با تغییر هوش مصنوعی از چت ربات های تک چرخشی به عوامل مستقلی که به طور مداوم کار می کنند، انویدیا در حال گسترش مجموعه مدل های باز خود برای پاسخگویی به لحظه است. در 11 آگوست 2026، این شرکت Nemotron 3.5 Lightning را رونمایی کرد، یک مدل ترکیبی از متخصصان با 30 میلیارد پارامتر که آن را بالاترین بازدهی در کلاس خود برای بارهای کاری طولانی مدت هوش مصنوعی عاملی می نامد. این نسخه که در وبلاگ NVIDIA توسط Kari Briski توضیح داده شده است، در کنار NeMo Switchyard، یک کتابخانه مسیریابی منبع باز طراحی شده است تا هر کار را به طور خودکار به تواناترین و مقرون به صرفه ترین مدل هدایت کند. برای دریافت آخرین [پوشش صنعت هوش مصنوعی] (https://aibuzzwire.news)، با شکل گیری پشته هوش مصنوعی عامل، همراه باشید.

مدلی ساخته شده برای نمایندگان همیشه فعال

سیستم‌های عامل مدرن به طور فزاینده‌ای مانند آنچه NVIDIA به عنوان «سیستم‌های مدل‌ها» یا مجموعه‌های مدل توصیف می‌کند، عمل می‌کنند. یک مدل استدلال مرزی مانند Nemotron 3 Ultra یا GPT-5.6 ممکن است یک گردش کار را برنامه ریزی و هماهنگ کند، در حالی که مدل های تخصصی کوچکتر وظایف هدفمندی مانند بررسی کد، استفاده از ابزار، نظارت بر هشدار امنیتی یا پاسخ دادن به سؤالات صورت حساب را انجام می دهند. Nemotron 3.5 Lightning به طور هدفمند برای آن دسته دوم ساخته شده است: کارهای تخصصی با حجم بالا که عوامل همیشه فعال را نیرو می دهد.

طبق گفته NVIDIA، این مدل تا 4 برابر سرعت خروجی سریع‌تر ارائه می‌دهد که منجر به تقریباً 30٪ سریع‌تر تکمیل وظایف نمایندگی در مقایسه با سایر مدل‌های کلاس خود می‌شود. طبق گزارش‌ها، بنچمارک‌های PinchBench خود انویدیا نشان می‌دهد که Nemotron 3.5 Lightning دقت سطح مرزی را حفظ می‌کند در حالی که وظایف را سریع‌تر از همتایان خود تکمیل می‌کند. این مدل با مشارکت Nemotron Coalition که اعضای آن روش‌های ارزیابی، نرم‌افزار استنتاج و مجموعه داده‌ها را برای کمک به پیشبرد مدل ارائه کردند، توسعه یافت.

از آنجایی که باز و قابل تنظیم است، سازمان‌ها می‌توانند Nemotron 3.5 Lightning را با NVIDIA NeMo روی داده‌های دامنه، ابزارها و گردش‌های کاری خود آموزش دهند تا دقت کارهای تخصصی را بهبود بخشند. انویدیا همچنین Nemotron-RL-Agentic-Terminal-Pivot را منتشر می کند، یک مجموعه داده یادگیری تقویت کننده عامل که برای آموزش پس از آموزش مدل برای قابلیت های عامل کدگذاری استفاده می شود.

در حال اجرا در هر نقطه، از لبه تا ابر

یکی از نقاط اصلی فروش Nemotron 3.5 Lightning انعطاف پذیری استقرار است. این مدل می‌تواند روی سیستم‌های هوش مصنوعی محلی - از جمله رایانه‌های شخصی NVIDIA RTX، NVIDIA DGX Spark، NVIDIA DGX Station و NVIDIA Jetson اجرا شود - به سازمان‌ها اجازه می‌دهد سرمایه‌گذاری‌های زیرساختی موجود را به حداکثر برسانند. همچنین می‌تواند در دستگاه‌های هوش مصنوعی لبه، ایستگاه‌های کاری NVIDIA RTX PRO، مراکز داده و محیط‌های ابری برای موارد استفاده سازمانی مقیاس‌پذیر باشد. این انعطاف‌پذیری برای سازمان‌هایی که داده‌های حساسی را مدیریت می‌کنند که باید در محل باقی بماند، اهمیت دارد.

مانند هر راه اندازی Nemotron، NVIDIA می گوید که به اندازه مجوزهای مجوز، داده ها و تکنیک های آموزشی را منتشر می کند که امکان ردیابی، ممیزی و آموزش سایر مدل ها را فراهم می کند. این تعهد به شفافیت به یک تمایز رقابتی تبدیل شده است زیرا شرکت‌ها مدل‌های باز را در برابر جایگزین‌های اختصاصی می‌سنجید که دید کمتری را در مورد نحوه ساخت آنها ارائه می‌دهند.

