NVIDIA Nemotron 3.5 Super VL 發布：讓 AI Agent 一起看文件、影片與工具
NVIDIA Nemotron 3.5 Super VL 結合文字、圖片、文件、影片理解與工具使用。本文解釋 120B／12B 參數、官方效能口徑、企業客製化與文件辨識的驗收方法。
Nemotron 3.5 Super VL 要處理的是 AI Agent 的常見難題，資料讀錯了，後面再流暢的操作也會出錯。發票漏看一行、表格認錯欄位，都可能讓自動化流程重做。
NVIDIA 在 2026 年 10 月 15 日發布這個模型，把文字、圖片、文件與影片理解，和推理、工具使用放在一起。
AI Agent 是會為了完成任務而調用工具的系統。例如先讀文件，再查資料，最後把結果寫進表格，模型只是其中負責理解與判斷的一部分。
過去把多個模型串起來時，團隊還要處理彼此傳遞的資料。現在能力集中到同一個模型，有機會減少交接，但仍需要用真實任務驗證。
對文件工作量大、又有自訂流程的團隊，這次更新值得列入測試。若需求只是偶爾摘要一份文件，直接使用既有服務通常更容易開始。
要知道它能省下多少工作，先看同一個模型理解資料並操作工具，會改變流程的哪一段。
Nemotron 3.5 Super VL 同時讀資料、用工具，有何用處？
把視覺理解與工具使用放在一起，主要是為了讓模型在採取下一步行動前，能直接參考原始畫面。它可以讀取圖表、頁面配置與文字，再依工作要求呼叫工具。
例如一份採購文件可能同時包含報價表、備註與掃描附件。只抽出文字，容易把欄位關係弄丟，所以模型需要理解資料在頁面上的位置。
官方技術文章列出的用途包含程式開發、網路研究、文件處理與影片理解。這些是模型的能力方向，實際流程仍須由開發者設計。
讀懂圖片，不等於可以省掉原圖核對
模型辨識出的文字仍可能錯誤，尤其是小字、低解析度掃描與複雜表格。如果下游工作會因一個數字錯誤而受影響，流程就應保留回到原圖的位置。
例如擷取發票金額，可以同時保存頁碼、欄位座標與原始畫面，讓人工檢查集中在有疑慮的地方。這是建議的驗收方式，不是官方已保證提供的功能。
因為模型能讀更多種類的輸入，團隊也更需要清楚界定任務。要求「整理整份資料」太模糊，改成要核對的欄位與例外情況，才容易判斷是否完成。
輸入與目標確定後，才有辦法比較它到底比原本流程快多少。
官方速度與客戶案例，該怎麼讀？
官方效能數據描述的是特定測試條件，不能直接當成所有企業的預期收益。硬體、同時使用人數、文件長度與工具等待時間，都會改變結果。
官方報告在單張圖形處理器上，相較同規模的其他開放模型，Agent 任務吞吐量最高可提升五倍。這是特定比較條件下的上限，因此不能套用到所有硬體與工作。
模型採混合專家架構，總參數為 120B，每個 token 啟用約 12B。這種架構有多組處理模組，每次只選部分參與計算。B 代表十億，token 是模型處理內容的單位，所以總容量與每次動用的容量要分開看。
以下整理幾種數字對應的意義，避免把不同測量混在一起。
| 數字類型 | 能回答的問題 | 不能直接推論什麼 |
|---|---|---|
| 輸出吞吐量 | 同一時間能處理多少輸出 | 每份工作都更快完成 |
| 第一段回應等待時間 | 使用者多久開始看到回應 | 整項任務的總時間 |
| 特定任務準確率 | 測試集合答對多少 | 公司所有文件的正確率 |
| 客戶預期改善 | 特定導入方案的目標 | 已普遍實現的成效 |
表格中的區別會直接影響採購判斷。假如文件分析只占總時間的一小部分，模型快了幾倍，整個流程也可能只縮短一小段。
NVIDIA 的文章包含合作夥伴客製化案例，其中部分使用「預期」改善的表述。讀者應保留這個條件，不能把導入目標改寫成所有客戶已經達成的成果。
同樣地，模型在某項圖表理解評測表現較好，代表值得測試相近工作，但無法代替公司自己的資料。測試題目分布不同，答案也可能不同。
客製化之前，需要準備哪些資料？
企業客製化的起點，是整理出公司認為正確的作法。模型若沒有看過一致的範例，工具再多，也可能沿用錯誤的操作順序。
