- Nemotron 3 ເປັນຄອບຄົວເປີດຂອງຮູບແບບ, ຂໍ້ມູນ ແລະ ຫ້ອງສະໝຸດທີ່ສຸມໃສ່ AI ແບບຕົວແທນ ແລະ ລະບົບຫຼາຍຕົວແທນ.
- ມັນປະກອບມີສາມຂະໜາດ MoE (Nano, Super ແລະ Ultra) ພ້ອມດ້ວຍສະຖາປັດຕະຍະກຳແບບປະສົມ ແລະ ການຝຶກອົບຮົມ 4 ບິດທີ່ມີປະສິດທິພາບໃນ NVIDIA Blackwell.
- Nemotron 3 Nano ມີໃຫ້ບໍລິການແລ້ວໃນເອີຣົບຜ່ານ Hugging Face, clouds ສາທາລະນະ ແລະ ເປັນ microservice ຂອງ NIM, ມີປ່ອງຢ້ຽມ 1 ລ້ານໂທເຄັນ.
- ລະບົບນິເວດດັ່ງກ່າວໄດ້ຖືກສຳເລັດດ້ວຍຊຸດຂໍ້ມູນຂະໜາດໃຫຍ່, NeMo Gym, NeMo RL ແລະ Evaluator ເພື່ອຝຶກອົບຮົມ, ປັບປຸງ ແລະ ກວດສອບຕົວແທນ AI ທີ່ມີອຳນາດສູງສຸດ.
ການແຂ່ງຂັນເພື່ອປັນຍາປະດິດກຳລັງປ່ຽນຈາກ chatbot ທີ່ງ່າຍດາຍ ແລະ ໂດດດ່ຽວໄປສູ່ລະບົບຕົວແທນທີ່ຮ່ວມມືກັນ, ຈັດການຂະບວນການເຮັດວຽກທີ່ຍາວນານ, ແລະ ຈຳເປັນຕ້ອງມີການກວດສອບໄດ້. ໃນສະຖານະການໃໝ່ນີ້, NVIDIA ໄດ້ຕັດສິນໃຈທີ່ຈະກ້າວໄປສູ່ບາດກ້າວທີ່ຊັດເຈນຄື: ເປີດບໍ່ພຽງແຕ່ຮູບແບບເທົ່ານັ້ນ, ແຕ່ຍັງລວມທັງຂໍ້ມູນ ແລະ ເຄື່ອງມືຕ່າງໆອີກດ້ວຍເພື່ອໃຫ້ບໍລິສັດຕ່າງໆ, ລັດຖະບານ ແລະ ສູນຄົ້ນຄວ້າສາມາດສ້າງແພລດຟອມ AI ຂອງຕົນເອງດ້ວຍການຄວບຄຸມທີ່ຫຼາຍຂຶ້ນ.
ການເຄື່ອນໄຫວດັ່ງກ່າວເກີດຂຶ້ນໃນ Nemotron 3, ຄອບຄົວຂອງຮູບແບບເປີດທີ່ມຸ່ງໄປສູ່ AI ຫຼາຍຕົວແທນ ມັນຊອກຫາວິທີທີ່ຈະລວມເອົາປະສິດທິພາບສູງ, ຄ່າໃຊ້ຈ່າຍໃນການອະນຸມານຕໍ່າ, ແລະ ຄວາມໂປ່ງໃສເຂົ້າກັນ. ຂໍ້ສະເໜີດັ່ງກ່າວບໍ່ໄດ້ມີຈຸດປະສົງເປັນພຽງ chatbot ທີ່ມີຈຸດປະສົງທົ່ວໄປອີກອັນໜຶ່ງ, ແຕ່ເປັນ ເປັນພື້ນຖານໃນການໃຊ້ຕົວແທນທີ່ໃຫ້ເຫດຜົນ, ວາງແຜນ ແລະ ປະຕິບັດໜ້າວຽກທີ່ສັບສົນໃນຂະແໜງການທີ່ມີການຄວບຄຸມນີ້ແມ່ນກ່ຽວຂ້ອງໂດຍສະເພາະໃນເອີຣົບ ແລະ ສະເປນ, ບ່ອນທີ່ອະທິປະໄຕຂອງຂໍ້ມູນ ແລະ ການປະຕິບັດຕາມກົດລະບຽບແມ່ນສຳຄັນ.
