A NVIDIA está ampliando seu portfólio de modelos abertos com os modelos Kumo para dados empresariais estruturados, novos modelos Nemotron e ferramentas para robótica, design de proteínas e computação quântica. A expansão dos modelos abertos da NVIDIA, detalhada em 21 de outubro de 2026, oferece às organizações bases que podem personalizar com dados locais e implantar em infraestrutura sob seu controle. A maioria das ofertas anunciadas já está disponível, enquanto o Nemotron 3.5 Bolt é esperado para 23 de outubro e o Alpamayo 2 Edge está previsto para o fim deste mês.
Principais conclusões
- O Kumo acrescenta recursos de previsão, projeção e avaliação de risco de fraude para dados empresariais estruturados, com Coinbase, Revolut e Databricks entre as primeiras organizações a trabalhar com ele.
- A expansão vai além dos modelos de linguagem e inclui treinamento de robótica, raciocínio embarcado em veículos, design de proteínas e calibração de hardware quântico.
- A disponibilidade varia entre as ofertas: várias famílias de modelos já podem ser acessadas, mas o Nemotron 3.5 Bolt e o Alpamayo 2 Edge ainda serão lançados.
Índice
- O que os modelos abertos da NVIDIA permitem que as organizações personalizem
- Kumo busca gerar previsões a partir de dados empresariais
- Ferramentas de robótica priorizam o treinamento antes da implantação
- Modelos científicos abordam o design de proteínas e sistemas quânticos
- O que já está disponível e o que ainda está previsto
- Conclusão
O que os modelos abertos da NVIDIA permitem que as organizações personalizem
A expansão tem como foco oferecer aos desenvolvedores modelos que possam adaptar aos próprios idiomas, conhecimentos e requisitos setoriais, em vez de usar apenas um sistema de uso geral. A NVIDIA descreve o portfólio como uma base para aplicações que as organizações podem executar em infraestrutura sob seu controle.
O Nemotron oferece modelos de linguagem, conjuntos de dados e receitas de treinamento para agentes que trabalham com texto e imagens. As novidades anunciadas incluem o Nemotron 3.5 Super VL e o Nemotron 3.5 Bolt, além dos modelos Retriever para geração de embeddings, reordenação de resultados e análise de documentos. Em conjunto, eles atendem tanto às capacidades dos agentes quanto ao trabalho de tornar documentos empresariais utilizáveis por esses sistemas.
A empresa cita Dassault Systèmes, SAP, Salesforce, Shopify, Synopsys e WPP entre as organizações que trabalham com modelos e conjuntos de dados Nemotron para desenvolver modelos personalizados e agentes específicos de cada domínio. Accenture e EY também estão envolvidas. Essas iniciativas são descritas como esforços de desenvolvimento, não como prova de que todos os participantes concluíram uma implantação em produção.
Entre os colaboradores europeus da NVIDIA Nemotron Coalition estão Black Forest Labs, H-Company e Mistral. Segundo a NVIDIA, seus dados, pesquisas e conhecimentos contribuem para a base do Nemotron.
| Item | Detalhes |
|---|---|
| Nemotron 3.5 Super VL | Disponível por meio do Hugging Face, ModelScope, OpenRouter, NVIDIA NIM e parceiros. |
| Nemotron 3.5 Bolt | Disponibilidade prevista para 23 de outubro. |
| Nemotron Retriever | Disponível por meio do Hugging Face, de plataformas parceiras e do NVIDIA NIM para geração de embeddings, reordenação de resultados e análise de documentos. |
| Kumo | Disponível no Hugging Face e como microsserviço NVIDIA NIM para inferência em produção. |
| Cosmos | Disponível abertamente no Hugging Face e no GitHub, além de estar acessível por meio de parceiros de inferência selecionados. |
| Alpamayo 2 Edge | Disponibilização para download prevista para o fim de outubro no GitHub e no Hugging Face. |
| BioNeMo RFD4-Proteina | Disponível por meio da plataforma para desenvolvedores da NVIDIA, do NVIDIA NIM, do GitHub, do Hugging Face e de parceiros de inferência selecionados. |
| Ising | Disponível no GitHub, no Hugging Face e na plataforma para desenvolvedores da NVIDIA. |
Kumo busca gerar previsões a partir de dados empresariais
O Kumo é a novidade mais diretamente voltada a dados empresariais. Seus modelos de base com pesos abertos, bibliotecas e ferramentas foram concebidos para ajudar aplicações a prever resultados, avaliar o risco de fraude e recomendar ações com base em informações estruturadas.
A mudança prática descrita pela NVIDIA é reduzir a necessidade de criar um pipeline separado de aprendizado de máquina para cada tarefa de previsão. Os desenvolvedores podem começar com modelos pré-treinados e ajustá-los com dados proprietários quando uma carga de trabalho exigir desempenho superior.
O Kumo Structured abrange previsão com dados relacionais e tabulares, projeções e detecção de anomalias. O Kumo Engine oferece a pilha de bibliotecas abertas para desenvolver e implantar modelos de base para dados estruturados. A família faz parte do NVIDIA Agent Knowledge Foundation.