NeMo Switchyard: مسیریابی هوشمند برای سیستم‌های مدل‌ها

اگر Nemotron 3.5 Lightning اسب کاری است، NeMo Switchyard توزیع کننده است. مسیرهای کتابخانه منبع باز به طور خودکار و بر اساس نیازهای خاص، توانمندترین و کارآمدترین مدل را برای هر مرحله از یک گردش کار عامل ارائه می دهد. برخی از مدل ها برای کدنویسی بهتر هستند، برخی برای استدلال، برخی برای کارهای سبک وزن، و برخی برای اجرای محلی برای حفظ حریم خصوصی و کارایی بیشتر بهینه شده اند. تکیه بر یک مدل پیش‌فرض می‌تواند به معنای خرج کردن یا قربانی کردن کیفیت باشد. در همین حال، مدیریت مسیریابی به صورت دستی، به یک کار ادغام تبدیل می شود که می تواند استقرار را کند کند.

توسعه دهندگان برنامه عامل می توانند مسیریاب را با الگوریتم های مسیریابی مختلف تنظیم یا تغییر دهند تا با اولویت های آنها مانند کیفیت، تأخیر و الزامات هزینه مطابقت داشته باشد. معیارهای داخلی NVIDIA نشان می‌دهد که NeMo Switchyard دقت سطح مرزی را حفظ می‌کند و در عین حال هزینه تکمیل کار را تا نزدیک به یک سوم Opus 4.8 به تنهایی کاهش می‌دهد - یک افزایش بازدهی چشمگیر برای سازمان‌هایی که تعداد زیادی وظایف عامل را انجام می‌دهند.

این شرکت مجموعه ای از ادغام شرکا را برجسته کرد. Boomi 100% دقت مسیریابی دامنه را گزارش کرده و 59% ترافیک را به یک مدل با تنظیم دقیق 5 برابر سریعتر ارسال کرده است. Cadence کارایی را 9.9٪ در مورد استفاده از تأیید رسمی بهبود بخشید. Cognition Switchyard را در Devin Desktop ادغام کرد و عملکردی نزدیک به مرز را در FrontierCode Main به دست آورد و در عین حال میانگین هزینه را تا 28% کاهش داد. LangChain 74 درصد هزینه کمتری را در 145 وظیفه Deep Agents چند نوبتی با مسیریابی تنها 7 درصد از تماس ها به یک مدل مرزی گزارش کرد. LiteLLM در حال اضافه کردن NeMo Switchyard به عنوان یک پلاگین به لایه پروکسی خود است و Kong اکنون مسیریابی را به صورت بومی از طریق دروازه هوش مصنوعی Kong ارائه می دهد. نکته قابل توجه، Nous Research NeMo Switchyard را در هرمس ادغام کرد تا به توسعه دهندگان یک سیستم مسیریابی با پیکربندی آسان برای کارایی عامل بدهد.

پذیرش صنعت و تصویر بزرگتر

رهبران هوش مصنوعی در سراسر صنایع در حال حاضر Nemotron 3.5 Lightning را برای حجم کاری خود سفارشی می کنند. CrowdStrike از آن برای امنیت سایبری استفاده می‌کند، هاروی از آن برای خدمات حقوقی استفاده می‌کند و CodeRabbit آن را برای بررسی کد به کار می‌برد. Lila Sciences به بهبود قابلیت‌های استدلال برای وظایف عاملی در علوم فیزیکی و زیستی کمک می‌کند، در حالی که Fastino Labs مدل را سفارشی کرد و دقت‌های پیشرو را برای توسعه نرم‌افزار، امور مالی و حجم کاری مراقبت‌های بهداشتی گزارش کرد.

این نسخه بر روند صنعت گسترده‌تری تاکید می‌کند: با رشد هوش مصنوعی عامل، هیچ مدلی نمی‌تواند همه چیز را با هزینه قابل قبول به خوبی انجام دهد. آینده متعلق به مجموعه هاست - برنامه ریزان مرزی که ناوگان کارگران متخصص را هماهنگ می کنند - و ابزارهایی که آنها را به هم پیوند می دهد. شرط انویدیا این است که مدل‌های باز و مسیریابی هوشمند به شرکت‌ها اجازه می‌دهد آن سیستم‌ها را بدون قفل کردن خود در پشته یک ارائه‌دهنده مونتاژ کنند.

از هوش مصنوعی جلوتر بمانید

سیگنال Nemotron 3.5 Lightning و NeMo Switchyard انویدیا به جایی که هوش مصنوعی عامل حرکت می کند: سریع تر، ارزان تر، شفاف تر، و قابل استفاده در هر مکانی است. برای همگام شدن با نسخه‌های مدل و ابزارهای سازمانی که چشم‌انداز را تغییر می‌دهند، [اخبار جدید هوش مصنوعی] (https://aibuzzwire.news) ما را کاوش کنید.

اخبار هوش مصنوعی را بیشتر بخوانید →