ຄອບຄົວເປີດຂອງຮູບແບບສຳລັບ AI ຕົວແທນ ແລະ ອະທິປະໄຕ
Nemotron 3 ຖືກນຳສະເໜີເປັນ ລະບົບນິເວດທີ່ສົມບູນ: ຮູບແບບ, ຊຸດຂໍ້ມູນ, ຫ້ອງສະໝຸດ ແລະ ສູດການຝຶກອົບຮົມ ພາຍໃຕ້ໃບອະນຸຍາດເປີດ. ແນວຄວາມຄິດຂອງ NVIDIA ແມ່ນວ່າອົງກອນຕ່າງໆບໍ່ພຽງແຕ່ບໍລິໂພກ AI ເປັນການບໍລິການທີ່ບໍ່ໂປ່ງໃສເທົ່ານັ້ນ, ແຕ່ສາມາດກວດກາສິ່ງທີ່ຢູ່ພາຍໃນ, ປັບຕົວແບບໃຫ້ເຂົ້າກັບໂດເມນຂອງເຂົາເຈົ້າ, ແລະ ນຳໃຊ້ພວກມັນໃນໂຄງສ້າງພື້ນຖານຂອງຕົນເອງ, ບໍ່ວ່າຈະຢູ່ໃນຄລາວ ຫຼື ໃນສູນຂໍ້ມູນທ້ອງຖິ່ນ.
ບໍລິສັດວາງຍຸດທະສາດນີ້ພາຍໃນຄຳໝັ້ນສັນຍາຂອງຕົນທີ່ຈະ ອະທິປະໄຕ AIລັດຖະບານ ແລະ ບໍລິສັດຕ່າງໆໃນເອີຣົບ, ເກົາຫຼີໃຕ້ ແລະ ພາກພື້ນອື່ນໆ ກຳລັງຊອກຫາທາງເລືອກທີ່ເປີດກວ້າງແທນລະບົບປິດ ຫຼື ລະບົບຕ່າງປະເທດ, ເຊິ່ງມັກຈະບໍ່ສອດຄ່ອງກັບກົດໝາຍວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນ ຫຼື ຂໍ້ກຳນົດການກວດສອບຂອງເຂົາເຈົ້າ. Nemotron 3 ມີຈຸດປະສົງເພື່ອເປັນພື້ນຖານດ້ານວິຊາການເພື່ອສ້າງແບບຈຳລອງລະດັບຊາດ, ຂະແໜງການ ຫຼື ບໍລິສັດ ທີ່ມີການເບິ່ງເຫັນ ແລະ ການຄວບຄຸມທີ່ດີຂຶ້ນ.
ໃນຂະຫນານ, NVIDIA ເສີມສ້າງທ່າທີຂອງຕົນນອກເໜືອໄປຈາກຮາດແວຈົນເຖິງປະຈຸບັນ, ມັນສ່ວນໃຫຍ່ແມ່ນຜູ້ໃຫ້ບໍລິການ GPU ອ້າງອີງ; ດ້ວຍ Nemotron 3, ມັນຍັງວາງຕົວມັນເອງຢູ່ໃນຊັ້ນເຄື່ອງມືສ້າງແບບຈຳລອງ ແລະ ການຝຶກອົບຮົມ, ແຂ່ງຂັນໂດຍກົງກັບຜູ້ຫຼິ້ນເຊັ່ນ OpenAI, Google, Anthropic, ຫຼືແມ້ກະທັ້ງ Meta, ແລະ ທຽບກັບຮຸ່ນພຣີມຽມເຊັ່ນ SuperGrok ຫນັກMeta ໄດ້ຫຼຸດຜ່ອນຄຳໝັ້ນສັນຍາຂອງຕົນຕໍ່ກັບແຫຼ່ງເປີດໃນລຸ້ນທີ່ຜ່ານມາຂອງ Llama.
ສຳລັບລະບົບນິເວດການຄົ້ນຄວ້າ ແລະ ການເລີ່ມຕົ້ນທຸລະກິດຂອງເອີຣົບ—ເຊິ່ງອາໄສຮູບແບບເປີດທີ່ໂຮດຢູ່ໃນເວທີຕ່າງໆເຊັ່ນ Hugging Face—ຄວາມພ້ອມຂອງນ້ຳໜັກ, ຂໍ້ມູນສັງເຄາະ ແລະ ຫ້ອງສະໝຸດພາຍໃຕ້ໃບອະນຸຍາດເປີດ ເປັນຕົວແທນທາງເລືອກທີ່ມີປະສິດທິພາບຕໍ່ ແບບຈີນ ແລະ ຊາວອາເມຣິກັນຜູ້ທີ່ຄອບງຳຄວາມນິຍົມ ແລະ ການຈັດອັນດັບມາດຕະຖານ.
