NVIDIA a publié Nemotron 3.5 Lightning aujourd'hui : un modèle mixture-of-experts de 30 milliards de paramètres avec environ 3B de paramètres actifs par token, en poids ouverts sur Hugging Face et build.nvidia.com, assez petit pour tourner sur un seul GPU. Le plus intéressant est ce que NVIDIA ne revendique pas : personne ne présente ce modèle comme un modèle de frontière. Le discours, dans les termes mêmes de NVIDIA, est que les systèmes agentiques modernes sont des systèmes de modèles — et Lightning est construit pour être l'exécutant spécialisé à l'intérieur de l'un d'eux, le modèle auquel un agent plus grand délègue le gros du travail répétitif pendant que quelque chose de plus gros planifie.
Ce qui a été livré
La forme suit la recette Nemotron désormais familière. La famille Nemotron 3 — Nano 30B-A3B, Super, et l'Ultra à 550B — regroupe des modèles MoE hybrides Mamba-transformer conçus pour le raisonnement agentique, et 3.5 Lightning reprend la même géométrie 30B total / ~3B actifs que Nano, avec un contexte d'environ 262K tokens selon les fiches tierces. Par-dessus la recette de base, la révision 3.5 ajoute trois choses visant directement les boucles d'agents : le décodage spéculatif, des checkpoints NVFP4 et BF16 (la variante 4 bits est ce qui rend le mono-GPU praticable), et — l'expression qui mérite qu'on s'y arrête — un entraînement « optimisé pour le harnais ».
Les chiffres mis en avant sont des chiffres de débit, pas de capacité : NVIDIA revendique jusqu'à 4× la vitesse de sortie par rapport aux modèles de taille comparable, soit 30 % de tâches agentiques bouclées plus vite. Notez que les deux moitiés de cette affirmation sont mesurées par le vendeur, contre un ensemble de « modèles de sa catégorie » jamais nommés, et que le chiffre de complétion de tâches vient du benchmark de NVIDIA lui-même. On voudrait normalement une réplication indépendante avant de répéter un 4× — mais notez aussi la structure de l'affirmation : pour un modèle dont le métier est d'exécuter des milliers d'appels d'outils dans la boucle de quelqu'un d'autre, les tokens par seconde sont réellement la fiche produit, d'une manière qui ne vaut pas pour un raisonneur de frontière. Les modèles ouverts bon marché échouent plus souvent sur le coût et la friction de déploiement que sur les scores de benchmark, et ce lancement ressemble à NVIDIA intégrant cette leçon dans son prix.
Les poids sont sous la licence NVIDIA Nemotron Open Model License — libres au téléchargement, à l'usage et à la modification commerciale, sans demander la permission de NVIDIA. C'est une licence permissive-sous-conditions plutôt qu'Apache 2.0 — les clauses habituelles d'usage responsable s'appliquent — ce qui, selon notre propre taxonomie, la place un cran sous l'ouverture complète mais confortablement au-dessus des verrous non commerciaux que nous signalions ailleurs ce mois-ci.
« Optimisé pour le harnais » : l'indice qui compte
Il y a six mois, « entraîné pour les agents » voulait dire du fine-tuning d'appels d'outils. Ce que NVIDIA décrit maintenant, c'est un modèle post-entraîné pour la boucle dans laquelle il vivra — le même basculement que nous suivons dans toute la catégorie harnais : Meta co-entraînant Spark sur des trajectoires de harnais filtrées par rejet, les scores ARC-AGI-3 d'OpenAI triplés par deux réglages de harnais sans changer de modèle, Prime Intellect faisant du harnais l'unité même du RL. Un modèle vendu comme « optimisé pour le harnais », c'est un vendeur qui concède que la boucle de déploiement — compaction, reprises, schémas d'outils, délégation — fait désormais partie de la distribution d'entraînement, et non d'un habillage ajouté après coup par l'auteur du wrapper.
Ce qui rend la sortie compagne stratégiquement plus intéressante que le modèle. NeMo Switchyard est une bibliothèque de routage open source qui s'insère dans les outils d'agents existants et dirige chaque requête vers « le modèle le plus capable et le plus adapté à la tâche », sans que le développeur réécrive son application. C'est un composant de harnais, pas un modèle — le répartiteur qui décide quand votre coûteux modèle de frontière planifie et quand un spécialiste à 3B actifs exécute. Le routage était jusqu'ici la logique interne artisanale de chaque auteur de harnais ; NVIDIA vient d'en livrer une implémentation commune et ouverte, réglée — on peut le supposer — pour router généreusement vers Nemotron.
