Nemotron 3 Ultra Nvidii: Otwarty model 550B obniża koszty AI dla firm o 10x

We wtorek, 8 lipca 2026 r., Nvidia i LangChain wspólnie ogłosiły blueprint NemoClaw for LangChain Deep Agents – referencyjną architekturę do budowy korporacyjnych agentów AI opartą na otwartym modelu Nemotron 3 Ultra. Ogłoszenie podkreśliło ogromne obniżki kosztów inferencji i wydajność na poziomie korporacyjnym, dorównującą zamkniętym konkurentom .

Co ogłoszono: NemoClaw for LangChain Deep Agents

Blueprint NemoClaw for LangChain Deep Agents zapewnia przedsiębiorstwom referencyjną architekturę do budowy otwartych systemów agentowych z użyciem Nemotron 3 Ultra i środowiska Nvidia OpenShell do kontroli polityk w czasie wykonania. Został zaprojektowany dla dużych klientów potrzebujących konfigurowalnych, gotowych do produkcji agentów AI przy niższych kosztach inferencji . Wydanie NemoClaw v0.0.76 (8 lipca) uczyniło Nemotron 3 Ultra domyślnym modelem zarządzanych punktów końcowych Nvidii dla Deep Agents Code .

Przewaga kosztowa inferencji: 10x niżej niż u zamkniętych rywali

Zestaw Deep Agents od LangChain, zoptymalizowany dla Nemotron 3 Ultra, zapewnia koszty inferencji nawet 10x niższe na jedno uruchomienie w porównaniu z niektórymi wiodącymi zamkniętymi modelami . W serwisie Artificial Analysis Nemotron 3 Ultra kosztuje 0,58 USD za 1 mln tokenów wobec 2,31 USD za Claude Sonnet 4.6 – to redukcja kosztów o 75% . Chińskie media finansowe podały, że koszty inferencji są o około 90% niższe niż w modelach zamkniętych .

Wydajność wobec zamkniętych rywali w benchmarkach korporacyjnych

Nvidia twierdzi, że w benchmarkach Deep Agents od LangChain Nemotron 3 Ultra dorównał modelowi z najwyższym wynikiem w zadaniach biznesowych (parytet jakości) . Kluczowe wyniki benchmarków:

• Artificial Analysis Intelligence Index: Wyniki 47,7–48 – najlepsze wśród amerykańskich modeli open-weight, przed Gemma 4 31B (39) i Nemotron 3 Super (36), ale za chińskim liderem Kimi K2.6 (54) i zastrzeżonymi modelami granicznymi, takimi jak GPT-5.5 (60,2) i Claude Opus 4.7 (57) .
• GPQA Diamond: Wynik 86,7%, konkurencyjny wobec najlepszych modeli .
• Benchmarki agentowe: Według danych opublikowanych na HuggingFace Nemotron 3 Ultra uzyskuje 56,4 w Terminal Bench 2.1, 46,7 w GDPVal i 70,7 w SWE-Bench Verified, co jest konkurencyjne wobec MiniMax-2.7, GLM-5.1 i Kimi-K2.6 w zadaniach agentowych .
• PinchBench Agent Productivity: Wynik 90–91%, dorównujący Kimi K2.6 i przewyższający Qwen 3.5 .

Specyfikacja architektoniczna

Specyfikacja	Szczegóły
Łączna liczba parametrów	550 miliardów (550B)
Aktywne parametry	55 miliardów (55B) na token
Typ architektury	Mixture-of-Experts (MoE) hybrydowa Mamba-Attention (Mamba-Transformer)
Długość kontekstu	1 milion tokenów (1M)
Pre-trening	20 bilionów tokenów tekstu
Post-trening	SFT + RL + Multi-tier On-Policy Distillation (MOPD)
Licencja	OpenMDW 1.1 / permisyjna licencja Linux Foundation

Źródło poprawy wydajności

Poprawa wydajności wynika z trzech kluczowych innowacji :

