Репортаж от Wedoany，Компания NVIDIA представила серию открытых моделей Nemotron, которые позиционируются как инструмент для настройки моделей, помогающий предприятиям создавать контролируемый, надежный ИИ, отвечающий конкретным бизнес-потребностям, а не просто выбирать готовые базовые модели.
В настоящее время предприятиям доступно множество моделей ИИ, но настоящая конкурентоспособность заключается в том, как компании используют существующие модели для улучшения рабочих процессов, интеграции отраслевых знаний и превосходства стандартных решений по точности и надежности. Открытые модели специально разработаны для настройки, что позволяет предприятиям полностью владеть и контролировать их, а также создавать специализированных агентов, отличающихся от традиционных систем ИИ.
В плане настройки открытые модели позволяют командам тестировать и улучшать их на основе собственных данных, рабочих процессов и определений точности, что особенно важно в таких отраслях, как медицина и юриспруденция, где высока стоимость ошибок и требуется обработка конфиденциальных данных. Например, NVIDIA отмечает, что с помощью открытых моделей команды могут проверять приложения, проводить частные оценки и создавать среду обучения с подкреплением, адаптированную под их рабочие процессы, без необходимости маршрутизации проприетарных данных через сторонние сервисы.
Компании из различных отраслей уже начали настраивать Nemotron под конкретные области: Abridge настраивает Nemotron для создания базовой модели, предназначенной для клинических диалогов; Glean построила поисковую модель агента Waldo, объединив Nemotron с более крупными закрытыми моделями, что позволило снизить задержку и уменьшить потребление токенов в корпоративных поисковых сценариях; H Company, проведя пост-тренинг Nemotron 3 Nano Omni на проприетарных данных об использовании компьютеров, создала Holotron 3 Nano, достигнув точности более 76% на бенчмарке OSWorld-Verified для компьютерных задач, при этом сопоставившись с другими ведущими передовыми моделями при крайне низких затратах; Harvey провел пост-тренинг Nemotron 3 Ultra на юридических бенчмарках, достигнув передовой точности в сложных юридических задачах, при этом стоимость каждого запуска как минимум в 10 раз ниже, чем у ведущих закрытых моделей; Heidi Health в области клинической документации выдает результаты передового качества без необходимости использования вычислительных ресурсов передового масштаба; YTL AI Labs проводит пост-тренинг модели Nemotron для малайского языка, предоставляя локализованные возможности ИИ сообществу разработчиков Малайзии.
Настройка не только повышает точность, но и дает преимущества в стоимости. NVIDIA отмечает, что с помощью набора открытых библиотек NVIDIA NeMo можно ускорить настройку и оценку моделей. LangChain адаптировал фреймворк Deep Agents для Nemotron 3 Ultra, достигнув наивысшей точности агентов среди открытых моделей, при этом стоимость каждого запуска примерно в 10 раз ниже, чем у ведущих закрытых альтернатив. Arcee AI провела пост-тренинг Nemotron на платформе NVIDIA Blackwell, достигнув стоимости вывода около 90 центов за миллион выходных токенов, что примерно в 20 раз дешевле, чем у аналогичных закрытых передовых моделей, при этом заняв второе место в бенчмарке PinchBench и сохранив полностью открытые веса.
Это преимущество в стоимости помогает предприятиям проводить более широкие эксперименты, осуществлять больше развертываний и ускорять итерации. Коалиция NVIDIA Nemotron способствует превращению разработки открытых моделей в экосистемные действия, объединяя создателей моделей и разработчиков для улучшения Nemotron через обмен данными, оценками и отраслевыми знаниями. Эти модели можно опробовать на build.nvidia.com.