Cognite, Coinbase, Databricks, DoorDash, Revolut e Tubi estão entre as primeiras organizações a trabalhar com o Kumo. A NVIDIA também afirma que clientes do Snowflake já usam os modelos para acelerar o desenvolvimento de IA nos setores de publicidade, energia, serviços financeiros e varejo. O relatório não quantifica a economia para os clientes nem as melhorias nas previsões.
Ferramentas de robótica priorizam o treinamento antes da implantação
Para a IA física, a NVIDIA está adicionando ferramentas de pós-treinamento e otimização do Cosmos, destinadas a aprimorar modelos de mundo com menos poder computacional. Pontos de verificação de simulação permitem que os desenvolvedores avaliem o comportamento em cenários interativos de condução e manipulação robótica antes dos testes no mundo real.
O novo Cosmos Data Factory combina blueprints e habilidades essenciais de agentes para selecionar, rotular, gerar e avaliar dados de treinamento. Entre suas aplicações estão cenários de condução, defeitos de produtos e ampliação de imagens. Os desenvolvedores podem usar fluxos de trabalho completos ou recursos individuais, com agentes coordenando o processo.
A NVIDIA afirma que Porsche com Voxel51, ANYbotics com Encord, Zalando e CEVA Logistics com Sereact, além da Siemens, estão usando o Cosmos Data Factory para criar conjuntos de dados de treinamento diversificados e melhorar a precisão dos modelos.
O Alpamayo 2 Edge aborda outra etapa: o raciocínio dentro de veículos autônomos. O modelo compacto combina compreensão de cenas em tempo real e planejamento de movimento, é desenvolvido com base na fundação do Cosmos 3 Edge baseada no Nemotron e é otimizado para o NVIDIA DRIVE AGX Thor. Segundo a NVIDIA, ele foi concebido para levar recursos avançados de condução a veículos com menores requisitos computacionais; o download continua previsto para o fim deste mês.
Modelos científicos abordam o design de proteínas e sistemas quânticos
As novidades científicas atendem a fluxos de trabalho distintos, em vez de constituírem um único assistente de pesquisa de uso geral. O BioNeMo RFD4-Proteina gera sequências e estruturas tridimensionais de proteínas, enquanto o Ising é voltado à calibração e à correção de erros em hardware quântico.
Candidatos a proteínas ainda passam por testes em laboratório
Desenvolvido pela NVIDIA e pelo Baker Lab, do Institute for Protein Design da Universidade de Washington, o RFD4-Proteina foi concebido para ajudar a projetar proteínas que se liguem a alvos difíceis ou a pequenas moléculas, ou que se organizem em estruturas complexas.
A NVIDIA relata desempenho líder em mais de 10 tarefas de design de proteínas e geração cerca de 13x mais rápida que a do RFdiffusion3 em um benchmark com proteínas de 200 aminoácidos. Esses números descrevem o desempenho do modelo no benchmark divulgado, não uma validação laboratorial concluída. Pesquisadores podem usar agentes para gerar e avaliar candidatos antes de selecionar os designs a serem testados em laboratório.
Parceiros de computação quântica miram calibração e correção de erros
A IQM Quantum Computers está usando o Ising para calibrar seus processadores quânticos. A SEEQC está combinando o Ising, o NVIDIA NVQLink e seu Digital Link para atender aos requisitos de baixa latência da correção de erros quânticos em tempo real.
A AWS está integrando o Ising ao AWS Parallel Computing Service para que pesquisadores possam trabalhar com os modelos antes da implantação. A NVIDIA observa que a decodificação costuma ser realizada em hardware clássico instalado junto ao processador quântico devido aos requisitos de latência; a integração com a AWS dá suporte à pesquisa antes dessa etapa de implantação.
O que já está disponível e o que ainda está previsto
O relatório da NVIDIA distingue os modelos atualmente acessíveis dos próximos lançamentos. O Super VL está disponível por meio de plataformas de modelos, do NVIDIA NIM e de parceiros. Kumo, Cosmos, Retriever, BioNeMo RFD4-Proteina e Ising também têm canais de distribuição indicados, embora eles variem conforme a oferta.
Os lançamentos de curto prazo ainda previstos são o Nemotron 3.5 Bolt, esperado para 23 de outubro, e o Alpamayo 2 Edge, previsto para o fim de outubro. Essas datas representam previsões de disponibilidade, e não lançamentos já concluídos.
Conclusão
A expansão amplia as ofertas de modelos personalizáveis da NVIDIA, de agentes empresariais a previsões de negócios, IA física e pesquisa científica. Para os desenvolvedores, a distinção imediata está entre as ferramentas já disponíveis para avaliação e os lançamentos do Bolt e do Alpamayo, ainda previstos para o fim de outubro.
Leia mais notícias
Isenção de responsabilidade
Este artigo da FinanceVelix oferece informações gerais, não aconselhamento financeiro, de investimento, jurídico ou tributário personalizado. Preços de mercado, taxas de juros e condições econômicas podem mudar; os investimentos envolvem risco de perda. Os fatos refletem as informações disponíveis no momento da publicação e podem mudar. Verifique informações importantes de forma independente e consulte um profissional qualificado quando necessário. A menção a um ativo, empresa ou serviço não constitui endosso.