La logique d'affaires, énoncée sans détour
Que NVIDIA distribue gratuitement des modèles ouverts compétents n'est pas de l'altruisme, et n'a pas besoin de l'être. Chaque requête qu'un routeur envoie vers un spécialiste 30B-A3B tournant en local, plutôt que vers une API de frontière facturée au token, est de l'inférence qui se produit sur un GPU que quelqu'un a acheté plutôt que de la marge captée par un laboratoire. Plus l'architecture de l'industrie converge vers « un planificateur cher, beaucoup d'exécutants ouverts bon marché », plus la valeur s'accumule dans le silicium et moins dans un modèle donné — et NVIDIA vend le silicium. Lightning-le-modèle est la démo ; Switchyard-le-routeur est le levier ; l'histoire du déploiement mono-GPU en NVFP4 sur RTX est le vrai produit. C'est le vendeur de pelles qui finance des cartes gratuites vers le champ aurifère — et c'est cohérent d'une façon que les analyses « NVIDIA concurrence les modèles de ses propres clients » ratent d'habitude : NVIDIA n'a pas besoin que Nemotron gagne. Elle a besoin que la catégorie des exécutants spécialisés tournant en local gagne.
Pour le jeu de données de l'arcade, c'est la publication n°248, et elle tombe pile sur deux courbes que l'article tendances suit : une nouvelle sortie nord-américaine en poids ouverts (la part ouverte des laboratoires américains est la chose à surveiller depuis le revirement de Meta), et une entrée de plus dans la colonne des spécialistes — un modèle dont l'ambition déclarée est d'être une partie d'un système plutôt que le système. La section « scénario baissier » de cet article soutenait que la commoditisation se manifeste d'abord par des modèles tarifés comme de l'infrastructure plutôt que comme des produits. Un vendeur de GPU qui offre le modèle gratuitement pour vendre ce qu'il y a en dessous, c'est cet argument en blouson de cuir.
Mise à jour (12 août) : trois graphiques de plus — tous venant de NVIDIA elle-même
Correction au cadrage de la mise à jour précédente : les trois graphiques supplémentaires — le graphique intelligence-vs-vitesse d'Artificial Analysis, le graphique de frontière de Pareto de local.ai pour le déploiement sur appareil DGX Spark, et le graphique PinchBench — proviennent des propres supports de lancement de NVIDIA, pas d'un examen extérieur arrivé après coup. Cela compte : la méthodologie d'AA est réellement tierce (c'est un cabinet de benchmarking véritablement indépendant, pas une marque maison de NVIDIA), mais quel graphique d'AA se retrouve intégré dans le billet du vendeur, avec quel ensemble de comparaison, reste un choix éditorial du vendeur. Il faut lire ces graphiques comme le meilleur cas sélectionné par NVIDIA elle-même, pas comme une réplication externe.
Ce qui rend ce que les graphiques montrent réellement plus intéressant, pas moins. L'affirmation de vitesse survit à la présentation que NVIDIA en fait elle-même, et même au-delà. Sur le graphique d'AA, Lightning sert à environ 670 tokens de sortie par seconde — le modèle ouvert le plus rapide suivant sous 40B, Qwen3.6-35B-A3B, atteint environ 145 tok/s, un écart réel avoisinant 4,6×, au-dessus du « jusqu'à 4× » revendiqué par NVIDIA. À signaler : la note de bas de page d'AA sur ce même graphique précise que les chiffres de Lightning viennent de tests de pré-lancement sur un déploiement privé DeepInfra des poids NVFP4 finaux — à la lumière du fait que le graphique est une sélection de NVIDIA elle-même, cela se lit moins comme une confirmation indépendante que comme un benchmark auquel NVIDIA a organisé l'accès en amont de l'existence d'un point de terminaison public et reproductible.
