Nemotron 3: NVIDIAren apustu handia agente anitzeko IArako

Adimen artifizialaren lasterketa txatbot sinple eta isolatuetatik elkarlanean aritzen diren, lan-fluxu luzeak kudeatzen dituzten eta ikuskagarriak izan behar diren agente-sistemetara igarotzen ari da. Egoera berri honetan, NVIDIAk urrats nahiko argi bat ematea erabaki du: ez bakarrik modeloak irekitzea, baita datuak eta tresnak ere.enpresek, administrazio publikoek eta ikerketa-zentroek beren IA plataformak eraiki ahal izan ditzaten kontrol gehiagorekin.

Mugimendu hori gauzatzen da Nemotron 3, agente anitzeko IArako diseinatutako modelo irekien familia bat Errendimendu handia, inferentzia-kostu baxuak eta gardentasuna konbinatzea du helburu. Proposamena ez da beste chatbot orokor bat izateko pentsatua, baizik eta Sektore arautuetan zeregin konplexuak arrazoitzen, planifikatzen eta gauzatzen dituzten agenteak zabaltzeko oinarri batHau bereziki garrantzitsua da Europan eta Espainian, non datuen subiranotasuna eta araudiaren betetzea garrantzitsuak diren.

IA agente eta subiranoarentzako modeloen familia irekia

Nemotron 3 honela aurkezten da ekosistema osoa: ereduak, datu-multzoak, liburutegiak eta entrenamendu-errezetak lizentzia irekien pean. NVIDIAren ideia da erakundeek ez dutela IA zerbitzu opako gisa kontsumitzen bakarrik, baizik eta barruan dagoena ikuskatu, ereduak beren domeinuetara egokitu eta beren azpiegituretan zabaldu ahal izatea, hodeian edo tokiko datu-zentroetan.

Enpresak estrategia hau bere konpromisoaren barruan kokatzen du AI subiranoaEuropako, Hego Koreako eta beste eskualde batzuetako gobernuek eta enpresek alternatiba irekiak bilatzen ari dira sistema itxi edo atzerritarrei, askotan ez baitira bat datozenak beren datuen babeserako legeekin edo auditoria-eskakizunekin. Nemotron 3-ren helburua ikusgarritasun eta kontrol handiagoa duten eredu nazionalak, sektorialak edo korporatiboak eraikitzeko oinarri teknikoa izatea da.

Paraleloki, NVIDIAk hardwareaz haragoko posizioa indartzen duOrain arte, batez ere erreferentziazko GPU hornitzailea zen; Nemotron 3-rekin, modelizazio eta prestakuntza tresnen geruzan ere kokatzen da, OpenAI, Google, Anthropic edo baita Meta bezalako jokalariekin zuzenean lehiatuz, eta premium modeloen aurka, esaterako. SuperGrok AstunaMetak kode irekikoarekiko duen konpromisoa murrizten ari da Llama-ren azken belaunaldietan.

Europako ikerketa eta startup ekosistemarentzat —Hugging Face bezalako plataformetan ostatatutako eredu irekien menpe dagoena—, pisuen, datu sintetikoen eta liburutegien eskuragarritasuna lizentzia irekien pean alternatiba indartsua da... txinatar ereduak eta ospearen eta erreferentziazko sailkapenetan nagusi diren estatubatuarrak.

MoE arkitektura hibridoa: eskala handiko agenteentzako eraginkortasuna

Nemotron 3-ren ezaugarri tekniko nagusia hau da: Adituen nahasketa latentearen (MoE) arkitektura hibridoaInferentzia bakoitzean modeloaren parametro guztiak aktibatu beharrean, horien zati bat baino ez da pizten, zeregin edo token horretarako garrantzitsuenak diren adituen azpimultzoa.

Ikuspegi honek aukera ematen du konputazio-kostua eta memoria-kontsumoa nabarmen murrizteaHonek tokenen transmisioa ere handitzen du. Agente anitzeko arkitekturetan, non dozenaka edo ehunka agentek etengabe mezuak trukatzen dituzten, eraginkortasun hori funtsezkoa da sistema GPU eta hodeiko kostuei dagokienez jasanezina bihurtzea saihesteko.

NVIDIAk eta erreferentzia independenteek partekatutako datuen arabera, Nemotron 3 Nanoak lortzen du segundoko lau aldiz token gehiago arte Aurreko Nemotron 2 Nanoarekin alderatuta, arrazoiketa-token beharrezkoak ez direnen sorrera % 60 inguru murrizten du. Praktikan, horrek esan nahi du erantzun berdinak edo are zehatzagoak ematen dituela, baina "hitza" gutxiagorekin eta kontsulta bakoitzeko kostu txikiagoarekin.

MoE arkitektura hibridoak, prestakuntza teknika espezifikoekin konbinatuta, ekarri du Eredu ireki aurreratuenek adituen eskemak hartzen dituzteNemotron 3 joera honekin bat egiten du, baina bereziki IA agentean zentratzen da: agenteen arteko koordinaziorako diseinatutako barne-bideak, tresnen erabilera, egoera luzeen kudeaketa eta urratsez urratseko plangintza.

