NVIDIA erweitert sein Portfolio offener Modelle um Kumo-Modelle für strukturierte Unternehmensdaten sowie neue Nemotron-Modelle und Tools für Robotik, Proteindesign und Quantencomputing. Die am 21. Oktober 2026 ausführlich vorgestellte Erweiterung der offenen Modelle von NVIDIA bietet Unternehmen eine Grundlage, die sie mit lokalen Daten anpassen und auf einer von ihnen kontrollierten Infrastruktur einsetzen können. Die meisten angekündigten Angebote sind verfügbar, während Nemotron 3.5 Bolt voraussichtlich am 23. Oktober und Alpamayo 2 Edge später in diesem Monat erscheinen sollen.
Die wichtigsten Erkenntnisse
- Kumo ergänzt Funktionen für Vorhersagen, Prognosen und Betrugsrisikobewertungen bei strukturierten Unternehmensdaten. Coinbase, Revolut und Databricks gehören zu den ersten Unternehmen, die damit arbeiten.
- Die Erweiterung geht über Sprachmodelle hinaus und umfasst Robotiktraining, Schlussfolgerungen direkt im Fahrzeug, Proteindesign und die Kalibrierung von Quantenhardware.
- Die Verfügbarkeit unterscheidet sich je nach Produkt: Mehrere Modellfamilien sind bereits zugänglich, Nemotron 3.5 Bolt und Alpamayo 2 Edge stehen jedoch noch aus.
Inhaltsverzeichnis
- Was Unternehmen mit offenen Modellen von NVIDIA anpassen können
- Kumo erstellt Prognosen aus Unternehmensdaten
- Robotik-Tools konzentrieren sich auf das Training vor dem Einsatz
- Wissenschaftliche Modelle für Proteindesign und Quantensysteme
- Was jetzt verfügbar ist und was noch geplant ist
- Fazit
Was Unternehmen mit offenen Modellen von NVIDIA anpassen können
Im Mittelpunkt der Erweiterung stehen Modelle, die Entwickler an ihre jeweiligen Sprachen, Wissensbestände und Branchenanforderungen anpassen können, statt ausschließlich ein allgemeines System zu nutzen. NVIDIA beschreibt das Portfolio als Grundlage für Anwendungen, die Unternehmen auf einer von ihnen kontrollierten Infrastruktur betreiben können.
Nemotron umfasst Sprachmodelle, Datensätze und Trainingsrezepte für Agenten, die mit Text und Bildern arbeiten. Zu den angekündigten Ergänzungen gehören Nemotron 3.5 Super VL und Nemotron 3.5 Bolt sowie Retriever-Modelle für Einbettungen, Reranking und die Dokumentenanalyse. Zusammen decken diese sowohl die Fähigkeiten von Agenten als auch die Aufbereitung von Unternehmensdokumenten für solche Systeme ab.
Nach Angaben des Unternehmens arbeiten unter anderem Dassault Systèmes, SAP, Salesforce, Shopify, Synopsys und WPP mit Nemotron-Modellen und -Datensätzen, um maßgeschneiderte Modelle und domänenspezifische Agenten zu entwickeln. Auch Accenture und EY sind beteiligt. Dabei handelt es sich um Entwicklungsprojekte und nicht um einen Beleg dafür, dass alle Beteiligten bereits einen Produktiveinsatz abgeschlossen haben.
Zu den europäischen Mitgliedern der NVIDIA Nemotron Coalition zählen Black Forest Labs, H-Company und Mistral. Laut NVIDIA fließen ihre Daten, Forschungsergebnisse und Fachkenntnisse in die Nemotron-Grundlage ein.