ສະຖາປັດຕະຍະກຳ MoE ແບບປະສົມ: ປະສິດທິພາບສຳລັບຕົວແທນຂະໜາດໃຫຍ່
ລັກສະນະທາງດ້ານເຕັກນິກຫຼັກຂອງ Nemotron 3 ແມ່ນ ສະຖາປັດຕະຍະກຳປະສົມຂອງຜູ້ຊ່ຽວຊານທີ່ແຝງຢູ່ (MoE)ແທນທີ່ຈະເປີດໃຊ້ພາລາມິເຕີທັງໝົດຂອງຮູບແບບໃນແຕ່ລະການອະນຸມານ, ມີພຽງແຕ່ສ່ວນໜຶ່ງຂອງພວກມັນເທົ່ານັ້ນທີ່ຖືກເປີດໃຊ້, ເຊິ່ງເປັນຊຸດຍ່ອຍຂອງຜູ້ຊ່ຽວຊານທີ່ກ່ຽວຂ້ອງກັບໜ້າວຽກ ຫຼື ໂທເຄັນທີ່ກ່ຽວຂ້ອງຫຼາຍທີ່ສຸດ.
ວິທີການນີ້ອະນຸຍາດໃຫ້ ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍໃນການຄິດໄລ່ ແລະ ການໃຊ້ໜ່ວຍຄວາມຈຳລົງຢ່າງຫຼວງຫຼາຍສິ່ງນີ້ຍັງຊ່ວຍເພີ່ມປະລິມານການສົ່ງສັນຍານໂທເຄັນ. ສຳລັບສະຖາປັດຕະຍະກຳຫຼາຍຕົວແທນ, ບ່ອນທີ່ຕົວແທນຫຼາຍສິບຫຼືຫຼາຍຮ້ອຍຄົນແລກປ່ຽນຂໍ້ຄວາມຢ່າງຕໍ່ເນື່ອງ, ປະສິດທິພາບນີ້ແມ່ນກຸນແຈສຳຄັນໃນການປ້ອງກັນບໍ່ໃຫ້ລະບົບບໍ່ຍືນຍົງໃນແງ່ຂອງຄ່າໃຊ້ຈ່າຍ GPU ແລະຄລາວ.
ອີງຕາມຂໍ້ມູນທີ່ແບ່ງປັນໂດຍ NVIDIA ແລະ benchmarks ເອກະລາດ, Nemotron 3 Nano ບັນລຸໄດ້ ໂທເຄັນຫຼາຍກວ່າສີ່ເທົ່າຕໍ່ວິນາທີ ເມື່ອປຽບທຽບກັບລຸ້ນກ່ອນໜ້ານີ້, Nemotron 2 Nano, ມັນຊ່ວຍຫຼຸດຜ່ອນການສ້າງໂທເຄັນການຫາເຫດຜົນທີ່ບໍ່ຈຳເປັນລົງປະມານ 60%. ໃນທາງປະຕິບັດ, ນີ້ໝາຍເຖິງຄຳຕອບທີ່ຖືກຕ້ອງເທົ່າທຽມກັນ ຫຼື ແມ່ນແຕ່ຖືກຕ້ອງກວ່າ, ແຕ່ມີ "ຄວາມຊັດເຈນຂອງຄຳສັບ" ໜ້ອຍລົງ ແລະ ຄ່າໃຊ້ຈ່າຍຕໍ່ການສອບຖາມຕ່ຳກວ່າ.
ສະຖາປັດຕະຍະກຳແບບປະສົມປະສານຂອງ MoE ປະສົມປະສານກັບເຕັກນິກການຝຶກອົບຮົມສະເພາະ, ໄດ້ນໍາໄປສູ່ ຮູບແບບເປີດທີ່ກ້າວໜ້າທີ່ສຸດຫຼາຍຮູບແບບໄດ້ຮັບຮອງເອົາໂຄງການຂອງຜູ້ຊ່ຽວຊານNemotron 3 ເຂົ້າຮ່ວມແນວໂນ້ມນີ້, ແຕ່ສຸມໃສ່ສະເພາະກັບ AI ຕົວແທນ: ເສັ້ນທາງພາຍໃນທີ່ຖືກອອກແບບມາສຳລັບການປະສານງານລະຫວ່າງຕົວແທນ, ການນຳໃຊ້ເຄື່ອງມື, ການຈັດການສະຖານະທີ່ຍາວນານ, ແລະ ການວາງແຜນເທື່ອລະຂັ້ນຕອນ.
