Az NVIDIA Nemotron 3 Ultra olcsóbban ér el élmezőnybeli eredményt

A LangChain a Deep Agents ügynökrendszerét az NVIDIA Nemotron 3 Ultra modelljéhez hangolta. Az NVIDIA szerint az így kialakított rendszer a nyílt modellek között a legnagyobb pontosságot érte el, miközben futtatása tízszer alacsonyabb következtetési költséggel jár, mint a vezető zárt modelleké.
- A LangChain a Deep Agents rendszert a Nemotron 3 Ultra köré hangolta.
- Az NVIDIA szerint a modell a nyílt modellek között a legmagasabb pontosságot érte el.
- A következtetés futásonként tízszer olcsóbb a vezető zárt modellekéhez képest.
- A javuláshoz nem kellett újratanítani a modellt.
- A NemoClaw nyílt modellből, ügynöki keretrendszerből és biztonságos futtatási környezetből áll.
A környezet hangolása hozta a javulást
Az NVIDIA 2026. július 8-i közleménye szerint a Nemotron 3 Ultra a LangChain nyilvános Deep Agents benchmarkján teljesített. A vállalat állítása alapján a modell a nyílt modellek között a legmagasabb pontosságot érte el, több feladatot hajtott végre nagyobb áteresztőképesség mellett, és futásonként a vezető zárt modellek költségének tizedébe került.
A mérés szerint a Nemotron 3 Ultra üzleti feladatokban is elérte a legmagasabb pontszámot szerző zárt modellek szintjét. A fejlesztéshez nem kellett újratanítani a modellt. A LangChain csapata a rendszer környezetét módosította, többek között a rendszerszintű utasításokat, az eszközleírásokat és a köztes szoftverréteget hangolta.
A csapat a modell végrehajtási nyomait elemezte, hogy feltárja, pontosan mely pontokon veszített pontokat az ügynök. Az NVIDIA szerint minden elért javulás ebből a környezeti mérnöki munkából származott, nem magának a modellnek a módosításából.
Nyílt stack modellel, eszközökkel és futtatási környezettel
Az együttműködés eredményeit a fejlesztők közvetlenül használhatják a LangChain Deep Agents rendszerében, a Nemotron 3 Ultra számára hangolt profil ugyanis elérhető a LangChainen keresztül. Az NVIDIA szerint ez lehetővé teszi, hogy a csapatok folyamatosan futtassanak értékeléseket, gyorsabban kísérletezzenek, és több üzleti területre készítsenek specializált ügynököket.
Az NVIDIA NemoClaw for LangChain Deep Agents egy nyílt referenciaképlet, amely ezt a munkát vállalati használatra csomagolja. A megoldás a Nemotron 3 Ultra számára hangolt LangChain Deep Agents Code-ot az NVIDIA OpenShell biztonságos futtatókörnyezetével kapcsolja össze. Ez az ügynökök műveleteinek végrehajtására szolgál.
A vállalat megfogalmazása szerint a nyílt modell, a nyílt ügynöki keretrendszer és a nyílt, biztonságos futtatási környezet együtt teljes, végponttól végpontig birtokolható stacket ad a vállalatoknak. A rendszert saját infrastruktúrán, saját felhőben és saját irányítási szabályok mellett is futtathatják, valamint a saját munkafolyamataikhoz igazíthatják.
Vállalati felhasználás és elérhetőség
Az NVIDIA szerint az Abridge, az Amdocs és a Box közvetlenül a platformjaikba és globális rendszereikbe építik be a specializált ügynököket. Az EY közben bővíti az NVIDIA megvalósítási képességeit a LangChain Deep Agents számára készült NVIDIA NemoClaw-tervek körül. A közlemény szerint ez az ügyfeleknek a specializált ügynökök testreszabásában, értékelésében és irányításában segíthet a kiemelt fontosságú munkafolyamatokban.
A LangChain ügynöki mérnöki platformja havonta több mint 200 millió letöltést ér el. Harrison Chase, a LangChain társalapítója és vezérigazgatója szerint a jobb ügynökök építésének módja a modell körüli rendszer folyamatos fejlesztése. Mint fogalmazott: „A memória, az eszközhasználat, az értékelés és a modell viselkedése összeadódik, amikor a csapatok együtt tudják hangolni őket.”
A NemoClaw for LangChain Deep Agents és a hangolt Nemotron 3 Ultra-modellprofil a közlemény szerint már elérhető. A fejlesztők a hangolt Deep Agents rendszert közvetlenül a LangChaintől tölthetik le, vagy a NemoClaw referenciaképletéből indulhatnak ki. A Nemotron 3 Ultra a Baseten, a Crusoe Cloud, a DeepInfra, a Fireworks, a Nebius és a Together AI platformjain is hozzáférhető a LangChain fejlesztői számára.

