엔비디아(NVIDIA)는 전문 AI 에이전트를 구축하는 기업을 겨냥한 개방형 맞춤형 멀티모달 모델인 Nemotron 3.5 Super VL을 출시했습니다. 이 모델은 토큰당 120억 개의 매개변수만 활성화하는 1,200억 개의 매개변수 혼합 아키텍처를 사용하며, NVIDIA는 이 설계가 추론 효율성과 프론티어 규모 용량의 균형을 이루고 있다고 말합니다. 가중치는 BF16 정밀도의 Hugging Face에서 사용할 수 있으며 NVIDIA는 릴리스와 함께 기술 연습을 게시했습니다.

Super VL은 다중 모드 전문가로서 NVIDIA의 확장 개방형 모델 제품군에 속합니다. 회사에 따르면 더 작은 Nemotron 3.5 Lightning 모델은 대용량 텍스트 작업을 처리하는 반면, 최첨단 Nemotron 3 Ultra는 복잡한 계획 및 조정을 처리하여 팀이 에이전트 워크플로의 각 단계를 적절한 크기의 모델에 라우팅할 수 있도록 해줍니다. 이는 미국 개방형 AI의 또 다른 진전으로 설명되는 푸시 ZDNET의 최신 움직임입니다. 공개 가중치 경쟁을 추적하고 있다면 최근 공개 모델 출시에 대한 보도가 더 넓은 그림을 제공합니다.

텍스트, 이미지, 문서 및 비디오를 위한 하나의 모델

핵심 피치는 통합입니다. Super VL은 추론, 지침 따르기 및 도구 사용을 텍스트, 이미지, 문서 및 비디오 이해와 결합하므로 팀은 별도의 텍스트 및 비전 언어 모델을 배포하거나 이들 사이에 작업 컨텍스트를 셔틀할 필요가 없습니다. NVIDIA는 시각적 증거를 추론, 채팅, 안전 및 긴 컨텍스트 데이터와 융합하는 2단계 감독 미세 조정 파이프라인을 통해 차트, 표, 광학 문자 인식, 다중 페이지 문서 및 비디오를 시각적 교육에 포함한다고 밝혔습니다.

대상 워크플로는 기업이 계속해서 걸림돌이 되는 워크플로입니다. 즉, 회사 정책 문서를 읽어야 하는 고객 서비스 에이전트, 여러 소스에 걸쳐 증거를 연결하는 연구 에이전트 또는 차트를 해석하고 이를 동일한 파일의 다른 테이블에 연결하는 문서 에이전트입니다. 각각의 경우 모델은 동일한 컨텍스트 창에서 자료를 확인하고 이에 대한 추론을 해야 합니다.

처리량 요구: 단일 GPU에서 최대 5배

효율성은 NVIDIA가 가장 날카로운 선을 긋는 부분입니다. 이 회사는 Nemotron 3.5 Super VL이 단일 GPU에서 동일한 크기 범주의 다른 개방형 모델에 비해 에이전트 작업에 대해 최대 5배 더 높은 처리량을 제공한다고 주장하며 Baseten 추론 엔드포인트를 통해 인공 분석 지능 지수 에이전트 작업에서 초당 600개 이상의 토큰을 보여주는 벤치마크를 지적했습니다.

내부적으로는 여러 가지 기술이 이러한 수치를 이끌어냅니다. NVIDIA는 NVFP4 혼합 정밀도, 멀티 토큰 예측, 에이전트 턴 전반의 컨텍스트 재사용과 함께 개방형 투기적 디코딩 방법인 LiLiCorr를 강조했습니다. 이는 도구를 사용하여 장기간 대화를 진행하는 에이전트를 위한 의미 있는 최적화입니다. 에이전트를 논스톱으로 실행하는 기업의 경우 GPU당 처리량은 실행 가능한 제품과 사용할 수 없는 비용 구조의 차이를 결정하는 경우가 많습니다.

훈련 후가 포인트입니다

NVIDIA는 기본 모델이 완제품이 아니라 시작점임을 분명히 밝혔습니다. 개발자는 감독된 미세 조정 및 LoRA를 사용하여 NeMo 라이브러리로 Super VL을 사용자 정의하여 도메인별 동작을 가르친 다음 자체 작업을 미러링하는 환경에서 NeMo RL 및 NeMo Gym을 통해 강화 학습을 적용할 수 있습니다. 회사는 사이버 보안, 금융 및 의료 분야의 조직이 생산 워크플로우에서 선구적인 대안을 극복하기 위해 이미 모델을 사후 교육하고 있다고 밝혔습니다. 이는 독립적으로 검증하기 어렵지만 기업-에이전트 포지셔닝과 일치하는 주장입니다.

해당 작업을 지원하기 위해 NVIDIA는 에이전트 도구 사용 및 대화 데이터, 재무 추론 및 도구 호출 세트, 지시 따르기 및 채팅 데이터, 긴 컨텍스트 변환 및 번역 데이터, 공정성 데이터, 40개의 비전 언어 데이터 세트를 포함하는 가중치와 함께 Hugging Face의 공개 데이터 세트를 출시하고 있습니다. Prime Intellect는 이미 장기적인 기업 작업을 위한 모델의 사후 교육 방법을 발표했는데, 이는 생태계가 이 릴리스를 심각한 기반으로 취급하고 있다는 초기 신호입니다. NVIDIA는 또한 사용자 정의를 다루는 사용법 설명서를 GitHub에 게시했으며 회사는 개방형 가중치를 로컬, 데이터 센터 또는 클라우드 환경에 배포하여 인프라 및 데이터 상주 요구 사항을 충족할 수 있다고 강조합니다. 이는 규제 구매자가 지속적으로 요구하지만 폐쇄형 API는 제공할 수 없는 유연성입니다.

오픈급 경주에 미치는 영향

이 릴리스는 기업이 실제로 배포하는 부문(문서가 많은 에이전트 작업을 위한 중간 규모 다중 모달 시스템)에서 개방형 모델과 폐쇄형 모델 간의 격차를 줄여줍니다. 가중치는 로컬, 데이터 센터 또는 클라우드 환경에서 실행될 수 있기 때문에 Super VL은 규제 산업에 선구적인 API가 제공할 수 없는 옵션을 제공합니다. 즉, 중요한 문서를 자체 인프라에 보관하는 동시에 차트, 표 및 비디오를 이해할 수 있는 옵션을 제공합니다.

경쟁 읽기는 간단합니다. Meta, Alibaba, DeepSeek 및 Liquid AI는 모두 올해 에이전트를 겨냥한 개방형 모델을 출시했으며, 모두가 훈련하는 하드웨어를 판매하는 NVIDIA는 이제 허용된 라이선스와 효율성 스토리를 통해 모델 계층에서 직접 경쟁하고 있습니다. 처리량 주장이 독립적인 벤치마크에서 유지된다면 2027년 엔터프라이즈 에이전트의 기본 스택은 1년 전보다 훨씬 더 개방적일 수 있습니다.

---

AI보다 앞서 나가세요

최신 AI 뉴스, 분석, 획기적인 소식을 모두 한 곳에서 받아보세요.

AI 뉴스 자세히 보기 →