ສາມຂະໜາດຄື: Nano, Super, ແລະ Ultra ສຳລັບປະລິມານວຽກທີ່ແຕກຕ່າງກັນ
ຄອບຄົວ Nemotron 3 ຖືກຈັດເປັນ ຮູບແບບ MoE ສາມຂະໜາດຫຼັກ, ທັງໝົດເປີດ ແລະ ມີພາລາມິເຕີທີ່ໃຊ້ງານຫຼຸດລົງ ຍ້ອນສະຖາປັດຕະຍະກຳຜູ້ຊ່ຽວຊານ:
- ເນໂມຕຣອນ 3 ນາໂນປະມານ 30.000 ພັນລ້ານຕົວກໍານົດການທັງໝົດ, ມີປະມານ ຊັບສິນ 3.000 ຕື້ໂດລາຕໍ່ໂທເຄັນມັນຖືກອອກແບບມາສຳລັບວຽກງານເປົ້າໝາຍທີ່ປະສິດທິພາບມີຄວາມສຳຄັນ: ການດີບັກຊອບແວ, ການສະຫຼຸບເອກະສານ, ການດຶງຂໍ້ມູນຄືນ, ການຕິດຕາມກວດກາລະບົບ, ຫຼື ຜູ້ຊ່ວຍ AI ພິເສດ.
- ນີໂມຕຣອນ 3 ຊຸບເປີ: ປະມານ 100.000 ພັນລ້ານພາລາມິເຕີ, ດ້ວຍ ມີຊັບສິນ 10.000 ຕື້ໂດລາ ໃນທຸກໆບາດກ້າວ. ມັນມຸ່ງໄປສູ່ ການຫາເຫດຜົນຂັ້ນສູງໃນສະຖາປັດຕະຍະກຳຫຼາຍຕົວແທນມີຄວາມໜ່ວງເວລາຕ່ຳເຖິງແມ່ນວ່າຈະມີຕົວແທນຫຼາຍຄົນຮ່ວມມືກັນເພື່ອແກ້ໄຂກະແສຂໍ້ມູນທີ່ສັບສົນກໍຕາມ.
- ເນໂມຕຣອນ 3 ອັລຕຣາ: ລະດັບເທິງ, ມີປະມານ 500.000 ຕື້ຕົວກໍານົດການ ແລະ ສູງສຸດ ຊັບສິນ 50.000 ຕື້ໂດລາຕໍ່ໂທເຄັນມັນເຮັດໜ້າທີ່ເປັນເຄື່ອງຈັກຫາເຫດຜົນທີ່ມີປະສິດທິພາບສຳລັບການຄົ້ນຄວ້າ, ການວາງແຜນຍຸດທະສາດ, ການສະໜັບສະໜູນການຕັດສິນໃຈໃນລະດັບສູງ, ແລະ ລະບົບ AI ທີ່ຕ້ອງການຄວາມຕ້ອງການສູງໂດຍສະເພາະ.
ໃນທາງປະຕິບັດ, ສິ່ງນີ້ຊ່ວຍໃຫ້ອົງການຈັດຕັ້ງຕ່າງໆ ເລືອກຂະໜາດຮູບແບບຕາມງົບປະມານ ແລະ ຄວາມຕ້ອງການຂອງທ່ານNano ສຳລັບວຽກງານຂະໜາດໃຫຍ່ ແລະ ເຂັ້ມຂຸ້ນ ແລະ ຄ່າໃຊ້ຈ່າຍທີ່ຈຳກັດ; Super ເມື່ອຕ້ອງການເຫດຜົນຢ່າງເລິກເຊິ່ງກັບຕົວແທນຮ່ວມມືຫຼາຍຄົນ; ແລະ Ultra ສຳລັບກໍລະນີທີ່ຄຸນນະພາບ ແລະ ສະພາບການທີ່ຍາວນານມີຄ່າຫຼາຍກວ່າຄ່າໃຊ້ຈ່າຍ GPU.
ສໍາລັບດຽວນີ້ ມີພຽງແຕ່ Nemotron 3 Nano ເທົ່ານັ້ນທີ່ສາມາດໃຊ້ໄດ້ທັນທີ.ຮຸ່ນ Super ແລະ Ultra ໄດ້ຖືກວາງແຜນໄວ້ສຳລັບເຄິ່ງທຳອິດຂອງປີ 2026, ເຊິ່ງຈະໃຫ້ເວລາແກ່ບໍລິສັດ ແລະ ຫ້ອງທົດລອງໃນເອີຣົບໃນການທົດລອງກັບ Nano ກ່ອນ, ສ້າງທໍ່ສົ່ງ ແລະ ຕໍ່ມາຍ້າຍກໍລະນີທີ່ຕ້ອງການຄວາມອາດສາມາດຫຼາຍຂຶ້ນ.
