Nemotron 3-ის ხაზი – რომელიც მოიცავს Nano-ს, Super-სა და Ultra-ს – უზრუნველყოფს წამყვან წარმადობას მრავალაგენტური AI სისტემებისთვის, აერთიანებს მოწინავე მსჯელობის, საუბრისა და თანამშრომლობის შესაძლებლობებს. მოდელები იყენებენ ჰიბრიდულ Mamba-ტრანსფორმერის ექსპერტთა შერეულ (MoE) არქიტექტურას, რაც უზრუნველყოფს საუკეთესო კლასის დასკვნის (inference) გამტარობას, ამასთანავე მხარს უჭერს კონტექსტის სიგრძეს 1 მილიონ ტოკენამდე. Nemotron 3 Nano, ყველაზე პატარა მოდელი, ოპტიმიზირებულია ხარჯთეფექტური დასკვნისთვის და ისეთი ამოცანებისთვის, როგორიცაა პროგრამული უზრუნველყოფის გამართვა, კონტენტის შეჯამება, AI ასისტენტის სამუშაო პროცესები და ინფორმაციის მოძიება. მიუხედავად იმისა, რომ მას აქვს 30 მილიარდი საერთო პარამეტრი, ის ინტელექტუალურად ააქტიურებს მხოლოდ დაახლოებით 3 მილიარდს თითო ტოკენზე. უნიკალური ჰიბრიდული MoE დიზაინის წყალობით, Nano აღწევს 4-ჯერ უფრო მაღალ ტოკენის გამტარობას თავის წინამორბედთან შედარებით და ამცირებს მსჯელობის ტოკენების გენერაციას 60%-ით, ამასთან ინარჩუნებს უმაღლეს სიზუსტეს. პირველი ბენჩმარკები აჩვენებს, რომ Nano აღემატება მსგავს ღია მოდელებს, როგორიცაა GPT-OSS-20B და Qwen3-30B, მსჯელობისა და გრძელი კონტექსტის ამოცანებში. Nemotron 3 Super და Ultra აფართოებენ ამ შესაძლებლობებს მაღალი მოცულობის კოლაბორაციული აგენტებისთვის და კომპლექსური AI აპლიკაციებისთვის, აერთიანებენ ისეთ ინოვაციებს, როგორიცაა ლატენტური MoE, აპარატურის გათვალისწინებით შექმნილი ექსპერტის დიზაინი, რომელიც ზრდის მოდელის ხარისხს ეფექტურობის შეწირვის გარეშე, და მრავალტოკენური პროგნოზირება (MTP), რომელიც აუმჯობესებს გრძელი ფორმის ტექსტის გენერაციასა და მრავალსაფეხურიან მსჯელობას. ორივე დიდი მოდელი გაწვრთნილია NVIDIA-ს NVFP4 ფორმატის გამოყენებით, რაც იძლევა უფრო სწრაფი წვრთნის და შემცირებული მეხსიერების მოთხოვნების საშუალებას. ყველა Nemotron 3 მოდელი პოსტ-ტრენირებულია მრავალგარემოიანი განმტკიცებითი სწავლის (RL) გამოყენებით, რაც მათ საშუალებას აძლევს შეასრულონ ამოცანები, რომლებიც მოიცავს მათემატიკურ და სამეცნიერო მსჯელობას, კონკურენტულ კოდირებას, ინსტრუქციების შესრულებას, პროგრამულ ინჟინერიას, ჩატს და მრავალაგენტურ ინსტრუმენტების გამოყენებას. მოდელები ასევე მხარს უჭერენ მსჯელობის ბიუჯეტის დეტალურ კონტროლს დასკვნის დროს, რაც დეველოპერებს საშუალებას აძლევს ოპტიმიზაცია გაუკეთონ გამოთვლით რესურსებს სიზუსტის შენარჩუნებით. NVIDIA-მ ასევე გამოუშვა მონაცემთა ნაკრებების, სასწავლო ბიბლიოთეკებისა და შეფასების ინსტრუმენტების სრული პაკეტი, მათ შორის სამ ტრილიონზე მეტი ტოკენის წინასწარი წვრთნისა და განმტკიცებითი სწავლის მონაცემები, NeMo Gym და NeMo RL ღია კოდის ბიბლიოთეკები და Nemotron Agentic Safety Dataset რეალური სამყაროს უსაფრთხოების შესაფასებლად. Nemotron 3-ის ოჯახი შექმნილია იმისათვის, რომ დეველოპერებს, სტარტაპებსა და საწარმოებს მისცეს საშუალება, შექმნან სპეციალიზებული AI აგენტები გამჭვირვალედ და ეფექტურად. Nano ხელმისაწვდომია დღეს Hugging Face-ის, NVIDIA NIM მიკროსერვისების და ძირითადი ღრუბლოვანი და AI პლატფორმების მეშვეობით, მათ შორის AWS, Google Cloud და Microsoft Foundry. Super-ისა და Ultra-ს გამოშვება მოსალოდნელია 2026 წლის პირველ ნახევარში. ადრეული მომხმარებლები, როგორიცაა Accenture, ServiceNow, Perplexity და Palantir, უკვე აერთიანებენ Nemotron 3 მოდელებს AI სამუშაო პროცესებში წარმოების, კიბერუსაფრთხოების, პროგრამული უზრუნველყოფის შემუშავების, მედიისა და საწარმოს ოპერაციებისთვის. Nemotron 3-ით, NVIDIA მუშაობს ახალ სტანდარტზე ეფექტური, ზუსტი და ღია AI მოდელებისთვის. ეს დეველოპერებს საშუალებას მისცემს, მასშტაბირება მოახდინონ აგენტური AI აპლიკაციების პროტოტიპიდან საწარმოს დონის განთავსებამდე, გამჭვირვალობის, ხარჯთეფექტურობისა და უახლესი წარმადობის შენარჩუნებით.