Nvidia Nemotron 3.5 classifica agentes: análise do Super VL ao Bolt

Todo mundo continua apertando os olhos para contagens de parâmetros como se fossem rótulos nutricionais da inteligência. O lançamento mais recente do Nemotron, da Nvidia, é mais interessante porque admite a parte que quase ninguém diz em voz alta: agentes não querem todos morar no mesmo apartamento. O TechCrunch relatou que a Nvidia lançou novos modelos de pesos abertos para agentes sempre ativos e computação de borda, com o Nemotron 3.5 Super VL voltado ao uso empresarial e os modelos Bolt destinados a PCs de IA e estações de trabalho locais. Essa é a história de arquitetura escondida sob os confetes do lançamento.

A conclusão prática não é que um modelo vence e os outros vão se sentar tristes no canto. É que a infraestrutura de agentes está se tornando em camadas: modelos grandes para fluxos de trabalho empresariais cheios de ferramentas, modelos menores para máquinas locais onde latência, disponibilidade e atrito de implantação importam. Isso é menos como escolher um cérebro e mais como gerenciar uma frota, só que os patinetes conseguem navegar na web e, às vezes, resumir seu documento de planejamento trimestral com a confiança de um guaxinim de jaleco.

O TechCrunch mostra a divisão entre agentes de servidor e agentes locais

O TechCrunch relatou que o Nemotron 3.5 Super VL é um modelo de 120 bilhões de parâmetros criado para agentes empresariais, usando menos parâmetros do que o Nemotron 3 Ultra e mirando precisão semelhante em tarefas de seguir instruções e usar ferramentas, segundo a Nvidia. Isso importa porque agentes empresariais não são apenas caixas de chat com gravata. Eles precisam seguir instruções, chamar ferramentas e sobreviver a trabalhos de várias etapas sem se perder nas matas semânticas.

O TechCrunch também relatou que a Nvidia lançou dois modelos Bolt leves para o outro lado do mapa de implantação. O Nemotron 3.5 Bolt 74B-A9B 24GB é descrito como um modelo de 74 bilhões de parâmetros para tarefas agênticas locais, incluindo raciocínio em várias etapas, chamada de ferramentas e navegação na web. O Bolt E4B menor é voltado a agentes conversacionais, que é uma forma educada de dizer que nem toda carga de trabalho precisa do equivalente, em modelo, a uma empilhadeira.

@title Camadas de agentes da Nvidia
@source TechCrunch
@source The Next Web

  Model              Size       Target
  Super VL           120B       Enterprise agents
  Bolt 74B A9B       74B 24GB   Local tasks
  Bolt E4B           4GB        Conversation

@caption A Nvidia está dividindo modelos de agentes por escala e alvo de implantação.

A distinção principal não é simplesmente grande versus pequeno. É onde o agente roda e que tipo de bagunça se espera que ele limpe. O Super VL é a camada empresarial para fluxos de trabalho mais pesados, enquanto o Bolt é a camada de implantabilidade para sistemas locais. Se sua planilha de compras precisa de um modelo, tudo bem. Se seu laptop precisa de um assistente local que não telefone para a nave-mãe a cada espirro, isso é outro bicho.

The Next Web explica por que agentes locais são uma história de implantação

The Next Web relatou que laptops RTX Spark são feitos para rodar agentes de IA no próprio dispositivo, com sistemas oferecendo até 128 GB de memória compartilhada e até 1 petaflop de desempenho de IA. Também relatou que o Nemotron 3.5 Bolt tem 74 bilhões de parâmetros, 9 bilhões ativos por vez, e é comprimido em 24 GB de memória em configurações RTX Spark compatíveis. Esse é o argumento dos agentes locais em miniatura: tornar o modelo pequeno o bastante, esparso o bastante ou bem empacotado o bastante para que ele possa viver perto do usuário.

É aqui que capacidade e implantabilidade começam a lutar no estacionamento. Um modelo maior pode lidar com fluxos de trabalho mais difíceis, mas um modelo local pode ser útil quando a carga de trabalho se beneficia de rodar perto de arquivos, aplicativos ou usuários. Para quem constrói, a pergunta fica menos romântica e mais operacional: onde esse agente deve executar para ser rápido o suficiente, governado o suficiente e barato o suficiente para continuar por perto depois que a demonstração acaba?

VentureBeat e WSJ apontam o motivo empresarial para modelos abertos

A VentureBeat relatou que a Nvidia diz que organizações podem fazer pós-treinamento do Super VL com seus próprios dados, ferramentas e políticas, depois implantá-lo em infraestrutura adequada a necessidades de segurança e residência de dados. Essa é a frase sem graça com o orçamento real por trás. Empresas não querem apenas um modelo esperto; elas querem um que possa ser adaptado aos seus procedimentos sem transformar conformidade em uma piñata.

O The Wall Street Journal relatou que Kari Briski, da Nvidia, disse que o interesse no Nemotron cresceu em parte porque os modelos são feitos nos EUA e porque seus dados subjacentes podem ser inspecionados. O WSJ também relatou que organizações do setor público e instituições financeiras são especialmente cautelosas com modelos feitos na China, e que empresas estão ficando mais confortáveis em fazer ajuste fino de modelos abertos. Tradução: a escolha do modelo agora também é uma escolha de cadeia de suprimentos, governança e personalização. A compra de IA ficou menos ficção científica e mais duende da papelada.

O que quem constrói deve observar a seguir, segundo o padrão do lançamento

O TechCrunch enquadrou o lançamento como a Nvidia oferecendo às organizações um modelo aberto otimizado para diferentes camadas de infraestrutura, em vez de forçar uma única escolha entre capacidade e implantabilidade. Esse enquadramento é útil se você está planejando agentes além de um protótipo. Coloque fluxos de trabalho pesados, que usam ferramentas, na camada empresarial; coloque agentes conversacionais ou de tarefas locais onde o hardware consiga realmente carregá-los sem explodir em uma dança interpretativa.

A peça que falta é evidência independente de implantações reais. As afirmações da Nvidia são claras, e a divisão em camadas faz sentido, mas quem constrói ainda deve testar precisão, latência, confiabilidade de ferramentas e comportamento de memória nas próprias cargas de trabalho. Observe se as equipes realmente roteiam agentes entre camadas de nuvem, estação de trabalho e PC, ou se todo mundo simplesmente inventa um novo diagrama de orquestração para se sentir vivo. A era dos agentes não é um modelo para governar todos eles; é um problema de despacho com GPUs melhores e atas de reunião piores.