A Nvidia agora está lançando novas versões de seus modelos de IA de peso aberto aproximadamente a cada um mês e meio, uma aceleração drástica em relação ao ritmo de seis a oito meses mantido anteriormente. Bryan Catanzaro, vice-presidente de Pesquisa Aplicada em Aprendizado Profundo da empresa, apresentou o novo cronograma em uma entrevista em 24 de agosto de 2026.
O que está impulsionando a aceleração
O impulso de velocidade não é apenas ambição. É infraestrutura. A Nvidia desenvolveu ferramentas internas em torno da geração de dados sintéticos, uma técnica chamada distilação multi-teacher (MOPD), e ambientes de aprendizado por reforço que, coletivamente, comprimem o que antes levava meses de trabalho de desenvolvimento para semanas.
A geração de dados sintéticos consiste essencialmente em ensinar modelos de IA usando dados criados por outros modelos de IA, em vez de depender exclusivamente de conjuntos de dados curados por humanos. A distilação com múltiplos professores transfere conhecimento de vários modelos maiores e o comprime em modelos menores e mais eficientes. Juntas, essas técnicas permitem que a Nvidia itere sem o gargalo de coletar e limpar grandes novos conjuntos de dados para cada lançamento.
O último produto desta linha é o Nemotron 3.5 Lightning, lançado em 11 de agosto de 2026. Ele se junta a uma família em expansão: a série Nemotron 3 já inclui as variantes Nano, Super e Ultra, cada uma voltada para diferentes casos de uso e orçamentos de computação.
O modelo Nano, lançado em dezembro de 2025, possui cerca de 30 bilhões de parâmetros totais, mas ativa apenas cerca de 3 bilhões em qualquer momento. Isso é possível graças a uma arquitetura híbrida que combina designs Mamba e Transformer em uma configuração mixture-of-experts (MoE). Super e Ultra seguiram em 2026, e a equipe já está trabalhando no Nemotron 4.
Pesos abertos, playbook aberto
Cada lançamento do Nemotron vem com pesos completos abertos, receitas de treinamento e conjuntos de dados sob licenças permissivas. Isso significa que qualquer desenvolvedor ou empresa pode baixar, modificar e implantar esses modelos sem pagar uma taxa de licença à Nvidia.
Ao distribuir os modelos, a Nvidia cria demanda pelo hardware em que esses modelos operam. Quanto mais desenvolvedores construírem sobre o Nemotron, mais eles precisarão dos chips otimizados para inferência da Nvidia, do framework NeMo e da plataforma de microserviços NIM para executar tudo de forma eficiente.
A estratégia de peso aberto também serve como uma arma competitiva contra laboratórios chineses de IA que lançam modelos abertos capazes e provedores de modelos fechados como OpenAI e Anthropic.
O hardware ainda opera em um relógio diferente
O ciclo de quatro a seis semanas aplica-se apenas ao software, especificamente aos modelos de IA da Nvidia. Os lançamentos de hardware da empresa, incluindo a arquitetura Blackwell e a próxima plataforma Vera Rubin, continuam em um cronograma anual.
O que isso significa para o cenário da IA
A Nvidia foi explícita ao afirmar que seus modelos Nemotron são otimizados para casos de uso agentivos, ou seja, sistemas de IA que podem realizar ações, usar ferramentas e operar de forma semi-autônoma, em vez de apenas gerar texto.