Nvidia теперь выпускает новые версии своих открытых AI-моделей примерно раз в полтора месяца — это значительное ускорение по сравнению с предыдущим циклом в шесть-восемь месяцев. Брайан Катанзаро, вице-президент по прикладным исследованиям глубокого обучения компании, представил новый график в интервью 24 августа 2026 года.
Что вызывает ускорение
Ускорение — это не просто амбиции. Это инфраструктура. Nvidia разработала внутренние инструменты для генерации синтетических данных, технику, называемую мульти-учителем дистилляцией (MOPD), и среды усиленного обучения, которые в совокупности сократили то, что раньше занимало месяцы разработки, до нескольких недель.
Генерация синтетических данных по сути представляет собой обучение моделей ИИ с использованием данных, созданных другими моделями ИИ, а не исключительно на основе наборов данных, отобранных людьми. Множественное дистиллирование из нескольких крупных моделей позволяет перенести знания в более мелкие и эффективные модели. Вместе эти методы позволяют Nvidia проводить итерации без узкого места, связанного с сбором и очисткой огромных новых наборов данных для каждой версии.
Последним продуктом этой линейки является Nemotron 3.5 Lightning, который был выпущен 11 августа 2026 года. Он присоединяется к растущему семейству: серия Nemotron 3 уже включает варианты Nano, Super и Ultra, каждый из которых ориентирован на различные сценарии использования и вычислительные бюджеты.
Модель Nano, выпущенная в декабре 2025 года, содержит около 30 миллиардов параметров в общей сложности, но активирует только около 3 миллиардов одновременно. Это достигается благодаря гибридной архитектуре, объединяющей компоненты Mamba и Transformer в рамках подхода mixture-of-experts (MoE). В 2026 году последовали модели Super и Ultra, а команда уже работает над Nemotron 4.
Открытые веса, открытый план действий
Каждый выпуск Nemotron поставляется с полными открытыми весами, рецептами обучения и наборами данных по разрешительным лицензиям. Это означает, что любой разработчик или компания может загружать, изменять и развертывать эти модели без уплаты лицензионного сбора Nvidia.
Раздавая модели, Nvidia создает спрос на аппаратное обеспечение, на котором эти модели работают. Чем больше разработчиков строят решения на базе Nemotron, тем больше им требуется инференс-оптимизированных чипов Nvidia, фреймворка NeMo и платформы NIM для эффективного запуска всего.
Стратегия с открытым весом также служит конкурентным оружием против китайских лабораторий ИИ, выпускающих мощные открытые модели, и провайдеров закрытых моделей, таких как OpenAI и Anthropic.
Аппаратное обеспечение по-прежнему работает на другом такте
Цикл раз в четыре-шесть недель применяется только к программному обеспечению, в частности к ИИ-моделям Nvidia. Выпуски аппаратного обеспечения компании, включая архитектуру Blackwell и предстоящую платформу Вера Рубин, продолжаются по годовому графику.
Что это означает для ландшафта ИИ
Nvidia четко указала, что модели Nemotron оптимизированы для агентных сценариев использования, то есть для ИИ-систем, способных выполнять действия, использовать инструменты и работать полунезависимо, а не просто генерировать текст.