NVIDIA, özel yapay zeka aracıları oluşturan kuruluşlara yönelik açık, özelleştirilebilir çok modlu bir model olan Nemotron 3.5 Super VL'yi piyasaya sürdü. Model, jeton başına yalnızca 12 milyar parametreyi etkinleştiren 120 milyar parametreli uzmanlardan oluşan bir mimari kullanıyor; NVIDIA, sınır ölçeği kapasitesini çıkarım verimliliğiyle dengelediğini söylüyor. Ağırlıklar Hugging Face'te BF16 hassasiyetinde mevcuttur ve NVIDIA, sürümle birlikte teknik bir kılavuz yayınladı.
Super VL, multimodal uzmanı olarak NVIDIA'nın genişleyen açık model ailesine katılıyor. Şirkete göre, daha küçük Nemotron 3.5 Lightning modelleri yüksek hacimli metin görevlerini yerine getirirken, sınır Nemotron 3 Ultra karmaşık planlama ve düzenlemeyi ele alıyor ve ekiplerin bir aracı iş akışının her adımını doğru model boyutuna yönlendirmesine olanak tanıyor. Bu, ZDNET'in ABD açık ağırlıklı yapay zekası için ileri bir adım olarak tanımladığı ilerlemenin son hamlesidir. Açık ağırlık yarışını takip ediyorsanız, son çıkan açık modellere ilişkin kapsamımız daha geniş bir resme sahiptir.
Metin, Görseller, Belgeler ve Video için Tek Model
Çekirdek saha konsolidasyondur. Super VL akıl yürütme, talimat takibi ve araç kullanımını metin, resim, belge ve video anlayışıyla birleştirir; böylece ekiplerin ayrı metin ve görsel dil modelleri dağıtmasına veya görev bağlamını bunlar arasında değiştirmesine gerek kalmaz. NVIDIA, görsel eğitiminin grafikleri, tabloları, optik karakter tanımayı, çok sayfalı belgeleri ve videoları kapsadığını ve görsel kanıtları muhakeme, sohbet, güvenlik ve uzun bağlam verileriyle birleştiren iki aşamalı denetimli ince ayar hattını kapsadığını söylüyor.
Hedef iş akışları, işletmelerin sürekli olarak tökezledikleri iş akışlarıdır: şirket politikası belgelerini okuması gereken bir müşteri hizmetleri temsilcisi, kaynaklar arasında kanıtları birbirine bağlayan bir araştırma temsilcisi veya bir grafiği yorumlayan ve onu aynı dosyalamanın başka bir yerindeki bir tabloya bağlayan bir belge aracısı. Her durumda modelin, materyali ve gerekçeyi aynı bağlam penceresinde görmesi gerekir.
Performans İddiaları: Tek GPU'da 5 kata kadar
Verimlilik, NVIDIA'nın en keskin çizgileri çizdiği yerdir. Şirket, Nemotron 3.5 Super VL'nin tek bir GPU'da kendi boyut kategorisindeki diğer açık modellerle karşılaştırıldığında ajans görevleri için 5 kata kadar daha yüksek verim sağladığını iddia ediyor ve Baseten çıkarım uç noktası aracılığıyla Yapay Analiz Zeka İndeksi ajans görevlerinde saniyede 600'den fazla token gösteren kıyaslamalara dikkat çekiyor.
Kaputun altındaki çeşitli teknikler bu rakamları yönlendiriyor. NVIDIA, açık bir spekülatif kod çözme yöntemi olan LiLiCorr'un yanı sıra NVFP4 karma hassasiyeti, çoklu belirteç tahmini ve aracı dönüşleri arasında bağlamın yeniden kullanımını öne çıkardı; bu, araçlarla uzun süreli görüşmeler yapan aracılar için anlamlı bir optimizasyondur. Aracıları aralıksız çalıştıran kuruluşlar için, GPU başına verim genellikle uygulanabilir bir ürün ile kullanılamaz bir maliyet yapısı arasındaki farktır.
Önemli olan Eğitim Sonrası Eğitimdir
NVIDIA, temel modelin bitmiş bir üründen ziyade bir başlangıç noktası olduğunu açıkça belirtiyor. Geliştiriciler, denetimli ince ayar ve LoRA kullanarak NeMo kitaplığıyla Super VL'yi özelleştirerek alana özgü davranışları öğretebilir, ardından NeMo RL ve NeMo Gym aracılığıyla kendi operasyonlarını yansıtan ortamlarda takviyeli öğrenme uygulayabilir. Şirket, siber güvenlik, finans ve sağlık alanındaki kuruluşların, üretim iş akışlarında sınır alternatiflerini aşmak için modeli zaten eğitim sonrası eğitime tabi tuttuklarını söylüyor; bu, bağımsız olarak doğrulanması zor ancak kurumsal-temsilci konumlandırmasıyla tutarlı bir iddia.
Bu çalışmayı desteklemek için NVIDIA, ağırlıkların yanı sıra, aracılı araç kullanımı ve konuşma verileri, finans muhakemesi ve araç çağırma kümeleri, talimat izleme ve sohbet verileri, uzun bağlam aktarımı ve çeviri verileri, adalet verileri ve 40 vizyon dili veri kümesi dahil olmak üzere Hugging Face'te açık veri kümeleri yayınlıyor. Prime Intellect, modelin uzun vadeli kurumsal çalışmalara yönelik eğitim sonrası eğitimi için bir reçete yayınladı; bu, ekosistemin bu sürümü ciddi bir temel olarak ele aldığının erken bir işareti. NVIDIA ayrıca GitHub'da özelleştirmeyi kapsayan bir kullanım yemek kitabı yayınladı ve şirket, açık ağırlıkların altyapı ve veri yerleşimi gereksinimlerini karşılamak için yerel, veri merkezi veya bulut ortamlarına dağıtılabileceğini vurguladı; bu, düzenlemeye tabi alıcıların sürekli olarak talep ettiği ve kapalı API'lerin sunamadığı esnekliktir.
Açık Sıklet Yarışı İçin Ne İfade Ediyor?
Bu sürüm, işletmelerin fiilen kullandığı segmentteki açık ve kapalı modeller arasındaki boşluğu daraltıyor: belge ağırlıklı temsilci işleri için orta ölçekli çok modlu sistemler. Ağırlıklar yerel, veri merkezi veya bulut ortamlarında çalıştırılabildiğinden, Super VL, düzenlemeye tabi sektörlere sınır API'lerinin yapamayacağı bir seçenek sunar; grafik, tablo ve video anlaşılırken hassas belgeleri kendi altyapılarında tutar.
Rekabetçi okuma basittir. Meta, Alibaba, DeepSeek ve Liquid AI bu yıl temsilcilere yönelik açık ağırlıklı modeller piyasaya sürdü ve herkesin üzerinde eğitim aldığı donanımı satan NVIDIA, artık izin verilen lisanslama ve verimlilik hikayesiyle doğrudan model katmanında rekabet ediyor. Verimlilik iddiaları bağımsız kıyaslamalarda geçerli olursa, 2027'de kurumsal aracıların varsayılan yığını bir yıl öncesine göre çok daha açık olabilir.
---
Yapay Zekanın Önünde OlunEn son yapay zeka haberlerini, analizlerini ve buluşlarını tek bir yerden alın.
Daha fazla AI haberini okuyun →