Hiru tamaina: Nano, Super eta Ultra lan-karga desberdinetarako

Nemotron 3 familia honela antolatuta dago: MoE ereduaren hiru tamaina nagusiak, guztiak irekiak eta parametro aktibo murriztuekin, arkitektura adituari esker:

• Nemotron 3 Nano: 30.000 milioi parametro inguru guztira, gutxi gorabehera 3.000 milioi aktibo token bakoitzekoEraginkortasunak garrantzia duen zeregin zehatzetarako diseinatuta dago: softwarearen arazketa, dokumentuen laburpena, informazioa berreskuratzea, sistemaren monitorizazioa edo adimen artifizialaren laguntzaile espezializatuak.
• Nemotron 3 Super: gutxi gorabehera 100.000 milioi parametro, honekin 10.000 milioi aktiboetan urrats guztietan. Honetara bideratuta dago Arrazoiketa aurreratua agente anitzeko arkitekturetanlatentzia txikiarekin, agente anitzek fluxu konplexuak ebazteko lankidetzan aritzen direnean ere.
• Nemotron 3 Ultra: goiko maila, gutxi gorabehera 500.000 milioi parametrorekin eta gehienez 50.000 milioi aktibo token bakoitzekoIkerketarako, plangintza estrategikorako, goi-mailako erabakiak hartzeko laguntzarako eta bereziki zorrotzak diren IA sistemetarako arrazoiketa-motor indartsu gisa funtzionatzen du.

Praktikan, honek erakundeei aukera ematen die Aukeratu modeloaren tamaina zure aurrekontuaren eta beharren araberaNano lan-karga masibo eta intentsiboetarako eta kostu estuetarako; Super arrazoiketa sakonagoa behar denean agente askorekin; eta Ultra kalitatea eta testuinguru luzea GPUaren kostua gainditzen duten kasuetarako.

Oraingoz Nemotron 3 Nano bakarrik dago eskuragarri berehala erabiltzeko.Super eta Ultra aldaerak 2026ko lehen seihilekorako aurreikusita daude, Europako enpresei eta laborategiei denbora emanez lehenik Nano-rekin esperimentatzeko, hodiak ezartzeko eta, geroago, ahalmen handiagoa behar duten kasuak migratzeko.

Nemotron 3 Nano: milioi bat tokenen leihoa eta kostu mugatua

Nemotron 3 Nano, gaur egun, hau da: familiaren punta praktikoaNVIDIAk gamako modelo konputazionalki kostu-eraginkorrena dela deskribatzen du, agente anitzeko lan-fluxuetan eta zeregin intentsibo baina errepikakorretan errendimendu maximoa emateko optimizatua.

Bere ezaugarri teknikoen artean, hauek nabarmentzen dira: milioi bat token arteko testuinguru-leihoaHorri esker, dokumentu zabalak, kode-biltegi osoak edo urrats anitzeko negozio-prozesuak memorian gorde daitezke. Banku, osasun edo administrazio publikoko Europako aplikazioetarako, non erregistroak bolumenak izan daitezkeen, epe luzeko testuinguru-gaitasun hau bereziki baliotsua da.

Erakunde independentearen erreferentziak Analisi artifizialak Nemotron 3 Nano kokatzen du kode irekiko eredu orekatuenetako bat bezala. Adimena, zehaztasuna eta abiadura konbinatzen ditu, segundoko ehunka tokeneko errendimendu-tasekin. Konbinazio honek erakargarri egiten du Espainiako IA integratzaileentzat eta zerbitzu-hornitzaileentzat, azpiegitura-kostuak izugarri igo gabe erabiltzaile-esperientzia ona behar baitute.

Erabilera kasuei dagokienez, NVIDIAk Nano du helburu Edukiaren laburpena, softwarearen arazketa, informazioa berreskuratzea eta enpresako IA laguntzaileakArrazoiketa-token erredundanteak murrizteari esker, erabiltzaileekin edo sistemekin elkarrizketa luzeak mantentzen dituzten agenteak exekutatu daitezke ondorioen faktura izugarri igo gabe.

Datu irekiak eta liburutegiak: NeMo Gym, NeMo RL eta Ebaluatzailea

Nemotron 3-ren ezaugarri bereizgarrienetako bat da Ez da modeloen pisuak askatzeko mugatzenNVIDIAk agenteak trebatzeko, doitzeko eta ebaluatzeko baliabide irekien multzo oso batekin laguntzen dio familiari.

Alde batetik, corpus sintetiko bat eskaintzen du hainbat bilioi token entrenamendu aurreko, entrenamendu osteko eta indartze datuetanArrazoiketa, kodeketa eta urrats anitzeko lan-fluxuetan oinarritutako datu-multzo hauek enpresei eta ikerketa-zentroei Nemotronen domeinu-aldaera espezifikoak (adibidez, legalak, osasungintzakoak edo industrialak) sortzeko aukera ematen diete hutsetik hasi gabe.

