Como o time por trás do Nemotron pensa: do modelo de 30B ao Ultra de 500B

Como o time por trás do Nemotron pensa: do modelo de 30B ao Ultra de 500B

Em uma entrevista reveladora ao TheSequence, Chris Alexiuk — um dos principais evangelistas técnicos da NVIDIA e rosto público da família Nemotron — abriu o jogo sobre a evolução da linha de modelos que está redesenhando o mercado de IA open-source. A conversa vai muito além de benchmarks: Alexiuk explica por que cada tier do Nemotron 3 foi desenhado para um tipo específico de hardware, como a NVIDIA está levando agentes autônomos do protótipo para a produção, e qual o próximo passo depois do model routing.

A trajetória do Nemotron: de fábrica de dados sintéticos a modelo de fronteira

Alexiuk descreve a evolução da família Nemotron como um esforço “deliberado” de experimentação científica. O Nemotron-4 340B nasceu como uma fábrica de dados sintéticos — um modelo pensado para gerar dados de treinamento de alta qualidade, não para ser usado diretamente pelo usuário final. Depois veio o Llama Nemotron, construído sobre a base de outro modelo, e os híbridos Nemotron-H, que testaram arquiteturas mistas.

“Qualquer boa ciência tem experimentos que não chegam ao horário nobre”, diz Alexiuk. “Houve direções que tomamos nos últimos anos que ainda não deram certo — mas o importante é que aprendemos muito ao longo do caminho.”

O resultado desse processo iterativo é o Nemotron 3, uma família de modelos open-weight de classe frontier, dividida em três tiers que Alexiuk assume terem sido projetados “de trás para frente” a partir do hardware disponível: Nano, Super e Ultra.

Três tamanhos, três hardwares: a estratégia de encaixe perfeito

A divisão é notavelmente precisa:

• Nemotron Nano (~30B parâmetros, 3B ativos): cabe em uma única GPU. Ideal para desenvolvedores individuais, startups e inferência local.
• Nemotron Super (~100B parâmetros, 12B ativos): pensado para um único nó de servidor. Alvo de equipes que precisam de mais capacidade sem gerenciar clusters.
• Nemotron Ultra (~500B parâmetros, 50B ativos): dimensionado para um rack NVL72 inteiro. Para workloads de escala empresarial e pesquisa avançada.

“Sabemos que muita gente roda modelos em diferentes níveis de hardware, e projetar modelos com o tamanho certo para cada escala faz todo o sentido para obter o melhor custo-benefício em cada orçamento”, explica Alexiuk. Todos os modelos são otimizados para implantação usando quantização NVFP4 — de um cluster de data center até um DGX Spark local.

De chatbots a agentes de longa duração

Um dos pontos mais interessantes da entrevista é a transição que a NVIDIA está observando no mercado: do chatbot interativo para agentes que operam por longos períodos de forma autônoma. Alexiuk nota que a comunidade está passando de “demos impressionantes” para sistemas que realmente funcionam em produção.

O caminho, segundo ele, passa pelo model routing — a capacidade de direcionar cada tarefa para o modelo mais adequado — que ele vê como um “degrau importante, mas temporário” rumo a uma camada de orquestração mais robusta e ergonômica.

“Minha previsão é que o model routing vai evoluir rapidamente para algo mais geral: orquestração”, afirma. “Routing é ótimo para pipelines e processos internos do agente, mas é desconfortável para o usuário final interagir.”

Por que isso importa agora

Em julho de 2026, a corrida por modelos open-source de classe frontier está mais acirrada do que nunca. O Nemotron 3 chega em um momento em que empresas brasileiras estão avaliando seriamente a adoção de IA generativa em produção, e a clareza sobre qual modelo usar para cada cenário — e em qual hardware — reduz drasticamente a barreira de entrada.

Com a quantização NVFP4, mesmo o modelo Ultra de 500B parâmetros se torna viável em hardware que cabe em um rack padrão de data center, não apenas em supercomputadores. Para o ecossistema brasileiro de tecnologia, isso significa que a fronteira entre “modelo experimental” e “ferramenta de produção” está se dissolvendo rapidamente.