Nemotron 3 Nano: ປ່ອງຢ້ຽມໂທເຄັນ 1 ລ້ານ ແລະ ມີຄ່າໃຊ້ຈ່າຍ
Nemotron 3 Nano ແມ່ນ, ມາຮອດປະຈຸບັນ, ຜູ້ນຳທາງປະຕິບັດຂອງຄອບຄົວNVIDIA ອະທິບາຍວ່າມັນເປັນຮູບແບບທີ່ມີປະສິດທິພາບດ້ານຄ່າໃຊ້ຈ່າຍໃນການຄິດໄລ່ຫຼາຍທີ່ສຸດໃນລະດັບ, ເຊິ່ງໄດ້ຮັບການປັບປຸງໃຫ້ດີທີ່ສຸດເພື່ອໃຫ້ມີປະສິດທິພາບສູງສຸດໃນຂະບວນການເຮັດວຽກຫຼາຍຕົວແທນ ແລະ ໜ້າວຽກທີ່ໜັກໜ່ວງແຕ່ຊໍ້າຊ້ອນ.
ໃນບັນດາລັກສະນະທາງເທັກນິກຂອງມັນ, ຕໍ່ໄປນີ້ແມ່ນໂດດເດັ່ນ: ໜ້າຕ່າງສະພາບການສູງສຸດໜຶ່ງລ້ານໂທເຄັນສິ່ງນີ້ຊ່ວຍໃຫ້ສາມາດຮັກສາໜ່ວຍຄວາມຈຳໄວ້ສຳລັບເອກະສານທີ່ກວ້າງຂວາງ, ບ່ອນເກັບມ້ຽນລະຫັດທັງໝົດ, ຫຼືຂະບວນການທຸລະກິດຫຼາຍຂັ້ນຕອນ. ສຳລັບແອັບພລິເຄຊັນຂອງເອີຣົບໃນດ້ານການທະນາຄານ, ການດູແລສຸຂະພາບ, ຫຼືການບໍລິຫານລັດ, ບ່ອນທີ່ບັນທຶກສາມາດມີປະລິມານຫຼາຍ, ຄວາມສາມາດດ້ານສະພາບການໄລຍະຍາວນີ້ແມ່ນມີຄຸນຄ່າໂດຍສະເພາະ.
ມາດຕະຖານຂອງອົງການເອກະລາດ ການວິເຄາະແບບທຽມວາງ Nemotron 3 Nano ເປັນໜຶ່ງໃນຮູບແບບແຫຼ່ງເປີດທີ່ສົມດຸນທີ່ສຸດ ມັນລວມເອົາຄວາມສະຫຼາດ, ຄວາມແມ່ນຍຳ, ແລະ ຄວາມໄວເຂົ້າກັນ, ດ້ວຍອັດຕາການສົ່ງຂໍ້ມູນໃນຫຼາຍຮ້ອຍໂທເຄັນຕໍ່ວິນາທີ. ການປະສົມປະສານນີ້ເຮັດໃຫ້ມັນໜ້າສົນໃຈສຳລັບຜູ້ປະສົມປະສານ AI ແລະ ຜູ້ໃຫ້ບໍລິການໃນປະເທດສະເປນຜູ້ທີ່ຕ້ອງການປະສົບການຂອງຜູ້ໃຊ້ທີ່ດີໂດຍບໍ່ມີຄ່າໃຊ້ຈ່າຍພື້ນຖານໂຄງລ່າງທີ່ເພີ່ມຂຶ້ນຢ່າງໄວວາ.
ໃນແງ່ຂອງກໍລະນີການນໍາໃຊ້, NVIDIA ກໍາລັງຕັ້ງເປົ້າໝາຍໃສ່ Nano ທີ່ ສະຫຼຸບເນື້ອຫາ, ການດີບັກຊອບແວ, ການດຶງຂໍ້ມູນຄືນ ແລະ ຜູ້ຊ່ວຍ AI ຂອງວິສາຫະກິດຍ້ອນການຫຼຸດຜ່ອນໂທເຄັນເຫດຜົນທີ່ຊໍ້າຊ້ອນ, ມັນເປັນໄປໄດ້ທີ່ຈະດໍາເນີນການຕົວແທນທີ່ຮັກສາການສົນທະນາທີ່ຍາວນານກັບຜູ້ໃຊ້ ຫຼື ລະບົບໂດຍບໍ່ມີໃບບິນຄ່າການອະນຸມານເພີ່ມຂຶ້ນຢ່າງໄວວາ.
