Nvidia launches new open models to run agents in the enterprise and on PCs

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Nvidia가 기업용 Nemotron 3.5 Super VL과 로컬 PC용 Bolt 오픈 웨이트 모델을 공개하며 자체 인프라와 기기에서 실행하는 AI 에이전트 시장 확대에 나섰다.

📌 핵심 요약

• Nemotron 3.5 Super VL은 기업용 에이전트를 위한 1,200억 매개변수 모델로, Nvidia는 Nemotron 3 Ultra보다 매개변수가 적으면서도 지시 이행과 도구 사용에서 유사한 정확도를 제공할 수 있다고 밝혔다.
• Nvidia는 특정 에이전트 작업에 맞춰 사후 학습한 Super VL이 Anthropic과 OpenAI의 Opus 5, GPT 6.1 Sol, Luna, Astra보다 작업을 빠르게 완료한다고 주장했으며, 사용 기업으로 Skydance, EY, Ramp, Crowdstrike, Perplexity, Salesforce를 제시했다.
• 독점 모델을 개발하는 AI 연구소들이 AWS의 Trainium, Cerebras와 자체 칩 등으로 선택지를 넓히는 가운데, Nvidia는 기업이 자체 데이터로 Super VL을 사후 학습하고 자체 인프라에 배포하며 구축 결과물을 소유할 수 있다는 점을 강조했다.
• Bolt 모델은 Nvidia RTX Spark 칩을 탑재한 AI PC와 DGX Spark를 사용하는 워크스테이션에서 로컬 실행하도록 설계됐다. Microsoft와 Dell 등 협력사를 통해 관련 PC가 시장에 출시되고 있으며, Nvidia는 클라우드로 작업을 보내지 않는 개인용 에이전트 사용을 내세웠다.
• 740억 매개변수의 Nemotron 3.5 Bolt 74B-A9B 24GB는 다단계 추론·도구 호출·웹 탐색을, 더 작은 Bolt E4B는 대화형 에이전트를 겨냥한다. Nvidia에 따르면 Super VL과 Bolt 74B-A9B는 현재 이용 가능하며, Bolt E4B는 기사 게시 시점인 2026년 10월 중 출시될 예정이다.

🧩 주요 포인트

1. 기업용 Super VL부터 로컬 PC용 Bolt까지 배포 환경별 모델을 제공함으로써, Nvidia는 자사 인프라에서 에이전트를 실행하려는 수요를 폭넓게 겨냥한다.
2. Super VL의 속도 우위는 특정 작업에 맞춘 사후 학습을 전제로 한 Nvidia의 주장이다. 사용 기업 명단은 도입 사례를 뒷받침하지만, 기사에는 독립적인 성능 검증 결과가 제시되지 않는다.
3. 자체 데이터·인프라 활용과 로컬 실행을 강조하는 전략은 기업의 모델 통제 요구와 소비자의 개인정보 우려에 대응하며, Nvidia 칩 기반 시스템의 수요 확대를 노린다.

🧠 상세 정리

1. 기업과 개인 기기를 아우르는 모델 공개

Nvidia는 상시 작동하는 에이전트와 엣지 컴퓨팅을 겨냥한 새로운 오픈 웨이트 모델을 공개했다. 기업용 Nemotron 3.5 Super VL은 1,200억 매개변수 규모로, 더 큰 Nemotron 3 Ultra보다 매개변수가 적으면서도 지시 이행과 도구 사용 작업에서 유사한 정확도를 제공할 수 있다는 것이 회사의 설명이다. 반대편에는 로컬 AI PC와 워크스테이션에서 실행하도록 설계한 경량 Bolt 모델 두 종을 배치했다. Nvidia의 오픈 모델 및 소프트웨어 부문 부사장 Kari Briski는 자사 인프라에서 에이전트를 실행하려는 조직이 성능과 배포 용이성을 함께 갖춘, 각 환경에 최적화된 공개 모델을 선택할 수 있다고 강조했다.

2. 작업별 사후 학습을 전제로 한 성능 주장

Nvidia는 특정 에이전트 작업에 맞춰 사후 학습한 Super VL이 Anthropic과 OpenAI의 경쟁 모델보다 작업을 빠르게 완료한다고 주장했다. 기사에 비교 대상으로 열거된 모델은 Opus 5, GPT 6.1 Sol, Luna, Astra이며, 적용 작업에는 문서 분석, 재무 회계, 과학 실험, 의료보험 청구, 보안 공격에 대한 복원력이 포함된다. 이 주장은 특정 작업에 맞춘 사후 학습이라는 조건이 붙어 있으므로, 모든 상황에서 일반적인 성능 우위를 입증한 결과로 확대해서 읽을 수는 없다. 기사는 주요 기술 기업의 새 모델 발표에서 이런 주장이 흔하다고 짚으며, 독립적인 비교 검증 결과나 구체적인 속도 차이는 제시하지 않는다.

