英伟达周一宣布推出Nemotron 3系列开源模型、库和数据,旨在为跨行业的透明智能体AI开发提供支持。
Nemotron 3模型共有三种规格:Nano、Super和Ultra。根据公告,Nemotron 3 Nano是该模型系列中计算成本效率最高的版本,用于软件调试和内容摘要等任务。
英伟达创始人兼首席执行官黄仁勋在公告中表示:"通过Nemotron,我们正在将先进AI转变为一个开放平台,为开发者提供构建大规模智能体系统所需的透明度和效率。"
正当企业刚开始适应智能体AI的概念时,新一代智能体已经出现:多智能体系统,它们比前代产品带来了更多的复杂性,同时也蕴含着更大的潜力。
根据Gartner的观点,多智能体系统正在成为企业需要关注的关键设计模式。与单个智能体独立处理离散任务不同,多智能体系统由许多智能体组成,有时相互协作,有时相互竞争,以实现共同目标。然而,从单模型聊天机器人转向协作式多智能体系统为开发者带来了技术复杂性,并引入了治理风险。
根据IBM的说法,虽然多智能体系统具有更强的灵活性和可扩展性等优势,但首席信息官必须考虑包括智能体故障、协调复杂性和不可预测行为在内的挑战。
英伟达声称Nemotron 3解决了这些挑战,并指出了埃森哲、新思科技、Zoom、甲骨文和ServiceNow等早期采用者,以及他们在制造、软件开发、网络安全和其他行业中集成Nemotron模型以支持AI工作流程所做的工作。该公司表示,这些模型的混合专家架构允许开发者大规模构建和部署多智能体系统。
英伟达还表示,Nemotron 3模型支持该公司的主权AI努力。这些模型允许欧盟和韩国等地区的公司构建符合其数据和地区监管要求的AI系统。
根据英伟达10月份的公告,韩国政府已投资建设其国家AI基础设施,以加速企业和行业主权AI发展。该公告称,该国计划在未来几年内在其主权云和AI工厂中部署超过5万个英伟达GPU。
Q&A
Q1:Nemotron 3有哪些不同的版本规格?
A:Nemotron 3模型共有三种规格:Nano、Super和Ultra。其中Nemotron 3 Nano是该模型系列中计算成本效率最高的版本,主要用于软件调试和内容摘要等任务。
Q2:多智能体系统与传统单智能体有什么区别?
A:与单个智能体独立处理离散任务不同,多智能体系统由许多智能体组成,有时相互协作,有时相互竞争,以实现共同目标。多智能体系统具有更强的灵活性和可扩展性,但也带来了技术复杂性和治理风险。
Q3:Nemotron 3在主权AI方面有什么作用?
A:Nemotron 3模型支持英伟达的主权AI努力,允许欧盟和韩国等地区的公司构建符合其数据和地区监管要求的AI系统,帮助各国在AI发展中保持数据主权和合规性。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。