Nvidia ang pagpapabilis ng mga cycle ng paglalabas ng AI model sa bawat 4-6 linggo

Ngayon ay naglalabas ng mga bagong bersyon ng kanyang open-weight AI models nang palaging isang beses sa bawat isang hanggang kalahating buwan ang Nvidia, isang malaking pagpapabilis mula sa dating takdang panahon na anim hanggang walong buwan. Ipinakita ni Bryan Catanzaro, ang VP ng Applied Deep Learning Research ng kompanya, ang bagong timeline sa isang interbyu noong Agosto 24, 2026.

Hindi lang ito ambisyon ang pagpapabilis. Ito ay infrastruktura. Gumawa na si Nvidia ng panloob na mga kasangkapan sa paligid ng paggawa ng sintetikong data, isang teknik na tinatawag na multi-teacher distillation (MOPD), at mga kapaligiran ng reinforcement learning na nagkakaisa upang i-press ang dating ilang buwan ng pag-unlad sa ilang linggo.

Ang synthetic data generation ay pangunahin ang pagtuturo sa mga AI model gamit ang data na nilikha ng iba pang AI model, sa halip na mag-asa lamang sa mga dataset na pinili ng tao. Ang multi-teacher distillation ay kumukuha ng kaalaman mula sa maraming mas malalaking model at pinapaliit ito sa mas maliit at mas epektibong mga model. Kasama ang mga teknik na ito, nakakapag-iterate ang Nvidia nang walang bottleneck sa pagkolekta at pagpapaliwanag ng malalaking bagong dataset para sa bawat release.

Ang pinakabagong produkto ng pipeline na ito ay ang Nemotron 3.5 Lightning, na ipinadala noong Agosto 11, 2026. Sumasali ito sa isang lumalaking pamilya: ang Nemotron 3 series ay naglalaman na ng mga bersyon na Nano, Super, at Ultra, bawat isa ay nakatuon sa iba’t ibang gamit at budget sa compute.

Ang Nano model, na ipinakilala noong Disyembre 2025, ay nagpapatakbo ng humigit-kumulang 30 bilyon kabuuang parameter ngunit aktibuhin lamang ang mga 3 bilyon sa anumang oras. Ito ay dahil sa hybrid arkitektura na nagkakaisa ang Mamba at Transformer sa isang mixture-of-experts (MoE) setup. Ang Super at Ultra ay sumunod noong 2026, at ang koponan ay naghahanda na para sa Nemotron 4.

Ang bawat paglabas ng Nemotron ay kasama ang buong mga pampublikong timbang, mga recipe para sa pagtuturo, at mga dataset sa ilalim ng permissive licenses. Ibig sabihin nito, anumang developer o kumpanya ay maaaring i-download, baguhin, at i-deploy ang mga modelong ito nang walang bayad sa Nvidia bilang licensing fee.

Sa pamamagitan ng pagbibigay ng mga modelo, nililikha ni Nvidia ang pangangailangan para sa mga hardware kung saan gumagana ang mga modelo na iyon. Mas maraming developer na gumagawa sa Nemotron, mas kailangan nila ang mga inference-optimized chip ni Nvidia, ang NeMo framework nito, at ang NIM microservices platform nito upang i-run ang lahat nang epektibo.

Ang open-weight strategy ay naglilingkod din bilang isang kompetitibong sandata laban sa mga Chinese AI labs na naglalabas ng mga kakayahang open model at closed-model providers tulad ng OpenAI at Anthropic.

Ang takdang panahon na apat hanggang anim na linggo ay nakalapat lamang sa software, partikular na sa mga AI model ni Nvidia. Ang mga paglabas ng hardware ng kumpanya, kabilang ang Blackwell architecture at ang darating na Vera Rubin platform, ay patuloy sa taunang takdang panahon.

Nvidia ay malinaw na nagpahayag na ang mga Nemotron na modelo ay optimized para sa agentic use cases, ibig sabihin ang mga AI system na kayang magtake ng mga aksyon, gamitin ang mga tool, at mag-operate nang semi-autonomously kesa sa paggawa ng teksto lamang.