De acordo com pt.wedoany.com-A NVIDIA lançou a série de modelos abertos Nemotron, posicionando-se para ajudar empresas a construir IA controlável, confiável e que atenda a necessidades específicas de negócios por meio da personalização de modelos, em vez de simplesmente escolher modelos base prontos.
Atualmente, as empresas têm à disposição diversos modelos de IA, mas a verdadeira competitividade reside em como elas utilizam os modelos existentes para construir soluções, melhorando fluxos de trabalho, incorporando conhecimento de domínio e superando padrões em precisão e confiabilidade. Os modelos abertos são projetados para personalização, permitindo que as empresas tenham total propriedade e controle, e construam agentes especializados diferentes dos sistemas tradicionais de IA.
Em termos de personalização, os modelos abertos permitem que as equipes testem e melhorem com base em seus próprios dados, fluxos de trabalho e definições de precisão, o que é especialmente importante em setores como saúde e direito, onde o custo do erro é alto e é necessário lidar com dados sensíveis. Por exemplo, a NVIDIA afirma que, com modelos abertos, as equipes podem inspecionar aplicações, realizar avaliações privadas e estabelecer ambientes de aprendizado por reforço ajustados aos seus próprios fluxos de trabalho, sem precisar rotear dados proprietários por terceiros.
Empresas de vários setores já estão personalizando o Nemotron para domínios específicos: a Abridge está personalizando o Nemotron para construir um modelo base projetado para diálogos clínicos; a Glean construiu o modelo de busca de agente Waldo, emparelhando o Nemotron com modelos fechados maiores, alcançando menor latência e menor consumo de tokens em cenários de busca empresarial; a H Company, por meio do pós-treinamento do Nemotron 3 Nano Omni com dados proprietários de uso de computador, construiu o Holotron 3 Nano, atingindo mais de 76% de precisão no benchmark de tarefas computacionais OSWorld-Verified, igualando outros modelos de ponta líderes a um custo extremamente baixo; a Harvey realizou pós-treinamento do Nemotron 3 Ultra em benchmarks jurídicos, alcançando precisão de ponta em tarefas jurídicas complexas, com um custo por execução pelo menos 10 vezes menor que modelos fechados líderes; a Heidi Health produziu resultados de qualidade de ponta em documentação clínica sem exigir recursos computacionais de escala de ponta; a YTL AI Labs realizou pós-treinamento do modelo Nemotron para o idioma malaio, oferecendo capacidades de IA personalizadas localmente para a comunidade de desenvolvedores da Malásia.
A personalização, além de melhorar a precisão, também traz vantagens de custo. A NVIDIA aponta que o conjunto de bibliotecas de código aberto NVIDIA NeMo pode acelerar a personalização e avaliação de modelos. A LangChain ajustou o framework Deep Agents para o Nemotron 3 Ultra, alcançando a maior precisão de agente entre modelos abertos, com um custo por execução cerca de 10 vezes menor que alternativas fechadas líderes. A Arcee AI realizou pós-treinamento do Nemotron na plataforma NVIDIA Blackwell, alcançando um custo de inferência de cerca de 90 centavos de dólar por milhão de tokens de saída, aproximadamente 20 vezes mais barato que modelos fechados de ponta similares, enquanto ocupa o segundo lugar no benchmark PinchBench e mantém pesos totalmente abertos.
Essa vantagem de custo ajuda as empresas a realizar experimentos mais amplos, implementar mais implantações e acelerar iterações. A NVIDIA Nemotron Coalition está promovendo a transformação do desenvolvimento de modelos abertos em ações de ecossistema, reunindo construtores de modelos e desenvolvedores para melhorar o Nemotron por meio de dados, avaliações e conhecimento de domínio compartilhados. Esses modelos podem ser testados em build.nvidia.com.
