Nvidia зараз випускає нові версії своїх AI-моделей з відкритими вагами приблизно раз на півтора місяця, що є значним прискоренням порівняно з шеститижневим або восьмитижневим графіком, який вона підтримувала раніше. Брайан Катанзаро, віце-президент з прикладних досліджень глибокого навчання компанії, розкрив новий графік у інтерв’ю 24 серпня 2026 року.
Що сприяє прискоренню
Підсилення швидкості — це не просто амбіції. Це інфраструктура. Nvidia розробила внутрішні інструменти для генерації синтетичних даних, техніку, яка називається багатоучителевим дистиляцією (MOPD), та середовища підсиленого навчання, які разом скорочують те, що раніше займало місяці розробки, до тижнів.
Генерація синтетичних даних — це навчання моделей ШІ за допомогою даних, створених іншими моделями ШІ, а не лише на основі даних, підібраних людьми. Мульти-викладачівське дистиляція переносить знання з кількох більших моделей і стискає їх у менші, більш ефективні. Разом ці методи дозволяють Nvidia швидко ітерувати, уникнувши обмежень, пов’язаних із збиранням та очищенням величезних нових наборів даних для кожного випуску.
Найновішим продуктом цієї лінійки є Nemotron 3.5 Lightning, який був випущений 11 серпня 2026 року. Він приєднується до зростаючої сім’ї: серія Nemotron 3 вже включає варіанти Nano, Super та Ultra, кожен з яких призначений для різних сценаріїв використання та обчислювальних бюджетів.
Модель Nano, випущена у грудні 2025 року, має загальну кількість параметрів близько 30 мільярдів, але на будь-який момент активує лише близько 3 мільярдів. Це досягається завдяки гібридній архітектурі, що поєднує Mamba та Transformer у конфігурації mixture-of-experts (MoE). У 2026 році з’явилися Super та Ultra, а команда вже працює над Nemotron 4.
Відкриті ваги, відкрита стратегія
Кожен випуск Nemotron поставляється з повними відкритими вагами, рецептами навчання та наборами даних за ліцензіями з відкритим доступом. Це означає, що будь-який розробник або компанія може завантажити, змінити та розгорнути ці моделі, не сплачуючи Nvidia плату за ліцензію.
Віддаючи моделі, Nvidia створює попит на апаратне забезпечення, на якому працюють ці моделі. Чим більше розробників працюватимуть з Nemotron, тим більше їм знадобляться оптимізовані під висновок чіпи Nvidia, її фреймворк NeMo та платформа NIM для ефективного запуску всього.
Стратегія з відкритим вагом також слугує конкурентною зброєю проти китайських лабораторій ШІ, які випускають потужні відкриті моделі та провайдерів закритих моделей, таких як OpenAI та Anthropic.
Апаратне забезпечення все ще працює за іншим тактом
Цикл чотири-шість тижнів стосується лише програмного забезпечення, зокрема штучних інтелектуальних моделей Nvidia. Випуски апаратного забезпечення компанії, включаючи архітектуру Blackwell та майбутню платформу Вера Рубін, продовжують зберігати щорічний графік.
Що це означає для ландшафту ШІ
Nvidia чітко зазначила, що її моделі Nemotron оптимізовані для агентних сценаріїв, тобто для систем ШІ, які можуть виконувати дії, використовувати інструменти та працювати напівавтономно, а не лише генерувати текст.