Mais même dans les propres supports choisis par NVIDIA, l'histoire de la précision ne dit pas ce que « rapide, précis » laisse entendre. Le même graphique d'AA place l'Intelligence Index de Lightning à ~26 — nettement derrière Qwen3.6-27B (~37), Qwen3.6-35B-A3B (~32) et Gemma-4-31B (~30), tous 4 à 6× plus lents. L'étage d'intelligence réel de Lightning est plus proche de Gemma-4-12B et Qwen3.5-9B/4B (~21-22 sur la même échelle) — des modèles qu'il devance de 5 à 7× en vitesse, pas des modèles qui le rivalisent en capacité. Et le graphique PinchBench de NVIDIA elle-même montre Qwen3.6-35B affichant une précision supérieure à Lightning pour un coût en heures-GPU à peine plus élevé, Gemma-4-26B traînant derrière les deux en précision pour un coût proche de Qwen. C'est le point notable : même quand NVIDIA a choisi l'ensemble de comparaison et le graphique, elle n'a pas pu éviter de montrer un rival devant en précision — ce qui est une preuve plus forte de l'écart qu'un test extérieur ne l'aurait été, précisément parce qu'un vendeur avait toutes les raisons de l'omettre et l'a publié quand même (ou n'a pas remarqué que cela sapait la moitié « précis » du discours).
Le graphique de Pareto de local.ai ajoute l'angle sur appareil : sur DGX Spark spécifiquement, Lightning est la seule sortie de premier rang à atteindre la frontière — chaque autre point de la frontière est une quantification communautaire GGUF/NVFP4 du modèle de quelqu'un d'autre (Step 3.7 Flash, Qwen3.6). C'est une vraie distinction, mais c'est aussi une barre basse : cela dit que NVIDIA est le seul laboratoire à avoir pris la peine de livrer directement une build réglée pour DGX Spark, pas que Lightning gagne sur le fond face à un rival quantifié par la communauté au même point de fonctionnement.
En mettant les trois ensemble, le résumé honnête en une ligne est plus étroit que le cadrage du billet de lancement — et ce sont les propres supports de NVIDIA qui l'établissent : Lightning n'est pas le modèle ouvert compact le plus intelligent, c'est le modèle le plus rapide à son propre étage d'intelligence, plus modeste, exactement cohérent avec le positionnement « exécutant spécialiste, pas généraliste » sur lequel cet article s'est ouvert. L'affirmation de 4× de vitesse tient même en source généreuse ; la lecture implicite « et toujours d'une précision de frontière » de « rapide, précis » ne survit pas au propre graphique du vendeur.
À surveiller
- Des tests réellement indépendants. Les trois graphiques post-lancement viennent tous des supports de NVIDIA elle-même ; un benchmark mené et publié par une partie sans lien avec le lancement de NVIDIA — sur un point de terminaison public, pas un déploiement privé de pré-lancement — est le test qui confirmerait ou infirmerait réellement le chiffre de 4,6×.
- Les réglages de routage par défaut de Switchyard. Un routeur ouvert n'est neutre que si ses politiques le sont. Si les heuristiques livrées favorisent systématiquement les modèles Nemotron, la « bibliothèque de routage ouverte » devient un « canal de distribution » — vérifiable dans le code, qui, à mettre au crédit de NVIDIA, est inspectable.
- L'adoption — ou la réinvention — par les autres auteurs de harnais. Cursor, l'écosystème OpenClaw et les harnais minimaux façon QM ont tous aujourd'hui un routage artisanal. Si Switchyard devient la couche commune, NVIDIA possède un point de passage obligé dans chaque pile d'agents ; si chacun le réinvente, c'était une démo technique.
- La diffusion du cadrage « système de modèles ». Si les prochaines sorties spécialisées des autres laboratoires adoptent aussi le vocabulaire planificateur/exécutant, l'industrie s'est tacitement accordée sur une architecture — et la vraie compétition passe de « quel modèle est le plus intelligent » à « quel exécutant est le moins cher par tâche bouclée », un combat que NVIDIA a structuré toute cette sortie pour gagner.
Références : NVIDIA Technical Blog — Nemotron 3.5 Lightning · NVIDIA Blog — Nemotron 3.5 Lightning et NeMo Switchyard · CNBC — Nvidia releases Nemotron 3.5 Lightning · Fiche du modèle Nemotron 3 Nano 30B-A3B · couverture liée : Frontier Arcade : tendances et prédictions · Les niveaux d'ouverture · Le harnais hashline d'oh-my-pi