NVIDIA 发布 Nemotron 3.5 Bolt E4B：面向本地语音代理的开放小模型
NVIDIA 发布开放小语言模型 Nemotron 3.5 Bolt E4B，主打本地语音助手、游戏角色与机器人交互，约 4GB 显存目标。模型由 Gemma 4 E4B 经纯强化学习后训练而来，NVIDIA 自测在 21 项基准中 15 项领先，但 Tau2-Bench 明显落后 Qwen3.5-4B。
NVIDIA 推出 Nemotron 3.5 Bolt E4B
NVIDIA 发布开放小语言模型 Nemotron 3.5 Bolt E4B，面向本地运行的快速对话代理，目标场景包括设备与语音助手、游戏 NPC 以及嵌入式与工业机器人接口，官方列出的运行硬件为 GeForce RTX、Jetson、RTX Spark 与 DGX Spark。据 MarkTechPost 报道，该模型由 Google 的 Gemma 4 E4B 后训练而来，且完全跳过监督微调，仅使用强化学习。规格方面，模型为 8B 总参数、4B 有效参数，支持 64K 上下文，权重以 OpenMDW-1.1 许可发布。
训练方式与性能表现
报道称，NVIDIA 团队认为监督微调虽能改善工具调用，却会损害 Gemma 的对话质量并导致冗长，因此改用 NeMo-RL 与 NeMo-Gym 进行 RLVR 和 RLHF 训练，训练数据与配方一并公开。NVIDIA 自测显示，Bolt 在 21 项基准中的 15 项领先于 Gemma 4 E4B、Qwen3.5-4B 和 Nemotron 3 Nano 4B，其中 IHEval 得分为 84.8。不过报道也指出其短板：Tau2-Bench 得分 55.1，落后 Qwen3.5-4B 的 75.1 约 20 分，在 RULER 64K、LongBench v2 与 BFCL-v3 上同样不占优。上述数字均为 NVIDIA 在自有测试框架中测得，厂商自报成绩通常存在差异。
限制与来源
需要说明的是，名称中的「4GB」指目标显存占用区间，而非文件体积；报道称 Hugging Face 上的 Q4_K_M GGUF 文件为 6.18 GB。模型可通过 Hugging Face、Ollama、LM Studio、Unsloth 与 Jetson AI Lab 获取，并以 NVIDIA NIM 形式提供，build.nvidia.com 上有免费托管 API。具体可用地区、量化版本与许可条款请以 NVIDIA 官网及模型卡当前信息为准。本文信息来自 MarkTechPost 报道，其中基准成绩与硬件数据均引自 NVIDIA 自行发布的材料，尚未获独立第三方验证。