NVIDIA 提供 NeMo 工具及相關資料，讓團隊可以進一步訓練。這裡的訓練，是透過範例或回饋調整模型行為，和只在對話裡加一段指示不同。
先把政策變成可判定的例子
例如退費處理，需要分清楚訂單日期、商品狀態與例外條款。若同一個情境在內部也有兩種相反答案，應先解決規則，而不是讓模型猜哪個部門說了算。
資料也要保留失敗案例。只提供整理得很乾淨的文件，容易讓評測看起來漂亮，但正式上線後最花時間的，可能恰好是那些模糊、缺頁或格式不同的資料。
工具介面則要說明允許哪些操作。如果工作只需要查詢，就不應同時開放修改權限，因為模型理解正確與操作範圍適當，是兩個不同的要求。
在這些基礎工作完成前，先以提示與現有模型跑出小範圍基準，通常比立即投入大量訓練更容易找到主要問題。
延伸閱讀：NVIDIA Nemotron 3.5 Lightning 是什麼？NeMo Switchyard 讓 AI Agent 自動選模型。
用錯誤成本，決定試用順序
我會先測需要看圖與查資料、但結果能由人快速複核的任務。這樣能驗證整合能力，也比較容易知道錯誤發生在辨識、推理或工具操作哪一步。
測試可以從同一批文件開始，保留原圖、期待欄位與正確答案，再讓原流程和新模型各處理一次。比較時要計入人工修正，不能只看模型第一次回應。
若是影片工作，應先固定要找的事件與時間範圍。例如搜尋某個操作片段，就檢查模型指出的時間點是否真的出現那個動作，而非只評估摘要讀起來是否合理。
完成後，將錯誤分成看錯內容、推論錯誤、工具參數錯誤與操作未完成。不同問題需要不同修法，把它們全算成「AI 不準」，反而不容易改善。
什麼結果才值得擴大？
團隊應在試用前訂出可接受門檻，例如哪些欄位不能錯、哪些例外一定交給人。門檻由工作影響決定，不能等跑完後再挑有利的指標。
如果模型省下的人工時間，大於檢查與維護增加的時間，才有擴大的理由。如果錯誤集中在高影響欄位，即使整體正確率很好看，也應先處理那一類問題。
這種驗收方式，也能讓後續版本比較有依據。每次模型更新都用同一組代表性案例測試，才知道改善是否真的發生在自己的工作上。
複核應集中在最容易出錯的欄位
同樣是文件工作，金額、日期與備註的錯誤影響可能不同。因此，驗收表應分欄記錄，避免大量容易辨識的文字，把少數重要欄位的失誤稀釋掉。
例如一百份文件中，九十九份都讀對名稱，但有一份付款金額錯了，整體比例看起來仍然漂亮。是否能接受這個結果，要看金額會被拿去做什麼，而不是只看總平均。
若發現錯誤集中在特定版型，可以先把那類文件交給人，再累積修正範例。這樣能讓可處理範圍逐步擴大，也避免一次更換整條流程後，才發現例外無法處理。
模型輸出的欄位也應保留缺值，不能為了表格完整而補猜。因為下游程式往往會把格式正確的資料直接採用，空白與有根據的數字，對工作流程有不同意義。
Nemotron 3.5 Super VL 常見問題
可以直接取代所有文字與視覺模型嗎？
它把多種能力放在同一模型，能減少部分系統交接。但小型文字任務、複雜規劃或特殊辨識，仍可能適合不同模型，應依實際結果分工。
12B 啟用參數，代表只要放得下 12B 就能跑嗎？
不能這樣換算。啟用參數描述每次計算動用的部分，完整權重、暫存與輸入資料仍會占用資源，部署需依官方支援配置評估。
官方提到五倍吞吐量，就代表工作快五倍嗎？
不代表。吞吐量是特定條件下的輸出能力，整項工作還包括資料載入、工具等待、檢查與重試時間。
公司沒有訓練資料，還能開始嗎？
可以先用少量已知答案的案例做比較，找出主要錯誤。是否需要進一步訓練，應由這些結果決定，而非一開始就預設必須客製化。
先驗證原圖到結果的整段流程
Nemotron 3.5 Super VL 值得注意的地方，是讓文件與視覺資料更直接參與 Agent 的判斷。文件工作量大的團隊，可以從一項可複核的任務開始，記錄品質、時間與人工修正。
訂閱 AI 郵報，持續追蹤開放模型的實際部署與工作流程更新，再依自己的案例決定是否導入。
延伸閱讀：Reason Agent 1.1 比較 Codex：同一模型，為何寫程式的成本仍會不同？。
