Nemotron 3 Ultra da Nvidia: Modelo Open Source de 550B Corta Custos de IA Empresarial em 10x

Vantagem de custo de inferência: 10x menor que rivais fechados

O harness Deep Agents da LangChain, otimizado para o Nemotron 3 Ultra, oferece custos de inferência até 10x menores por execução em comparação com certos modelos líderes de código fechado . No Artificial Analysis, o Nemotron 3 Ultra custa US$ 0,58 por 1M de tokens, contra US$ 2,31 do Claude Sonnet 4.6 — uma redução de 75% . A mídia financeira chinesa reportou uma alegação de que os custos de inferência são ~90% menores que os modelos fechados .

Desempenho contra rivais fechados em benchmarks empresariais

A Nvidia afirma que, nos benchmarks Deep Agents da LangChain, o Nemotron 3 Ultra igualou o modelo com maior pontuação em tarefas de negócios (paridade em qualidade) . As principais pontuações em benchmarks incluem:

• Artificial Analysis Intelligence Index: Pontua 47,7–48 — o mais alto entre modelos americanos de peso aberto, à frente do Gemma 4 31B (39) e Nemotron 3 Super (36), mas atrás do líder chinês de peso aberto Kimi K2.6 (54) e de modelos proprietários de fronteira como GPT-5.5 (60,2) e Claude Opus 4.7 (57) .
• GPQA Diamond: Pontua 86,7%, competitivo com os principais modelos .
• Benchmarks agentivos: Nos dados publicados no HuggingFace, o Nemotron 3 Ultra pontua 56,4 no Terminal Bench 2.1, 46,7 no GDPVal e 70,7 no SWE-Bench Verified, competitivo com MiniMax-2.7, GLM-5.1 e Kimi-K2.6 em tarefas agentivas .
• PinchBench Agent Productivity: Pontua 90–91%, igualando o Kimi K2.6 e à frente do Qwen 3.5 .

Especificações arquiteturais

Fonte dos ganhos de desempenho

Os ganhos de desempenho vêm de três inovações principais :

• Arquitetura MoE híbrida Mamba-Attention: Combina camadas de espaço de estado Mamba 2 com camadas de atenção em um framework de roteamento MoE, ativando apenas 55B dos 550B parâmetros por token para eficiência massiva.
• Destilação On-Policy Multinível (MOPD): Uma técnica de pós-treinamento que usa aprendizado por reforço em ambientes interativos para destilar capacidades de raciocínio.
• Ativação esparsa: A proporção de 10:1 entre parâmetros totais e ativos oferece raciocínio de nível de fronteira a uma fração do custo computacional de modelos densos.

O Nemotron 3 Ultra alcança até 5,9x mais throughput de inferência em comparação com o GLM-5.1-754B-A40B na configuração de 8K tokens de entrada / 64K tokens de saída . Em um endpoint pré-lançamento do DeepInfra, ele serviu mais de 300 tokens por segundo .

Parceria com a LangChain e citações

A LangChain forneceu suporte no Dia Zero para o Nemotron 3 Ultra em seu harness Deep Agents e é membro da Nemotron Coalition . Harrison Chase, CEO da LangChain, disse que as empresas podem alcançar um desempenho forte a uma fração do custo dos modelos fechados . A Nvidia afirmou que o harness Deep Agents da LangChain completou "mais tarefas com maior throughput usando o Nemotron 3 Ultra, enquanto entregava custos de inferência até 10x menores do que alguns modelos fechados líderes" .

Adoção empresarial

Parceiros globais como EY e outros como Abridge, Amdocs e Box já estão engajados com o stack NemoClaw + Nemotron 3 Ultra para construir agentes de IA empresarial . Cadence, Siemens, Synopsys e Dassault Systèmes também estão implantando engenheiros de IA autônomos usando os blueprints NemoClaw da Nvidia .

Opções de acesso para desenvolvedores

Os desenvolvedores podem acessar o Nemotron 3 Ultra através de :

• Hugging Face: Pesos do modelo em nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16
• NVIDIA Endpoints / Nvidia NIM: Inferência gerenciada via endpoints de nuvem da Nvidia (padrão no NemoClaw)
• Ollama: Disponível em ollama.com/library/nemotron-3-ultra
• On-premise / GPU Cloud: Os pesos podem ser implantados em qualquer instância de nuvem com GPU
• Nvidia NemoClaw: Blueprints open source implantáveis com um único comando

Reação do mercado de ações

As ações da Nvidia (NVDA) subiram 4% na quarta-feira, 9 de julho, à medida que os novos resultados de benchmark e o anúncio do NemoClaw sugeriram que o Nemotron 3 Ultra poderia desafiar modelos fechados tanto em custo quanto em desempenho empresarial . O Bank of America reiterou sua classificação de Compra para as ações da Nvidia após o anúncio, citando a vantagem de custo-desempenho do modelo e o momentum empresarial .

Linha do tempo dos principais anúncios

• 1º de junho de 2026: Jensen Huang anunciou o Nemotron 3 Ultra na Computex 2026 em Taipei
• 4 de junho de 2026: A Nvidia lançou oficialmente o Nemotron 3 Ultra como um modelo open source com pesos, dados de treinamento e receitas
• 8 de julho de 2026 (terça-feira): LangChain e Nvidia anunciaram o blueprint NemoClaw for LangChain Deep Agents, destacando custos de inferência 10x menores e adoção empresarial por EY, Abridge, Amdocs e Box
• 9 de julho de 2026 (quarta-feira): As ações da NVDA subiram 4% com a notícia; Bank of America reiterou Compra