Η NVIDIA κυκλοφόρησε το Nemotron 3.5 Super VL, ένα ανοιχτό, προσαρμόσιμο πολυτροπικό μοντέλο που στοχεύει σε επιχειρήσεις που δημιουργούν εξειδικευμένους πράκτορες AI. Το μοντέλο χρησιμοποιεί μια αρχιτεκτονική μείγματος ειδικών 120 δισεκατομμυρίων παραμέτρων που ενεργοποιεί μόνο 12 δισεκατομμύρια παραμέτρους ανά διακριτικό, μια σχεδίαση που λέει η NVIDIA εξισορροπεί τη χωρητικότητα οριακής κλίμακας με την αποδοτικότητα συμπερασμάτων. Τα βάρη είναι διαθέσιμα στο Hugging Face με ακρίβεια BF16 και η NVIDIA δημοσίευσε μια τεχνική περιγραφή μαζί με την κυκλοφορία.
Το Super VL ενσωματώνεται στην επεκτεινόμενη οικογένεια ανοιχτών μοντέλων της NVIDIA ως ο ειδικός σε πολυτροπικά μοντέλα. Σύμφωνα με την εταιρεία, τα μικρότερα μοντέλα Nemotron 3.5 Lightning χειρίζονται εργασίες κειμένου μεγάλου όγκου, ενώ το frontier Nemotron 3 Ultra αντιμετωπίζει περίπλοκο σχεδιασμό και ενορχήστρωση – επιτρέποντας στις ομάδες να δρομολογούν κάθε βήμα μιας ροής εργασίας agent στο σωστό μέγεθος μοντέλου. Είναι η πιο πρόσφατη κίνηση σε ένα push ZDNET που περιγράφεται ως ένα ακόμη βήμα προς τα εμπρός για την τεχνητή νοημοσύνη ανοιχτού βάρους των ΗΠΑ. Εάν παρακολουθείτε τον αγώνα ανοιχτών βαρών, η κάλυψη των πρόσφατων εκδόσεων ανοιχτών μοντέλων έχει την ευρύτερη εικόνα.
Ένα μοντέλο για κείμενο, εικόνες, έγγραφα και βίντεο
Το βασικό βήμα είναι η ενοποίηση. Το Super VL συνδυάζει τη λογική, την παρακολούθηση οδηγιών και τη χρήση εργαλείων με την κατανόηση κειμένου, εικόνας, εγγράφων και βίντεο, επομένως οι ομάδες δεν χρειάζεται να αναπτύξουν ξεχωριστά μοντέλα κειμένου και γλώσσας οράματος ή να μεταφέρουν το πλαίσιο εργασιών μεταξύ τους. Η NVIDIA λέει ότι η οπτική της εκπαίδευση καλύπτει γραφήματα, πίνακες, οπτική αναγνώριση χαρακτήρων, έγγραφα πολλαπλών σελίδων και βίντεο, με μια εποπτευόμενη διοχέτευση λεπτομέρειας δύο σταδίων που συνδυάζει οπτικές αποδείξεις με συλλογισμό, συνομιλία, ασφάλεια και δεδομένα μεγάλου πλαισίου.
Οι ροές εργασίας-στόχων είναι εκείνες πάνω στις οποίες σκοντάφτουν συνεχώς οι επιχειρήσεις: ένας αντιπρόσωπος εξυπηρέτησης πελατών που πρέπει να διαβάσει έγγραφα πολιτικής της εταιρείας, ένας ερευνητικός πράκτορας που συνδέει στοιχεία μεταξύ των πηγών ή ένας πράκτορας εγγράφων που ερμηνεύει ένα γράφημα και το συνδέει με έναν πίνακα αλλού στο ίδιο αρχείο. Σε κάθε περίπτωση το μοντέλο πρέπει να δει το υλικό και να το αιτιολογήσει στο ίδιο παράθυρο περιβάλλοντος.
Αξιώσεις διεκπεραίωσης: Έως και 5x σε μια μεμονωμένη GPU
Η αποτελεσματικότητα είναι εκεί όπου η NVIDIA χαράσσει τις πιο ευκρινείς γραμμές. Η εταιρεία ισχυρίζεται ότι το Nemotron 3.5 Super VL προσφέρει έως και 5 φορές υψηλότερη απόδοση για agents tasks σε σύγκριση με άλλα ανοιχτά μοντέλα στην κατηγορία μεγέθους του σε μία μόνο GPU και έδειξε σημεία αναφοράς που δείχνουν περισσότερα από 600 tokens ανά δευτερόλεπτο σε εργασίες πρακτορείου Artificial Analysis Intelligence Index μέσω του σημείου συμπερασμάτων Baseten.
Αρκετές τεχνικές κάτω από την κουκούλα οδηγούν αυτούς τους αριθμούς. Η NVIDIA τόνισε το LiLiCorr, μια ανοιχτή κερδοσκοπική μέθοδο αποκωδικοποίησης, μαζί με τη μικτή ακρίβεια NVFP4, την πρόβλεψη πολλαπλών σημείων και την επαναχρησιμοποίηση περιβάλλοντος σε όλες τις στροφές των πρακτόρων - μια ουσιαστική βελτιστοποίηση για πράκτορες που πραγματοποιούν μακροχρόνιες συνομιλίες με εργαλεία. Για επιχειρήσεις που εκτελούν αδιάκοπα πράκτορες, η απόδοση ανά GPU είναι συχνά η διαφορά μεταξύ ενός βιώσιμου προϊόντος και μιας μη χρησιμοποιήσιμης δομής κόστους.
