NVIDIA 发布 Nemotron 3.5 系列模型并完善 RTX Spark 本地 AI 生态
先了解这件事
NVIDIA 在 RTX Spark 笔记本上市前后，发布了 Nemotron 3.5 系列开源模型并优化了本地 AI 运行环境。其中，Nemotron 3.5 Bolt 74B 专为 RTX Spark 本地智能体设计，采用 2-bit 量化技术将内存占用压缩至 24GB；Nemotron 3.5 Super VL 则是面向企业级工作流的 1200 亿参数多模态模型。 在软件生态方面，Microsoft 与 NVIDIA 合作优化了 Windows 在 Arm 架构上的 AI 体验，提供两点击安装智能体的功能，首批支持 Hermes、Perplexity 和 OpenClaw，但 Recall 等 Copilot Plus 功能在 RTX Spark 上暂不可用。此外，NVIDIA 还宣布 DGX Spark 64GB 系统将于 10 月 23 日开售，并计划推出支持企业级负载的 DGX Station Windows 版本。
AI 根据报道生成 · 18 天前更新
事件进展
4 个进展
- 10月21日 18:50 · 1 篇报道NVIDIA 在 GTC Berlin 展示本地 AI 硬件全线产品，发布 Recursive Flint 模型及多项软NVIDIA Blog：NVIDIA 在 GTC Berlin 展示本地 AI 硬件与模型生态更新
- 10月15日 23:00 · 2 篇报道NVIDIA 发布 Nemotron 3.5 Super VL 及两款 Bolt 端侧模型NVIDIA Blog：NVIDIA 发布 Nemotron 3.5 Super VL 及 Bolt 系列开源模型，覆盖数据中心至边缘部署
- 10月15日 22:30 · 1 篇报道Windows 针对 RTX Spark 优化 AI 体验The Verge · AI：Windows 如何为 Nvidia RTX Spark 笔记本优化 AI 体验
- 10月13日 20:00 · 1 篇报道NVIDIA 发布 RTX Spark 生态软件更新，涵盖本地 AI Agent、模型及创意工具优化NVIDIA Blog：NVIDIA RTX Spark 笔记本发布前推出本地 AI 生态更新与 Nemotron 3.5 Bolt 74B 模型
报道时间线
沿着报道，了解事件的不同侧面。
- NVIDIA Blog精选NVIDIA 在 GTC Berlin 展示本地 AI 硬件与模型生态更新
NVIDIA 在 GTC Berlin 展示本地 AI 硬件与模型生态更新，RTX Spark 支持个人智能体，DGX Spark 64GB 系统于 10 月 23 日开售。DGX Station 新增 Windows 版本计划，支持企业级工作负载与机器人参考工作流。Recursive Flint 本地编码模型开放权重，支持 RTX Spark 和 DGX Spark 系统。
- The Decoder精选Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，主打企业级智能体持续运行
Nvidia 发布了 1200 亿参数的开源多模态模型 Nemotron 3.5 Super VL，专为处理文本、图像、文档和视频的企业级智能体设计。该模型采用 MoE 架构，每 token 仅激活 120 亿参数，并同步推出了适用于本地 PC 和边缘设备的 Nemotron 3.5 Bolt 系列。
- NVIDIA Blog精选NVIDIA 发布 Nemotron 3.5 Super VL 及 Bolt 系列开源模型，覆盖数据中心至边缘部署
NVIDIA 发布 Nemotron 3.5 Super VL，这是一款 1200 亿参数的开源多模态模型，专为高吞吐量智能体工作流设计，在同类模型中实现 5 倍更快的任务完成速度。
- The Verge · AIWindows 如何为 Nvidia RTX Spark 笔记本优化 AI 体验
Microsoft 和 Nvidia 在 RTX Spark 笔记本上推出了针对 Arm 架构的 Windows 优化，重点提升了本地 AI 智能体的安装与运行体验。
- NVIDIA Blog精选NVIDIA RTX Spark 笔记本发布前推出本地 AI 生态更新与 Nemotron 3.5 Bolt 74B 模型
NVIDIA 在 RTX Spark 笔记本 10 月 16 日上市前，发布了针对本地 AI 智能体的多项软件更新与性能优化。NVIDIA Nemotron 3.5 Bolt 74B 模型于 10 月 15 日推出，专为 RTX Spark 上的本地智能体设计，采用 2-bit 量化技术将 74B 参数模型压缩至 24GB 内存占用。