Baliabide horien artean, honako hauek nabarmentzen dira: Nemotron Agentic Segurtasun datu-multzoaBenetako munduko egoeretan agenteen portaerari buruzko telemetria datuak biltzen ditu. Bere helburua taldeei sistema autonomo konplexuen segurtasuna neurtzen eta indartzen laguntzea da: agente batek datu sentikorrak aurkitzen dituenean zer egiten duen, komando anbiguo edo kaltegarriei nola erreakzionatzen dien arte.

Tresnen atalari dagokionez, NVIDIAk abiarazten ari da NeMo Gym eta NeMo RL kode irekiko liburutegi gisa indartze-prestakuntzarako eta ondorengo prestakuntzarako, NeMo Evaluator-ekin batera segurtasuna eta errendimendua ebaluatzeko. Liburutegi hauek Nemotron familiarekin erabiltzeko prest dauden simulazio-inguruneak eta -bideak eskaintzen dituzte, baina beste modelo batzuetara zabaldu daitezke.

Material guzti hau —pisuak, datu-multzoak eta kodea— honen bidez banatzen da GitHub eta Hugging Face NVIDIA Open Model Lizentziapean daude lizentziatuta.Europako taldeek beren MLOp-etan modu ezin hobean integratu ahal izan dezaten. Prime Intellect eta Unsloth bezalako enpresek NeMo Gym zuzenean txertatzen ari dira beren lan-fluxuetan Nemotron-en indartze-ikaskuntza errazteko.

Hodei publikoetan eta Europako ekosisteman erabilgarritasuna

Nemotron 3 Nano eskuragarri dago orain hemen: Besarkatzen Aurpegia y GitHubbaita Baseten, DeepInfra, Fireworks, FriendliAI, OpenRouter eta Together AI bezalako inferentzia hornitzaileen bidez ere. Horrek Espainiako garapen taldeei ateak irekitzen dizkie eredua API bidez probatzeko edo beren azpiegituretan konplexutasun gehiegirik gabe zabaltzeko.

Hodeien aurrean, Nemotron 3 Nano AWSra batu da Amazon Bedrock bidez zerbitzaririk gabeko inferentziarako, eta Google Cloud, CoreWeave, Crusoe, Microsoft Foundry, Nebius, Nscale eta Yotta-rentzako laguntza iragarri du. Plataforma hauetan lanean ari diren Europako erakundeentzat, honek errazagoa egiten du Nemotron hartzea beren arkitekturan aldaketa bortitzik egin gabe.

Hodei publikoaz gain, NVIDIAk Nemotron 3 Nano erabiltzea sustatzen ari da NIM mikrozerbitzua edozein NVIDIAk azeleratutako azpiegituretan zabaldu daitekeHorri esker, eszenatoki hibridoak izan daitezke: kargaren zati bat nazioarteko hodeietan eta beste zati bat tokiko datu-zentroetan edo datuen egoitza EBn lehenesten duten Europako hodeietan.

Bertsioak Nemotron 3 Super eta Ultra, arrazoiketa-lan-karga muturrekoetarako eta eskala handiko agente anitzeko sistemetarako zuzenduta daude 2026ko lehen seihilekorako aurreikusitaDenbora-lerro honek Europako ikerketa eta negozio ekosistemari denbora ematen dio Nanorekin esperimentatzeko, erabilera kasuak balioztatzeko eta beharrezkoa denean modelo handiagoetara migrazio estrategiak diseinatzeko.

Nemotron 3-k NVIDIA hornitzaile nagusietako bat bezala kokatzen du. goi-mailako modelo irekiak agente-IAra bideratutaProposamen batekin, eraginkortasun teknikoa (MoE hibridoa, NVFP4, testuinguru masiboa), irekitasuna (pisuak, datu-multzoak eta eskuragarri dauden liburutegiak) eta datuen subiranotasunean eta gardentasunean arreta argia jartzen duena uztartzen ditu; alderdi horiek bereziki sentikorrak dira Espainian eta Europako gainerako herrialdeetan, non IA auditatzeko erregulazioa eta presioa gero eta handiagoak diren.

Lotutako artikulua:

Microsoft Discovery AI-k aurrerapen zientifikoak eta hezitzaileak bultzatzen ditu adimen artifizial pertsonalizatuarekin

Alberto navarro

Bere "geek" interesak lanbide bihurtu dituen teknologia zalea naiz. Nire bizitzako 10 urte baino gehiago eman ditut punta-puntako teknologia erabiltzen eta era guztietako programak moldatzen jakin-min hutsagatik. Orain informatikako teknologian eta bideo-jokoetan espezializatu naiz. Izan ere, 5 urte baino gehiago daramatzadala teknologia eta bideo-jokoen inguruko hainbat webgunetan idazten, denontzat ulergarria den hizkuntza batean behar duzun informazioa eman nahi duten artikuluak sortzen.

Zalantzarik baduzu, nire ezagutza Windows sistema eragilearekin zerikusia duen guztia eta baita telefono mugikorretarako Android ere barne hartzen du. Eta nire konpromisoa zurekin da, beti prest nago minutu batzuk pasatzeko eta Interneteko mundu honetan izan ditzakezun zalantzak konpontzen laguntzeko.