EN DIRECT
Mistral rend Large 4 accessible en poids ouverts29/10/26 · Mistral AI|Gemini 4 Carbon prend la première place de l'Intelligence Index v529/10/26 · Google|Mistral Large 4 disponible sur Hugging Face29/10/26 · Mistral AI|Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|Un benchmark évalue si les IA testent vraiment leurs hypothèses médicales temporelles29/10/26|Une méthode ODE pour accélérer l'échantillonnage des modèles de diffusion discrète29/10/26|OpenAI révise son Model Spec autour de cinq valeurs directrices29/10/26 · OpenAI|Chez Proton, un virage vers l'IA provoque une crise interne29/10/26 · Proton|Mistral rend Large 4 accessible en poids ouverts29/10/26 · Mistral AI|Gemini 4 Carbon prend la première place de l'Intelligence Index v529/10/26 · Google|Mistral Large 4 disponible sur Hugging Face29/10/26 · Mistral AI|Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|Un benchmark évalue si les IA testent vraiment leurs hypothèses médicales temporelles29/10/26|Une méthode ODE pour accélérer l'échantillonnage des modèles de diffusion discrète29/10/26|OpenAI révise son Model Spec autour de cinq valeurs directrices29/10/26 · OpenAI|Chez Proton, un virage vers l'IA provoque une crise interne29/10/26 · Proton|
🇺🇸 États-Unis generalistSortie octobre 2026

Nemotron 3.5 Super VL

NVIDIA
Open-sourceSelf-hostHéb. UE Données fiche 33/100 Trust Index 89
Verdict

Une option solide pour l'auto-hébergement et le contrôle total des données.

Présentation

Nemotron 3.5 Super VL est le généraliste multimodal de NVIDIA : architecture MoE à 120 milliards de paramètres dont 12 milliards actifs, avec une fenêtre de contexte d'un million de tokens taillée pour des agents qui manipulent de longs documents et des images. Les poids sont ouverts sous licence OpenMDW-1.1 autorisant un usage commercial, donc un déploiement entièrement on-premise où rien ne quitte l'infrastructure du client. Limite réelle : même avec 12B de paramètres actifs, l'ensemble du modèle (120B) doit être chargé en mémoire, ce qui impose un parc GPU conséquent pour l'auto-hébergement.

Profil de compétences

Non communiqué

Forces

  • Très long contexte
  • Open-source et auto-hébergeable

Limites

  • Tarification API non publiée

À qui ça s'adresse

Pour vous si…
  • vous voulez maîtriser vos coûts ou auto-héberger
  • vos données doivent rester en UE
À éviter si…

    Cas d'usage idéaux

    • Agents multimodaux longs
    • Analyse de documents volumineux
    • Déploiement souverain on-premise
    • Automatisation de workflows IT
    • Traitement combiné image-texte

    Accès & disponibilité

    Auto-hébergeable (poids ouverts)

    Caractéristiques clés

    Contexte
    1M
    Prix entrée
    —
    Prix sortie
    —
    Vitesse
    —
    Prix non auditéBenchmarks non audités

    Combien ça coûte par mois

    Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.

    Via API
    Tarif API non publié
    Auto-hébergé
    Poids fermés : pas d’auto-hébergement

    Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.

    nAIvigate Trust Index

    89/100

    Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.

    19/19 critères documentés · 100 % · dont 12 posés par règle

    Données100
    5/5 · 30 %
    Souveraineté77
    3/3 · 20 %
    Transparence75
    4/4 · 15 %
    Entreprise100
    5/5 · 20 %
    Licence80
    2/2 · 15 %
    Voir les critères▾
    Données
    Résidence des données en UEposé par règle
    Pas de transfert hors UEposé par règle
    Pas d’entraînement sur vos donnéesposé par règle
    Rétention configurableposé par règle
    Zero Data Retentionposé par règle
    Souveraineté
    Auto-hébergeable (poids ouverts)
    Hébergement UE proposéposé par règle
    Éditeur européenpays : US30
    Transparence
    Licence publiée (URL)
    Tarifs publics sourcés
    Engagements de conformité publiésposé par règle
    Liste des sous-traitants publiéeposé par règle
    Entreprise
    DPA disponible
    SSO / SAMLposé par règle
    Provisionnement SCIMposé par règle
    Journaux d’auditposé par règle
    SOC 2 / ISO 27001sans objet
    Endpoint privé chez l’éditeurposé par règle
    Licence
    Usage commercial autorisé
    Type de licenceOpenMDW-1.160
    Classement complet et méthodologie

    Badge Trust Index

    Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.

    nAIvigate Trust Index · Nemotron 3.5 Super VL
    [![nAIvigate Trust Index · Nemotron 3.5 Super VL](https://naivigate.com/badge/nemotron-3-5-super-vl.svg)](https://naivigate.com/fr/model/nemotron-3-5-super-vl)

    Données & conformité

    Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.

    Résidence des données en UEOui
    Accord de traitement (DPA)Sans objet· auto-hébergé : les données ne sortent pas
    Transfert hors UENon
    Entraînement sur vos donnéesNon
    Rétention configurableSans objet· auto-hébergé : les données ne sortent pas
    Zero Data RetentionSans objet· auto-hébergé : les données ne sortent pas
    Auto-hébergeableOui
    Hébergement déclaréself
    Déduit de l’hébergement déclaré, non vérifié à la source.Besoin d’une analyse dans votre contexte ? Shadow AI Sentinel

    Qualité des données de la fiche

    33/100

    Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.

    3/8 documentées · 0/8 sources primaires

    Prix APIpoids ouverts, pas de tarif APIabsent
    Fenêtre de contexteévaluation nAIvigate
    Elo Arenaabsent
    Benchmarks (MMLU, GPQA, SWE-bench…)absent
    Licenceévaluation nAIvigate
    Données & conformitéauto-hébergé : déduitdéduit
    Adoption (Hugging Face)absent
    Matériel requis (quantizations)calculé depuis la taille du modèleabsent
    Données avancées · pour experts
    Architecture, modalités, coût détaillé, benchmarks complets
    ▾
    Architecture
    MoE (12B actifs)
    Taille
    120B
    Date de coupe
    —
    Entrées
    text, image, video
    Sorties
    text
    Licence
    OpenMDW-1.1
    Hébergement
    self
    Score d'hallucination
    —
    Coût estimé (API)
    Échange type (~3k entrée / 1k sortie)
    Non communiqué
    1M entrée + 1M sortie
    Non communiqué
    Tous les benchmarks
    Arena Elo—
    MMLU—
    GPQA—
    HumanEval—
    SWE-Bench—
    MATH—

    Modèles similaires