3. 사용 기업과 기존 Nemotron 제품군

Nvidia는 Super VL을 사용하는 기업으로 Skydance, EY, Ramp, Crowdstrike, Perplexity, Salesforce를 제시했다. 기사는 이처럼 주요 기업의 사용 사례를 내세운 점을 성능 주장에 덧붙인 근거로 소개하지만, 기업별 적용 범위나 실제 성과까지 설명하지는 않는다. 이번 발표가 Nvidia의 첫 오픈 웨이트 모델 출시는 아니며, 기존 Nemotron 제품군은 멀티모달 AI부터 추론, 코딩, 수학, 기업 자동화까지 포괄한다. Nvidia는 이 제품군을 통해 독점 모델을 개발하는 선도 AI 연구소들과 경쟁하고 있는데, 이들 연구소는 동시에 Nvidia의 고객이자 투자 대상이기도 하다는 복합적인 관계가 기사에서 부각된다.

4. 칩 선택지 확대에 대응하는 자체 배포 전략

기사는 빠르게 성장하는 독점 AI 연구소들이 필요한 연산 자원을 확보하기 위해 Nvidia 이외의 칩과 AI 시스템으로 눈을 돌리고 있다고 설명한다. 구체적인 대안으로 AWS의 Trainium과 Cerebras를 들며, 연구소들이 자체 칩 개발도 추진하고 있다고 전한다. 이런 상황에서 Nvidia는 기업이 자체 데이터센터에서 직접 오픈 모델을 운영하려는 흐름을 적극적으로 공략하고 있다. Briski는 폐쇄형 선도 모델과 달리 조직이 자체 데이터로 Super VL을 사후 학습하고 자체 인프라에 배포하며 구축한 결과물을 소유할 수 있다고 강조했다. 이는 모델의 성능뿐 아니라 학습·배포 환경과 결과물에 대한 통제권을 기업용 제품의 핵심 가치로 제시하는 방향이다.

5. 로컬 에이전트와 소비자 개인정보 우려

소형 PC용 모델은 아직 초기 단계인 소비자 AI 비서 시장을 확대하려는 시도이기도 하다. 기사는 스타트업과 대형 기술 기업이 잇따라 AI 비서를 내놓고 있지만, 개인정보에 민감한 소비자는 가족·건강·재무 정보까지 에이전트에 맡기는 데 부담을 느낄 수 있다고 짚는다. Nvidia는 모델과 에이전트를 로컬에서 실행하는 기기를 통해 자사 칩을 탑재한 PC의 새 시장을 만들려 하며, Briski는 사용자가 일상적인 프로젝트를 맡기면서 작업을 클라우드로 보내지 않아도 된다고 설명했다. Bolt의 실행 대상으로는 Nvidia RTX Spark 칩 기반 AI PC와 DGX Spark를 사용하는 워크스테이션이 제시됐고, 관련 PC는 소비자·프로그래머·기업 지식근로자를 대상으로 Microsoft와 Dell 등 협력사를 통해 출시되고 있다.

6. Bolt 두 모델의 역할과 출시 일정

Nemotron 3.5 Bolt 74B-A9B 24GB는 740억 매개변수를 갖춘 모델로, 로컬에서 수행하는 에이전트 작업을 위해 설계됐다. Nvidia는 이 모델이 속도와 추론 능력의 균형을 지향하며 다단계 추론, 도구 호출, 웹 탐색을 처리하도록 만들어졌다고 설명한다. 두 Bolt 모델 중 더 작은 Bolt E4B는 대화형 에이전트를 겨냥하므로, 같은 로컬 실행 제품군 안에서도 목표 작업이 구분된다. Nvidia에 따르면 Super VL과 Bolt 74B-A9B는 이미 이용할 수 있고, Bolt E4B는 기사 게시 시점인 2026년 10월 중에 나올 예정이다. 따라서 기사에서 함께 소개된 세 모델은 공개 당시 모두 동일한 이용 가능 상태에 있었던 것은 아니다.

🧾 핵심 주장 / 시사점

• Nvidia의 모델 공개는 기업 데이터센터와 개인 PC를 함께 겨냥한다는 점에서, 오픈 웨이트 모델을 자사 칩 기반 에이전트 수요 확대와 연결하는 전략으로 읽힌다.
• Super VL의 도입 기업 명단은 실제 사용을 보여주는 회사 측 근거이지만, 특정 작업의 사후 학습 성능 주장을 독립적으로 검증한 결과와는 구분해 해석할 필요가 있다.
• 기업에는 자체 데이터와 인프라에 대한 통제권을, 소비자에게는 클라우드로 작업을 보내지 않는 실행 방식을 제시한다는 점에서 배포 위치 자체가 주요 제품 가치로 부상한다.

✅ 액션 아이템

• 기업용 에이전트 도입 검토에서 Super VL의 자체 데이터 사후 학습과 자체 인프라 배포 조건을 확인.
• Super VL의 속도 우위는 특정 작업에 맞춘 사후 학습을 전제로 해석하고, 독립적인 성능 검증 결과의 유무를 확인.
• 로컬 PC용 에이전트 검토 시 Bolt 74B-A9B의 다단계 추론·도구 호출·웹 탐색과 Bolt E4B의 대화형 용도 및 출시 시점을 구분.

❓ 열린 질문

• Super VL은 특정 작업에 맞춘 사후 학습 조건이 달라져도 Opus 5, GPT 6.1 Sol, Luna, Astra 대비 속도 우위를 유지하는가?
• 기업이 자체 데이터로 Super VL을 사후 학습하고 자체 인프라에 배포할 때 구체적으로 어떤 조건이 적용되는가?
• Bolt 74B-A9B와 Bolt E4B는 로컬 PC에서 실행할 때 각각 어느 수준의 작업 속도와 정확도를 제공하는가?