrada padrão	Endpoint gratuito de prototipagem; tarifa comercial não publicada	Tarifa padrão da API
Entrada em cache	Não publicado	Leitura de prefixos reutilizados
Escrita ou armazenamento em cache	Não publicado	A condição varia consoante o fornecedor
Saída padrão	Endpoint gratuito de prototipagem; tarifa comercial não publicada	Pode incluir tokens de raciocínio
Entrada por lotes	Não publicado	Processamento assíncrono
Saída por lotes	Não publicado	Processamento assíncrono

A NVIDIA Build oferece um endpoint gratuito para prototipagem com o identificador nvidia/nemotron-3.5-bolt-e4b. Não foi verificada uma tarifa comercial, uma quota universal ou gratuitidade permanente; os custos numéricos ficam vazios. Os pesos descarregáveis exigem infraestrutura própria. O modelo usa OpenMDW 1.1 e a base Gemma 4 declara Apache 2.0. Os modelos de rascunho DFlash são componentes opcionais de descodificação especulativa, não modelos de conversação independentes nem uma garantia de aceleração em qualquer equipamento.

i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.

05 / AVALIAÇÕES

Como ler os resultados

“

A NVIDIA publica uma comparação com NeMo Gym que separa BF16 e Q4_K_M. Registamos BFCL-v3, ToolSandbox e RULER a 64K: avaliam chamadas a funções, ferramentas com estado e recuperação de contexto, respetivamente; não medem a mesma coisa. Os testes usam raciocínio, exceto RoleBench, EQ-Bench v3 e RULER. Não são medições da Inferama nem testes de segurança. A precisão pode alterar o resultado em ambas as direções; conserve checkpoint, template, amostragem, hardware e versão do avaliador para os reproduzir.

Benchmark	Resultado	Métrica	Fonte
BFCL-v3	BF16: 68,51 % · Q4_K_M: 67,31 %	Maior é melhor	Ver fonte ↗
ToolSandbox	BF16: 68,77 % · Q4_K_M: 74,13 %	Maior é melhor	Ver fonte ↗
RULER (64K)	BF16: 86,99 % · Q4_K_M: 85,76 %	Maior é melhor	Ver fonte ↗

O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.

06 / VERSÕES

Cronologia

23 OCT 2026

Bolt E4B · BF16 / Q4_K_M

Pesos publicados e endpoint de prototipagem disponível; variantes agrupadas sem duplicar fichas.

07 / FONTES

Rastreabilidade

FICHA TÉCNICABolt E4B Q4_K_M · ficha com revisão fixahuggingface.co↗ FICHA TÉCNICABolt E4B BF16 · ficha com revisão fixahuggingface.co↗ CONFIGURAÇÃOConfiguração BF16 e contextohuggingface.co↗ APINVIDIA Build · endpoint e identificadorbuild.nvidia.com↗ LANÇARAnúncio da NVIDIA e data de disponibilidadeblogs.nvidia.com↗ LICENÇAOpenMDW 1.1openmdw.ai↗