ຂໍ້ມູນເປີດ ແລະ ຫ້ອງສະໝຸດ: NeMo Gym, NeMo RL ແລະ Evaluator
ໜຶ່ງໃນລັກສະນະທີ່ໂດດເດັ່ນທີ່ສຸດຂອງ Nemotron 3 ແມ່ນວ່າ ມັນບໍ່ໄດ້ຈຳກັດພຽງແຕ່ການປ່ອຍນ້ຳໜັກຂອງຕົວແບບເທົ່ານັ້ນNVIDIA ມາພ້ອມກັບຊຸດຊັບພະຍາກອນເປີດທີ່ສົມບູນແບບສຳລັບການຝຶກອົບຮົມ, ການປັບແຕ່ງ ແລະ ການປະເມີນຜົນຕົວແທນ.
ໃນທາງກົງກັນຂ້າມ, ມັນເຮັດໃຫ້ມີສານສັງເຄາະຂອງ ຫຼາຍລ້ານລ້ານໂທເຄັນຂອງຂໍ້ມູນກ່ອນການຝຶກອົບຮົມ, ຫຼັງການຝຶກອົບຮົມ, ແລະ ການເສີມສ້າງຊຸດຂໍ້ມູນເຫຼົ່ານີ້, ເຊິ່ງສຸມໃສ່ການຫາເຫດຜົນ, ການຂຽນໂປຣແກຣມ, ແລະ ຂັ້ນຕອນການເຮັດວຽກຫຼາຍຂັ້ນຕອນ, ຊ່ວຍໃຫ້ບໍລິສັດ ແລະ ສູນຄົ້ນຄວ້າສາມາດສ້າງຕົວແປສະເພາະໂດເມນຂອງຕົນເອງຂອງ Nemotron (ເຊັ່ນ: ທາງດ້ານກົດໝາຍ, ການດູແລສຸຂະພາບ, ຫຼື ອຸດສາຫະກໍາ) ໂດຍບໍ່ຕ້ອງເລີ່ມຕົ້ນໃໝ່.
ໃນບັນດາຊັບພະຍາກອນເຫຼົ່ານີ້, ຕໍ່ໄປນີ້ແມ່ນໂດດເດັ່ນ: ຊຸດຂໍ້ມູນຄວາມປອດໄພຂອງຕົວແທນ Nemotronມັນເກັບກຳຂໍ້ມູນ telemetry ກ່ຽວກັບພຶດຕິກຳຂອງຕົວແທນໃນສະຖານະການຕົວຈິງ. ເປົ້າໝາຍຂອງມັນແມ່ນເພື່ອຊ່ວຍໃຫ້ທີມງານວັດແທກ ແລະ ເສີມສ້າງຄວາມປອດໄພຂອງລະບົບອັດຕະໂນມັດທີ່ສັບສົນ: ຕັ້ງແຕ່ການກະທຳທີ່ຕົວແທນເຮັດເມື່ອມັນພົບຂໍ້ມູນທີ່ລະອຽດອ່ອນ, ຈົນເຖິງວິທີທີ່ມັນຕອບສະໜອງຕໍ່ຄຳສັ່ງທີ່ບໍ່ຊັດເຈນ ຫຼື ອາດຈະເປັນອັນຕະລາຍ.
ກ່ຽວກັບພາກສ່ວນເຄື່ອງມື, NVIDIA ກຳລັງເປີດຕົວ ຫ້ອງສະໝຸດແຫຼ່ງເປີດ NeMo ແລະ NeMo RL ສຳລັບການຝຶກອົບຮົມການເສີມກຳລັງ ແລະ ຫຼັງການຝຶກອົບຮົມ, ພ້ອມກັບ NeMo Evaluator ສຳລັບການປະເມີນຄວາມປອດໄພ ແລະ ປະສິດທິພາບ. ຫ້ອງສະໝຸດເຫຼົ່ານີ້ສະໜອງສະພາບແວດລ້ອມການຈຳລອງ ແລະ ທໍ່ສົ່ງທີ່ພ້ອມທີ່ຈະນຳໃຊ້ກັບຄອບຄົວ Nemotron, ແຕ່ສາມາດຂະຫຍາຍໄປສູ່ຮູບແບບອື່ນໆໄດ້.
