Nvidia открыла Nemotron 3 Ultra для долгих AI-агентов

Nvidia выпустила Nemotron 3 Ultra — самую крупную и сильную модель в семействе Nemotron 3. Это 550-миллиардная Mixture-of-Experts модель, у которой во время генерации активны 55 млрд параметров. Компания позиционирует ее не как обычный чат-бот, а как открытую модель для долгих AI-агентов: систем, которые планируют, вызывают инструменты, читают результаты, возвращаются к задаче через много шагов и держат большой контекст.

По данным Nvidia, Nemotron 3 Ultra поддерживает контекст до 1 млн токенов, использует гибридную Mamba-Attention архитектуру, LatentMoE, multi-token prediction и NVFP4-квантизацию. В собственных тестах компания заявляет до 5,9 раза более высокую пропускную способность, чем у GLM-5.1, 4,8 раза против Kimi K2.6 и 1,6 раза против Qwen 3.5 в сценарии 8K токенов на входе и 64K на выходе. На задачах SWE-bench и Terminal-Bench Nvidia также говорит о снижении стоимости выполнения агентных задач до 30%.

Почему модель важна для агентов

У долгих агентов другая экономика, чем у короткого чата. Они тратят токены не только на ответ пользователю, но и на план, вызовы инструментов, промежуточные наблюдения, проверку результата и восстановление после ошибок. Чем длиннее задача, тем сильнее растут стоимость, задержка и риск того, что агент потеряет цель.

Nemotron 3 Ultra пытается закрыть именно этот класс нагрузки. Nvidia отдельно пишет, что модель пост-тренировали для agent harnesses — оболочек, где агент планирует, делегирует, использует инструменты и проверяет себя через много ходов. В списке поддерживаемых фреймворков компания называет Hermes Agent, LangChain Deep Agents, OpenClaw, OpenHands, OpenCode, Kilo Code и другие инструменты.

Для разработчиков это заметно по двум причинам. Во-первых, большая открытая модель больше не обязательно означает только исследовательский артефакт, который сложно применить за пределами лаборатории. Nvidia сразу связывает релиз с NIM, OpenRouter, Perplexity, Anaconda, Hugging Face, облачными провайдерами и рецептами запуска. Во-вторых, компания открывает не только веса: опубликованы pre-trained, post-trained и quantized checkpoints, датасеты для кода, юридических задач, специализированного обучения и пост-тренинга, а также рецепты SFT, LoRA и reinforcement learning.

Что меняется для открытых моделей

Самый интересный слой релиза — прозрачность вокруг данных и обучения. Nvidia сообщает о 173 млрд свежих токенов кода с GitHub до 30 сентября 2025 года, 10 млн новых SFT-примеров, 1 млн RL-задач и 15 новых RL-средах. Для компаний, которые не хотят полностью зависеть от закрытых API, это дает основу для проверки происхождения данных, дообучения под свою область и более предсказуемого развертывания.

Отдельно Nvidia переводит Nemotron на OpenMDW-1.1 — лицензию Linux Foundation для открытых AI-моделей. Это важная деталь для бизнеса: у открытых моделей часто сильные бенчмарки, но слабое место — юридическая неопределенность вокруг весов, данных, документации и права на модификацию. Более ясная лицензия снижает барьер для команд, которые хотят строить на модели продукт, а не просто тестировать ее в ноутбуке.

Где остаются вопросы

Nemotron 3 Ultra не делает агентные системы автоматически надежными. Даже быстрая модель с длинным контекстом может ошибаться, залипать на неверном плане или выполнять лишние действия, если окружение плохо ограничено. Поэтому Nvidia параллельно продвигает OpenShell и NemoClaw — среду и blueprint для более безопасного запуска автономных агентов и их кода.

Для обычного читателя главный вывод простой: гонка открытых моделей переходит от красивых демо к инфраструктуре для работы. Если раньше открытый LLM чаще воспринимался как альтернатива закрытому чату, то Nemotron 3 Ultra показывает другой сценарий: модель становится мозгом для длительного рабочего процесса, где важны скорость, стоимость, лицензия, данные, инструменты и контроль над средой. Именно там будет решаться, смогут ли открытые AI-агенты конкурировать с закрытыми платформами не только в таблицах, но и в реальной работе.