Η μετά την προπόνηση είναι το σημείο
Η NVIDIA δηλώνει ρητά ότι το βασικό μοντέλο είναι ένα σημείο εκκίνησης και όχι ένα τελικό προϊόν. Οι προγραμματιστές μπορούν να προσαρμόσουν το Super VL με τη βιβλιοθήκη NeMo χρησιμοποιώντας εποπτευόμενη λεπτομέρεια και LoRA για να διδάξουν συμπεριφορά σε συγκεκριμένο τομέα και, στη συνέχεια, να εφαρμόσουν ενισχυτική μάθηση μέσω του NeMo RL και του NeMo Gym σε περιβάλλοντα που αντικατοπτρίζουν τις δικές τους λειτουργίες. Η εταιρεία λέει ότι οι οργανισμοί στον τομέα της κυβερνοασφάλειας, των οικονομικών και της υγειονομικής περίθαλψης εκπαιδεύουν ήδη το μοντέλο για να ξεπεράσουν τις οριακές εναλλακτικές στις ροές εργασιών παραγωγής τους, ένας ισχυρισμός που είναι δύσκολο να επαληθευτεί ανεξάρτητα, αλλά συνάδει με την τοποθέτηση επιχειρήσεων-πρακτόρων.
Για να υποστηρίξει αυτό το έργο, η NVIDIA κυκλοφορεί ανοιχτά σύνολα δεδομένων στο Hugging Face μαζί με τα βάρη, συμπεριλαμβανομένων δεδομένων χρήσης πρακτόρων και δεδομένων συνομιλίας, σύνολα λογιστικών οικονομικών και κλήσης εργαλείων, δεδομένα παρακολούθησης εντολών και συνομιλίας, δεδομένα μεταγωγής και μετάφρασης μεγάλου πλαισίου, δεδομένα δικαιοσύνης και 40 σύνολα δεδομένων γλώσσας όρασης. Η Prime Intellect έχει ήδη δημοσιεύσει μια συνταγή για την μετεκπαίδευση του μοντέλου για επιχειρηματική εργασία μεγάλου ορίζοντα, ένα πρώιμο σημάδι ότι το οικοσύστημα αντιμετωπίζει την κυκλοφορία ως μια σοβαρή βάση. Η NVIDIA δημοσίευσε επίσης ένα βιβλίο μαγειρικής χρήσης στο GitHub που καλύπτει την προσαρμογή και η εταιρεία τονίζει ότι τα ανοιχτά βάρη μπορούν να αναπτυχθούν σε τοπικά περιβάλλοντα, κέντρα δεδομένων ή cloud για την κάλυψη των απαιτήσεων υποδομής και κατοίκησης δεδομένων – την ευελιξία που ζητούν με συνέπεια οι ελεγχόμενοι αγοραστές και τα κλειστά API δεν μπορούν να προσφέρουν.
Τι σημαίνει για τον αγώνα ανοιχτού βάρους
Η κυκλοφορία μειώνει το χάσμα μεταξύ ανοιχτών και κλειστών μοντέλων στον τομέα που αναπτύσσουν πραγματικά οι επιχειρήσεις: πολυτροπικά συστήματα μεσαίου μεγέθους για εργασία αντιπροσώπων με μεγάλο όγκο εγγράφων. Επειδή τα βάρη μπορούν να εκτελεστούν σε τοπικά περιβάλλοντα, κέντρα δεδομένων ή cloud, το Super VL δίνει στις ρυθμιζόμενες βιομηχανίες μια επιλογή που δεν μπορούν τα frontier API — να διατηρούν ευαίσθητα έγγραφα στη δική τους υποδομή, ενώ παράλληλα κατανοούν γραφήματα, πίνακες και βίντεο.
Η ανταγωνιστική ανάγνωση είναι απλή. Η Meta, η Alibaba, η DeepSeek και η Liquid AI έχουν στείλει όλα μοντέλα ανοιχτού βάρους που απευθύνονται σε πράκτορες φέτος και η NVIDIA - η οποία πουλά το υλικό στο οποίο εκπαιδεύονται όλοι οι άλλοι - ανταγωνίζεται τώρα απευθείας στο επίπεδο του μοντέλου με επιτρεπτές άδειες χρήσης και μια ιστορία αποτελεσματικότητας. Εάν οι αξιώσεις απόδοσης διατηρούνται σε ανεξάρτητους δείκτες αναφοράς, η προεπιλεγμένη στοίβα για τους πράκτορες επιχειρήσεων το 2027 μπορεί να είναι πολύ πιο ανοιχτή από ό,τι φαινόταν πριν από ένα χρόνο.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα πιο πρόσφατα νέα, αναλύσεις και ανακαλύψεις για την τεχνητή νοημοσύνη — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
