NVIDIA lança Nemotron 3 Super: Modelo MoE Híbrido para Sistemas de IA Avançados

O Nemotron 3 Super não é só mais um modelo grande: é um salto arquitetural em eficiência para agentes reais. Sua arquitetura LatentMoE, que comprime tokens antes de distribuí-los entre especialistas, permite ativar quatro vezes mais especialistas pelo mesmo custo computacional, algo inédito em modelos MoE abertos. Isso, somado à janela nativa de 1 milhão de tokens e à decodificação especulativa integrada, transforma o modelo em uma peça-chave para sistemas multiagentes que precisam manter contexto longo sem travar ou explodir em latência.

Ele foi treinado com NVFP4 em GPUs B200, o que explica o ganho de 4× na velocidade de inferência em relação ao FP8 no H100, um detalhe técnico crucial para quem opera infraestrutura em escala. E apesar de ter 120 bilhões de parâmetros totais, sua ativação de apenas 12 bilhões por token significa que empresas podem rodá-lo em clusters menores do que os exigidos por modelos densos da mesma classe, como o GPT-OSS-120B, que ainda depende de FP8 ou FP16 para estabilidade.

Modelos abertos com desempenho de fronteira costumavam ser raros fora de laboratórios acadêmicos ou grandes corporações. O Nemotron 3 Super muda isso: pesos, dados e receitas estão disponíveis, e ele roda nativamente em vLLM, Ollama e llama.cpp, ou seja, pode ser implantado localmente por startups de cibersegurança, equipes de DevOps ou até laboratórios de TI públicos. Isso reduz a dependência de APIs fechadas e abre espaço para agentes personalizados que operam dentro de firewalls, com controle total sobre dados, prompts e lógica de decisão.