NVIDIA lança Nemotron Ultra 550B: o modelo open weights mais capaz dos EUA

O Nemotron Ultra 550B não é só mais um modelo grande: é o primeiro modelo open weights dos EUA projetado desde a origem para IA agêntica, ou seja, para raciocinar em múltiplas etapas, usar ferramentas externas, manter estado em sessões longas e concluir tarefas sem intervenção contínua. Sua arquitetura híbrida LatentMoE mistura camadas Mamba-2 (para eficiência sequencial) com MoE e blocos de atenção estratégicos, além de incluir Multi-Token Prediction (MTP), que gera vários tokens de uma vez para acelerar inferência sem sacrificar coerência. O contexto de até 1 milhão de tokens não é só um número de marketing: ele permite manter planos detalhados, histórico de interações e memória de agentes por horas, algo crítico para aplicações reais em automação corporativa, suporte técnico autônomo ou engenharia de software assistida.

A quantização NVFP4 é o verdadeiro diferencial operacional. Ao reduzir o uso de memória em até 3,5× frente ao FP16 e manter perda de precisão abaixo de 1%, ela transforma o Nemotron Ultra de um modelo teórico em algo viável em infraestrutura real: 4 GPUs B200 rodam a versão quantizada com até 5,9× mais throughput que modelos concorrentes do mesmo tamanho. Isso significa que, para uma empresa rodando agentes de atendimento em escala, o custo por mil tokens cai até 30%, uma economia mensal de centenas de milhares de dólares em nuvem.

Em comparação com o Nemotron 3.5 Content Safety lançado em 6 de junho, o Ultra 550B representa uma mudança radical de foco: enquanto o 3.5 era especializado em moderação com raciocínio auditável e restrições rígidas, o Ultra é um modelo de propósito geral de fronteira, com capacidade agêntica nativa e suporte a multimodalidade implícita via grounding avançado, ligado diretamente ao LocateAnything (lançado em 28 de maio), que já permitia decodificação paralela de bounding boxes. Também evoluiu da abordagem unificada do Cosmos 3 (lançado no mesmo dia 2 de junho, mas voltado para Physical AI) para um modelo otimizado para linguagem e raciocínio simbólico, com treinamento refinado por Multi-teacher On-Policy Distillation (MOPD), técnica ausente nas versões anteriores da família.

Modelos open weights com desempenho de fronteira eram raros nos EUA, até agora, a maioria vinha de empresas chinesas (como MiniMax M3) ou europeias (como Mistral). O Nemotron Ultra fecha essa lacuna com código, pesos e receitas totalmente abertos sob a licença OpenMDW-1.1, permitindo auditoria, adaptação local e integração em ambientes regulados como saúde e finanças. Mais do que competir com o Gemma 4 31B ou o Opus 4.8, ele oferece uma alternativa viável para empresas que precisam de controle total sobre o stack de IA, sem depender de APIs fechadas ou de infraestrutura proprietária. E, ao exigir apenas 4x B200 em versão quantizada, torna a fronteira acessível fora de grandes data centers, algo que modelos como o Kimi-K2.6 (1T) ainda não conseguem.