• Hybrydowa architektura Mamba-Attention MoE: Łączy warstwy przestrzeni stanów Mamba 2 z warstwami uwagi w ramach routingu MoE, aktywując tylko 55B z 550B parametrów na token dla ogromnej wydajności.
• Multi-tier On-Policy Distillation (MOPD): Technika post-treningu wykorzystująca uczenie przez wzmacnianie w interaktywnych środowiskach do destylacji zdolności rozumowania.
• Rzadka aktywacja: Stosunek 10:1 parametrów całkowitych do aktywnych zapewnia rozumowanie na poziomie granicznym przy ułamku kosztów obliczeniowych modeli gęstych.

Nemotron 3 Ultra osiąga do 5,9x wyższą przepustowość inferencji w porównaniu z GLM-5.1-754B-A40B przy ustawieniu 8K tokenów wejściowych / 64K tokenów wyjściowych . Na przedpremierowym punkcie końcowym DeepInfra obsłużył ponad 300 tokenów na sekundę .

Partnerstwo z LangChain i cytaty

LangChain zapewniło wsparcie w dniu 0 (Day 0) dla Nemotron 3 Ultra w swoim zestawie Deep Agents i jest członkiem Nemotron Coalition . Dyrektor generalny LangChain, Harrison Chase, powiedział, że przedsiębiorstwa mogą osiągnąć wysoką wydajność przy ułamku kosztów modeli zamkniętych . Nvidia stwierdziła, że zestaw Deep Agents od LangChain „wykonał więcej zadań przy wyższej przepustowości, używając Nemotron 3 Ultra, zapewniając koszty inferencji nawet 10x niższe niż niektóre wiodące modele zamknięte” .

Wdrożenia korporacyjne

Globalni partnerzy, tacy jak EY oraz Abridge, Amdocs i Box, już wdrażają stos NemoClaw + Nemotron 3 Ultra do budowy korporacyjnych agentów AI . Cadence, Siemens, Synopsys i Dassault Systèmes również wdrażają autonomicznych inżynierów AI przy użyciu blueprintów NemoClaw Nvidii .

Opcje dostępu dla deweloperów

Deweloperzy mogą uzyskać dostęp do Nemotron 3 Ultra przez :

• Hugging Face: Wagi modelu pod nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16
• NVIDIA Endpoints / Nvidia NIM: Zarządzana inferencja przez chmurowe punkty końcowe Nvidii (domyślne w NemoClaw)
• Ollama: Dostępny na ollama.com/library/nemotron-3-ultra
• Lokalnie / GPU Cloud: Wagi można wdrożyć na dowolnej instancji w chmurze GPU
• Nvidia NemoClaw: Otwarte blueprints wdrażane jednym poleceniem

Reakcja giełdy

Akcje Nvidii (NVDA) zyskały 4% w środę, 9 lipca, ponieważ nowe wyniki benchmarków i ogłoszenie NemoClaw zasugerowały, że Nemotron 3 Ultra może rzucić wyzwanie zamkniętym modelom zarówno pod względem kosztów, jak i wydajności korporacyjnej . Bank of America podtrzymał rekomendację „kupuj” dla akcji Nvidii po ogłoszeniu, powołując się na przewagę kosztowo-wydajnościową modelu i impet korporacyjny .

Oś czasu kluczowych ogłoszeń

• 1 czerwca 2026: Jensen Huang ogłosił Nemotron 3 Ultra na Computex 2026 w Tajpej
• 4 czerwca 2026: Nvidia oficjalnie wydała Nemotron 3 Ultra jako model open-source z wagami, danymi treningowymi i przepisami
• 8 lipca 2026 (wtorek): LangChain i Nvidia ogłosiły blueprint NemoClaw for LangChain Deep Agents, podkreślając 10x niższe koszty inferencji i wdrożenia korporacyjne przez EY, Abridge, Amdocs i Box
• 9 lipca 2026 (środa): Akcje NVDA wzrosły o 4% na wieść o tym; Bank of America podtrzymał rekomendację „kupuj”