A NVIDIA lançou recentemente o Nemotron 3 Ultra — o maior modelo de IA aberto da linha Nemotron 3. O lançamento ocorreu em 4 de junho de 2026: os pesos do modelo, os dados de treinamento e os próprios métodos de treinamento foram disponibilizados abertamente sob uma licença gratuita. O modelo é projetado para agentes autônomos de longa duração e raciocínio complexo.
Ao contrário de flagships fechados como ChatGPT ou Claude, o Nemotron 3 Ultra pode ser baixado, ajustado com seus próprios dados e executado em sua própria infraestrutura. A aposta aqui não é na inteligência máxima, mas na abertura, eficiência e controle sobre o modelo.
Quer mais notícias e análises exclusivas? Assine nossocanal do Telegram, discuta as notícias e compartilhe suas opiniões sobre os últimos eventos do mercado no chat!
O que torna a arquitetura do modelo especial
O Nemotron 3 Ultra não é apenas um «transformador ampliado». No seu núcleo, há uma arquitetura híbrida que consiste em três abordagens diferentes: camadas Mamba-2, camadas de atenção (Attention) e uma mistura latente de especialistas (Latent MoE) — um mecanismo que direciona cada consulta apenas para os «especialistas» relevantes dentro do modelo.
As camadas Mamba-2 processam textos longos de forma rápida e econômica: seus custos crescem linearmente com o comprimento, em vez de de forma avassaladora, como acontece com o mecanismo de atenção usual. As camadas de atenção, por sua vez, mantêm com precisão grandes volumes de texto na memória. E o Latent MoE comprime os dados antes de passá-los para os especialistas, para que cada um deles trabalhe de forma estreita e precisa, sem exigir computação adicional.
No total, o modelo possui cerca de 550 bilhões de parâmetros, mas apenas aproximadamente 55 bilhões estão envolvidos no processamento de cada token. Por causa disso, ele pensa como um sistema enorme, enquanto em termos de custo se comporta como um muito mais compacto. Juntamente com uma janela de contexto de 1 milhão de tokens e uma velocidade de mais de 300 tokens por segundo, isso proporciona um rendimento de cinco a seis vezes maior e um custo de tarefa aproximadamente 30% menor.
Fonte: BeInCrypto
