Nvidia esittelee Nemotron 3:n: miksi NVDA tekee uusimmista tekoälymalleistaan avoimen lähdekoodin?

Nvidia ilmoitti maanantaina avoimesti julkaistuista Nemotron 3 -perheestä, joka sisältää tekoälymalleja, koulutusaineistoja ja insinöörikirjastoja.

Tämä merkitsee aggressiivista pyrkimystä avoimen lähdekoodin tekoälykehitykseen.

Tämä siirto osoittaa Nvidian aikomuksen hallita paitsi tekoälyn laitteistotasoa, myös ohjelmisto- ja mallikerroksia.

Kehitys tapahtuu samaan aikaan, kun yritykset ympäri maailmaa etsivät kotimaisia, auditoitavia vaihtoehtoja suljetuille tai ulkomaisille tekoälyjärjestelmille.

Julkaisu sisältää mallipainot, lähes 10 biljoonan tokenin synteettisen esikoulutusaineiston sekä yksityiskohtaiset koulutusreseptit avoimen lisenssin alla.

Se mahdollistaa kehittäjien ja yritysten tarkastaa, räätälöidä ja ottaa käyttöön Nemotron-malleja omassa infrastruktuurissaan.

Strateginen laskelma on läpinäkyvä, sillä avoimen lähdekoodin tekoäly leviää maailmanlaajuisesti.

Kun Yhdysvaltojen viranomaiset vaativat läpinäkyvyyttä, Nvidia asemoi itsensä luotettavaksi kotimaiseksi toimittajaksi samalla kun se vahvistaa kehittäjäekosysteemiään.

Mitä Nvidia julkaisi: Mallit, data ja tekniset väitteet

Nemotron 3 -perhe koostuu kolmesta kasvavasta mallista: Nano (30 miljardia parametria, joista 3 miljardia aktiivista), Super (100 miljardia, joista 10 miljardia aktiivista) ja Ultra (500 miljardia, joista 50 miljardia aktiivista).

Vain Nemotron 3 Nano lähetetään heti; Super ja Ultra saapuvat vuoden 2026 ensimmäisellä puoliskolla.

Nvidian tärkein väite on tehokkuus. Nemotron 3 Nano tuottaa nelinkertaisen läpimenon edeltäjäänsä verrattuna ja vähentää järkeilytokenien tuotantoa jopa 60 %.

Mallit käyttävät hybridi-piilevää asiantuntijoiden sekoitusarkkitehtuuria, joka aktivoi vain kaikkein olennaisimmat laskennalliset reitit kullekin tehtävälle, jäljitellen ihmisaivojen lokeroimistoimintaa.

Tämä lähestymistapa on muodostunut alan standardiksi, ja kymmenen älykkäintä avoimen lähdekoodin mallia käyttävät nyt MoE:tä riippumattomien vertailutietojen mukaan.

On huomattava, että mallin muistissa oleva tietomäärä kasvaa Nanolle miljoonaan tokeniin, mikä on seitsemän kertaa suurempi kuin edeltäjänsä.

Se on tärkeää pitkille asiakirjoille, koodivarastoille ja monimutkaiselle monivaiheiselle päättelylle.

Super ja Ultra hyödyntävät Nvidian 4-bittistä NVFP4-koulutusformaattia Blackwell-laitteistossaan, vähentäen muistivaatimuksia ja koulutusaikaa tinkimättä tarkkuudesta.

Kaikki mallipainot, koulutuskorpus ja yksityiskohtaiset reseptit ovat saatavilla GitHubissa ja Hugging Facessa NVIDIA Open Model License -lisenssillä.

Kehittäjät saavat myös käyttöönsä NeMo Gymin, NeMo RL:n ja NeMo Evaluatorin, avoimen lähdekoodin kirjastot koulutukseen, vahvistusoppimiseen ja turvallisuuden validointiin.

Miksi avoin vapautus on tärkeää?

Avoin julkaisu vastaa suoraan kasvavaan yritysten kysyntään mallin läpinäkyvyydestä.

"Monet yritysasiakkaistamme eivät pysty ottamaan käyttöön tiettyjä malleja tai rakentamaan liiketoimintaansa malleihin, joissa on läpinäkymättömiä lähdekoodeja", sanoi Kari Briski, Nvidian generatiivisen tekoälyohjelmiston varatoimitusjohtaja.

Säännellyt alat kuten terveydenhuolto, rahoitus ja puolustus vaativat auditoitavia, paikallisia vaihtoehtoja ulkomaisten tahojen hallitsemille suljetuille järjestelmille.

Nvidian siirto vahvistuu, kun Meta vetäytyy avoimesta lähdekoodista. Llaman kasvu pysähtyi huhtikuun laimean Llama 4 -julkaisun jälkeen, jolloin kilpailevat avoimet mallit jäivät taakse.

Meta on pidättänyt koulutusaineistoja jopa läheisiltä kumppaneilta kuten Nvidialta, mikä on rajoittanut yhteisön ohjaamia parannuksia.

Sen sijaan Nvidia julkaisee kaiken: painot, reseptit ja aineistot. Tämä läpinäkyvyys voisi houkutella yritysasiakkaita ja valtion sopimuksia, jotka ovat varuillaan läpinäkymättömistä riippuvuuksista.

Geopoliittisesti Yhdysvaltojen tullit ja vientirajoitukset kiinalaiselle tekoälylle vahvistavat Nvidian etua.