| Produkt | Details |
|---|---|
| Nemotron 3.5 Super VL | Verfügbar über Hugging Face, ModelScope, OpenRouter, NVIDIA NIM und Partner. |
| Nemotron 3.5 Bolt | Soll ab dem 23. Oktober verfügbar sein. |
| Nemotron Retriever | Verfügbar über Hugging Face, Partnerplattformen und NVIDIA NIM für Einbettungen, Reranking und Dokumentenanalyse. |
| Kumo | Verfügbar auf Hugging Face und als NVIDIA-NIM-Microservice für Inferenz in Produktionsumgebungen. |
| Cosmos | Offen verfügbar auf Hugging Face und GitHub sowie über ausgewählte Inferenzpartner. |
| Alpamayo 2 Edge | Für den Download auf GitHub und Hugging Face im Laufe des Oktobers vorgesehen. |
| BioNeMo RFD4-Proteina | Verfügbar über NVIDIAs Entwicklerplattform, NVIDIA NIM, GitHub, Hugging Face und ausgewählte Inferenzpartner. |
| Ising | Verfügbar auf GitHub, Hugging Face und NVIDIAs Entwicklerplattform. |
Kumo erstellt Prognosen aus Unternehmensdaten
Kumo ist die Ergänzung mit dem deutlichsten Schwerpunkt auf Unternehmensdaten. Die offenen Basismodelle mit frei verfügbaren Gewichten, Bibliotheken und Tools sollen Anwendungen dabei unterstützen, Ergebnisse vorherzusagen, Betrugsrisiken zu bewerten und auf Grundlage strukturierter Informationen Handlungsempfehlungen auszusprechen.
Die von NVIDIA beschriebene praktische Änderung besteht darin, dass für jede Prognoseaufgabe weniger häufig eine eigene Machine-Learning-Pipeline aufgebaut werden muss. Entwickler können mit vortrainierten Modellen beginnen und sie bei Bedarf mit proprietären Daten feinabstimmen, wenn eine Anwendung eine höhere Leistung erfordert.
Kumo Structured deckt relationale und tabellarische Vorhersagen, Prognosen und Anomalieerkennung ab. Kumo Engine stellt den offenen Bibliotheks-Stack für die Entwicklung und Bereitstellung von Basismodellen für strukturierte Daten bereit. Die Modellfamilie ist Teil von NVIDIA Agent Knowledge Foundation.
Cognite, Coinbase, Databricks, DoorDash, Revolut und Tubi gehören zu den ersten Unternehmen, die mit Kumo arbeiten. NVIDIA zufolge nutzen Snowflake-Kunden die Modelle bereits, um die KI-Entwicklung in den Bereichen Werbung, Energie, Finanzdienstleistungen und Einzelhandel zu beschleunigen. Der Bericht beziffert weder die Einsparungen der Kunden noch Verbesserungen bei den Vorhersagen.
Robotik-Tools konzentrieren sich auf das Training vor dem Einsatz
Für physische KI ergänzt NVIDIA Cosmos um Tools für Post-Training und Optimierung, die darauf abzielen, Weltmodelle mit weniger Rechenaufwand zu verbessern. Simulations-Checkpoints ermöglichen es Entwicklern, das Verhalten in interaktiven Szenarien für autonomes Fahren und robotische Manipulation vor Tests in der realen Welt zu bewerten.
Die neue Cosmos Data Factory kombiniert Blueprints und grundlegende Agentenfähigkeiten, um Trainingsdaten zusammenzustellen, zu labeln, zu generieren und zu bewerten. Zu den Anwendungsfällen zählen Fahrszenarien, Produktfehler und Bilderweiterung. Entwickler können vollständige Workflows oder einzelne Funktionen nutzen; Agenten koordinieren den Prozess.
NVIDIA zufolge verwenden Porsche mit Voxel51, ANYbotics mit Encord, Zalando und CEVA Logistics mit Sereact sowie Siemens die Cosmos Data Factory, um vielfältige Trainingsdatensätze zu erstellen und die Präzision von Modellen zu verbessern.
Alpamayo 2 Edge ist für eine andere Phase gedacht: das Schlussfolgern in autonomen Fahrzeugen. Das kompakte Modell kombiniert das Echtzeitverständnis der Umgebung mit Bewegungsplanung, basiert auf der Nemotron-Grundlage von Cosmos 3 Edge und ist für NVIDIA DRIVE AGX Thor optimiert. Laut NVIDIA soll es fortschrittliche Fahrfunktionen in Fahrzeuge mit geringerem Rechenbedarf bringen. Der Download ist weiterhin für später in diesem Monat vorgesehen.