ເອກະສານທັງໝົດນີ້ - ນ້ຳໜັກ, ຊຸດຂໍ້ມູນ, ແລະ ລະຫັດ - ແມ່ນແຈກຢາຍຜ່ານ GitHub ແລະ Hugging Face ແມ່ນໄດ້ຮັບອະນຸຍາດພາຍໃຕ້ໃບອະນຸຍາດ NVIDIA Open Model.ເພື່ອໃຫ້ທີມງານເອີຣົບສາມາດເຊື່ອມໂຍງມັນເຂົ້າກັບ MLOps ຂອງຕົນເອງໄດ້ຢ່າງບໍ່ມີຂໍ້ບົກຜ່ອງ. ບໍລິສັດຕ່າງໆເຊັ່ນ Prime Intellect ແລະ Unsloth ໄດ້ລວມເອົາ NeMo Gym ໂດຍກົງເຂົ້າໃນຂະບວນການເຮັດວຽກຂອງພວກເຂົາເພື່ອເຮັດໃຫ້ການຮຽນຮູ້ການເສີມສ້າງໃນ Nemotron ງ່າຍຂຶ້ນ.
ຄວາມພ້ອມໃຊ້ງານໃນຄລາວສາທາລະນະ ແລະ ລະບົບນິເວດຂອງເອີຣົບ
Nemotron 3 Nano ມີວາງຂາຍແລ້ວທີ່ ໃບຫນ້າກອດ y GitHubເຊັ່ນດຽວກັນກັບຜູ້ໃຫ້ບໍລິການອະນຸມານເຊັ່ນ: Baseten, DeepInfra, Fireworks, FriendliAI, OpenRouter, ແລະ Together AI. ສິ່ງນີ້ເປີດປະຕູໃຫ້ທີມງານພັດທະນາໃນປະເທດສະເປນທົດສອບຮູບແບບຜ່ານ API ຫຼື ນຳໃຊ້ມັນໃນໂຄງສ້າງພື້ນຖານຂອງຕົນເອງໂດຍບໍ່ມີຄວາມສັບສົນຫຼາຍເກີນໄປ.
ຢູ່ໜ້າເມກ, Nemotron 3 Nano ເຂົ້າຮ່ວມ AWS ຜ່ານ Amazon Bedrock ສຳລັບການອະນຸມານແບບບໍ່ມີເຊີບເວີ, ແລະ ໄດ້ປະກາດການສະໜັບສະໜູນ Google Cloud, CoreWeave, Crusoe, Microsoft Foundry, Nebius, Nscale, ແລະ Yotta. ສຳລັບອົງກອນເອີຣົບທີ່ເຮັດວຽກຢູ່ໃນແພລດຟອມເຫຼົ່ານີ້ແລ້ວ, ສິ່ງນີ້ເຮັດໃຫ້ມັນງ່າຍຕໍ່ການຮັບຮອງເອົາ Nemotron ໂດຍບໍ່ມີການປ່ຽນແປງຢ່າງຫຼວງຫຼາຍຕໍ່ສະຖາປັດຕະຍະກຳຂອງພວກເຂົາ.
ນອກເໜືອໄປຈາກຄລາວດ໌ສາທາລະນະ, NVIDIA ກຳລັງສົ່ງເສີມການນຳໃຊ້ Nemotron 3 Nano ເປັນ ການບໍລິການຈຸນລະພາກ NIM ສາມາດນຳໃຊ້ໄດ້ໃນໂຄງສ້າງພື້ນຖານທີ່ເລັ່ງໂດຍ NVIDIA ໃດກໍໄດ້ສິ່ງນີ້ອະນຸຍາດໃຫ້ມີສະຖານະການປະສົມ: ສ່ວນໜຶ່ງຂອງການໂຫຼດໃນຄລາວສາກົນ ແລະ ສ່ວນໜຶ່ງໃນສູນຂໍ້ມູນທ້ອງຖິ່ນ ຫຼື ໃນຄລາວເອີຣົບທີ່ໃຫ້ຄວາມສຳຄັນກັບທີ່ຢູ່ອາໄສຂອງຂໍ້ມູນໃນ EU.
