NVIDIA Nemotron 3 Ultra: открытая MoE-модель на 550 млрд параметров с 71,7% на SWE-bench

NVIDIA переосмысливает пост-тренинг для агентного ИИ. Вместо разового этапа доработки модели после претренинга, пост-тренинг становится непрерывным циклом: агенты адаптируются к меняющимся средам, новым инструментам и неожиданным кейсам. Каждый такой цикл требует как прямого (inference), так и обратного (обучение) прохода, что делает пост-тренинг основным потребителем вычислений в эпоху агентов.

Флагман этого подхода — Nemotron 3 Ultra, открытая MoE-модель с 550 млрд параметров. Её проверенный результат на SWE-bench verified — 71,7%. Модель использует библиотеки NVIDIA NeMo (NeMo Gym и NeMo RL), которые превращают пост-тренинг из исследовательского кода в повторяемую инфраструктуру для масштабных rollout-сред.

NVIDIA вводит метрику Intelligence per Dollar, расширяющую привычный Cost per Token. Если стоимость токена — это операционная эффективность инференса, то Intelligence per Dollar оценивает, насколько окупаются инвестиции в обучение модели. Каждое улучшение стоимости токена напрямую увеличивает Intelligence per Dollar, делая пост-тренинг мультипликатором ценности для любого агентного сервиса.