Wissenschaftliche Modelle für Proteindesign und Quantensysteme
Die wissenschaftlichen Ergänzungen dienen unterschiedlichen Arbeitsabläufen und bilden keinen einzelnen universellen Forschungsassistenten. BioNeMo RFD4-Proteina generiert Proteinsequenzen und dreidimensionale Strukturen, während Ising auf die Kalibrierung und Fehlerkorrektur von Quantenhardware ausgerichtet ist.
Proteinkandidaten werden weiterhin im Labor getestet
RFD4-Proteina wurde von NVIDIA und dem Baker Lab am Institute for Protein Design der University of Washington entwickelt. Das Modell soll dabei helfen, Proteine zu entwerfen, die an schwer erreichbare Zielstrukturen oder kleine Moleküle binden oder sich zu komplexen Strukturen zusammenfügen.
NVIDIA berichtet von führender Leistung bei mehr als 10 Aufgaben des Proteindesigns und einer etwa 13-mal schnelleren Generierung als bei RFdiffusion3 in einem Benchmark mit Proteinen aus 200 Aminosäuren. Diese Angaben beziehen sich auf die Modellleistung im genannten Benchmark und nicht auf eine abgeschlossene Validierung im Labor. Forschende können Agenten nutzen, um Kandidaten zu generieren und zu bewerten, bevor sie Designs für Tests im Labor auswählen.
Quantenpartner konzentrieren sich auf Kalibrierung und Fehlerkorrektur
IQM Quantum Computers nutzt Ising zur Kalibrierung seiner Quantenprozessoren. SEEQC kombiniert Ising, NVIDIA NVQLink und seinen Digital Link, um den Anforderungen an geringe Latenz bei der Quantenfehlerkorrektur in Echtzeit gerecht zu werden.
AWS integriert Ising in den AWS Parallel Computing Service, damit Forschende vor einer Bereitstellung mit den Modellen arbeiten können. NVIDIA weist darauf hin, dass die Dekodierung aufgrund der Latenzanforderungen üblicherweise auf klassischer Hardware erfolgt, die sich zusammen mit dem Quantenprozessor am selben Standort befindet. Die AWS-Integration unterstützt die Forschung vor dieser Bereitstellungsphase.
Was jetzt verfügbar ist und was noch geplant ist
Der Bericht von NVIDIA unterscheidet zwischen derzeit zugänglichen Modellen und bevorstehenden Veröffentlichungen. Super VL ist über Modellplattformen, NVIDIA NIM und Partner verfügbar. Auch für Kumo, Cosmos, Retriever, BioNeMo RFD4-Proteina und Ising sind Vertriebswege angegeben, die sich je nach Angebot unterscheiden.
Als nächste Veröffentlichungen stehen Nemotron 3.5 Bolt, das voraussichtlich am 23. Oktober erscheint, und Alpamayo 2 Edge auf dem Plan, das später im Oktober folgen soll. Bei diesen Terminen handelt es sich um angekündigte Verfügbarkeitspläne, nicht um bereits erfolgte Veröffentlichungen.
Fazit
Die Erweiterung vergrößert NVIDIAs Angebot an anpassbaren Modellen – von Unternehmensagenten über Geschäftsprognosen bis hin zu physischer KI und wissenschaftlicher Forschung. Für Entwickler ist vor allem die Unterscheidung wichtig zwischen Tools, die bereits zur Bewertung verfügbar sind, und den Veröffentlichungen von Bolt und Alpamayo, die weiterhin für einen späteren Zeitpunkt im Oktober geplant sind.
Weitere Nachrichten lesen
Weitere Nachrichten von FinanceVelix
Haftungsausschluss
Dieser Artikel von FinanceVelix enthält allgemeine Informationen und stellt keine individuelle Finanz-, Anlage-, Rechts- oder Steuerberatung dar. Marktpreise, Zinssätze und wirtschaftliche Bedingungen können sich ändern; Anlagen sind mit Verlustrisiken verbunden. Die Fakten entsprechen dem zum Veröffentlichungszeitpunkt verfügbaren Material und können sich ändern. Prüfen Sie wichtige Informationen unabhängig und ziehen Sie bei Bedarf eine qualifizierte Fachperson hinzu. Die Erwähnung eines Vermögenswerts, Unternehmens oder einer Dienstleistung stellt keine Empfehlung dar.