ສະບັບ ເນໂມຕຣອນ 3 ຊູເປີ ແລະ ອັລຕຣາ ມຸ່ງໄປສູ່ວຽກງານທີ່ມີເຫດຜົນສູງ ແລະ ລະບົບຫຼາຍຕົວແທນຂະໜາດໃຫຍ່, ແມ່ນ ວາງແຜນໄວ້ສຳລັບເຄິ່ງທຳອິດຂອງປີ 2026ເສັ້ນເວລານີ້ຊ່ວຍໃຫ້ການຄົ້ນຄວ້າ ແລະ ລະບົບນິເວດທຸລະກິດຂອງເອີຣົບມີເວລາທົດລອງກັບ Nano, ກວດສອບຄວາມຖືກຕ້ອງຂອງກໍລະນີການນຳໃຊ້, ແລະ ອອກແບບຍຸດທະສາດການຍ້າຍໄປສູ່ຮູບແບບຂະໜາດໃຫຍ່ກວ່າເມື່ອຈຳເປັນ.
Nemotron 3 ຈັດວາງ NVIDIA ເປັນໜຶ່ງໃນຜູ້ໃຫ້ບໍລິການຊັ້ນນໍາຂອງ ຮູບແບບເປີດລະດັບສູງທີ່ມຸ່ງໄປສູ່ AI ແບບຕົວແທນດ້ວຍຂໍ້ສະເໜີທີ່ປະສົມປະສານປະສິດທິພາບດ້ານວິຊາການ (MoE ແບບປະສົມ, NVFP4, ສະພາບການຂະໜາດໃຫຍ່), ຄວາມເປີດເຜີຍ (ນ້ຳໜັກ, ຊຸດຂໍ້ມູນ ແລະ ຫ້ອງສະໝຸດທີ່ມີຢູ່) ແລະ ຈຸດສຸມທີ່ຊັດເຈນກ່ຽວກັບອະທິປະໄຕ ແລະ ຄວາມໂປ່ງໃສຂອງຂໍ້ມູນ, ລັກສະນະທີ່ມີຄວາມອ່ອນໄຫວໂດຍສະເພາະໃນປະເທດສະເປນ ແລະ ສ່ວນທີ່ເຫຼືອຂອງເອີຣົບ, ບ່ອນທີ່ກົດລະບຽບ ແລະ ຄວາມກົດດັນໃນການກວດສອບ AI ເພີ່ມຂຶ້ນເລື້ອຍໆ.
ຂ້ອຍເປັນນັກເທັກໂນໂລຍີທີ່ກະຕືລືລົ້ນທີ່ໄດ້ຫັນຄວາມສົນໃຈ "geek" ຂອງລາວໄປສູ່ອາຊີບ. ຂ້າພະເຈົ້າໄດ້ໃຊ້ເວລາຫຼາຍກ່ວາ 10 ປີຂອງຊີວິດຂອງຂ້າພະເຈົ້າໂດຍການນໍາໃຊ້ເຕັກໂນໂລຊີທີ່ທັນສະໄຫມແລະ tinkering ກັບທຸກປະເພດຂອງໂຄງການອອກຈາກ curiosity ອັນບໍລິສຸດ. ຕອນນີ້ຂ້ອຍມີຄວາມຊ່ຽວຊານດ້ານເທັກໂນໂລຍີຄອມພິວເຕີ ແລະເກມວີດີໂອ. ນີ້ແມ່ນຍ້ອນວ່າຫຼາຍກວ່າ 5 ປີທີ່ຂ້ອຍໄດ້ຂຽນສໍາລັບເວັບໄຊທ໌ຕ່າງໆກ່ຽວກັບເຕັກໂນໂລຢີແລະວິດີໂອເກມ, ການສ້າງບົດຄວາມທີ່ຊອກຫາເພື່ອໃຫ້ທ່ານມີຂໍ້ມູນທີ່ທ່ານຕ້ອງການໃນພາສາທີ່ທຸກຄົນເຂົ້າໃຈໄດ້.
ຖ້າທ່ານມີຄໍາຖາມໃດໆ, ຄວາມຮູ້ຂອງຂ້ອຍແມ່ນມາຈາກທຸກສິ່ງທຸກຢ່າງທີ່ກ່ຽວຂ້ອງກັບລະບົບປະຕິບັດການ Windows ເຊັ່ນດຽວກັນກັບ Android ສໍາລັບໂທລະສັບມືຖື. ແລະຄໍາຫມັ້ນສັນຍາຂອງຂ້າພະເຈົ້າແມ່ນກັບທ່ານ, ຂ້າພະເຈົ້າສະເຫມີເຕັມໃຈທີ່ຈະໃຊ້ເວລາສອງສາມນາທີແລະຊ່ວຍທ່ານແກ້ໄຂຄໍາຖາມໃດໆທີ່ທ່ານອາດຈະມີຢູ່ໃນໂລກອິນເຕີເນັດນີ້.