Nota do editor: Esta publicação faz parte da série de blogs Nemotron Labs, que explora como os modelos abertos, conjuntos de dados e técnicas de treinamento mais recentes ajudam as empresas a criar sistemas e aplicações de IA especializados nas plataformas NVIDIA. Cada publicação destaca formas práticas de usar um stack aberto para entregar valor real em produção — de copilotos de pesquisa transparentes a agentes de IA escaláveis.
As empresas têm muitos modelos poderosos para escolher. O verdadeiro teste é se a IA que uma empresa constrói atende de forma única às necessidades do negócio: melhorando workflows, aproveitando o conhecimento de domínio e superando os padrões de precisão e confiança.
Cada vez mais, a vantagem competitiva em IA vem de como as organizações constroem com os modelos disponíveis — mais do que qual deles escolhem.
Modelos abertos como o NVIDIA Nemotron são criados para personalização — ajudando empresas e nações a construir uma IA controlável, confiável e adaptada às suas necessidades.
De Usar IA a Possuir Inteligência
A IA especializada, como agentes autônomos e aplicações, é construída com modelos abertos personalizados. Esses agentes são criados para executar bem uma tarefa definida, pois os modelos utilizados são ajustados com conhecimento proprietário e avaliados em função de resultados reais de negócios.
Isso exige acesso ao próprio modelo. Modelos fechados avançam o que é possível e continuam expandindo a fronteira da inteligência geral, mas também estabelecem um limite para o que as empresas podem inspecionar, ajustar e melhorar. Os modelos abertos removem essa barreira — proporcionando propriedade e controle completos.
As aplicações de IA agêntica mais eficazes são sistemas de modelos onde modelos abertos trabalham ao lado dos principais frontier models, cada um cumprindo o papel que melhor desempenha. Modelos de reasoning de alto desempenho podem lidar com planejamento complexo, enquanto modelos menores executam tarefas especializadas. Isso permite que as empresas dimensionem adequadamente os custos de inference, melhorem a precisão em tarefas específicas e mantenham a flexibilidade à medida que os workflows evoluem.
Personalização em que as Empresas Podem Confiar
Os modelos abertos oferecem às empresas algo que os modelos fechados não conseguem: controle total para personalizar, inspecionar e melhorar a IA de acordo com as necessidades do negócio. Benchmarks públicos medem a capacidade geral — mas a avaliação específica do negócio permite que as equipes testem com seus próprios dados, workflows e definição de precisão — e melhorem a partir daí.
Por exemplo, o custo de uma resposta errada é alto em setores como saúde e jurídico, onde as equipes lidam com dados sensíveis e enfrentam requisitos rigorosos de precisão. As organizações nesses setores precisam ter visibilidade sobre como um modelo foi treinado, como ele performa e a capacidade de melhorá-lo quando necessário.
Com modelos abertos, as equipes podem inspecionar suas aplicações, executar avaliações privadas com seus próprios critérios e criar ambientes de reinforcement learning ajustados aos seus próprios workflows. Não é necessário rotear dados proprietários por terceiros.
Empresas de diversos setores já estão especializando o Nemotron para seus domínios:
- A Abridge está personalizando o Nemotron para criar o primeiro foundation model desenvolvido especificamente para conversas clínicas.
- A Glean criou o Waldo, um modelo de busca agêntica que combina o Nemotron com modelos fechados maiores para oferecer busca empresarial com latência significativamente menor e menos tokens.
- A H Company criou o Holotron 3 Nano com pós-treinamento do Nemotron 3 Nano Omni em dados proprietários de uso de computador, alcançando mais de 76% de precisão no OSWorld-Verified — um benchmark de tarefas em computador — e se equiparando a outros frontier models líderes a uma fração do custo.
- A Harvey realizou pós-treinamento do Nemotron 3 Ultra no seu benchmark jurídico e alcançou precisão de nível frontier — equiparando-se aos principais modelos fechados em tarefas jurídicas complexas com pelo menos 10x menos custo por execução.
- A Heidi Health está entregando resultados de qualidade frontier em documentação clínica sem precisar de computação em escala frontier.
- A YTL AI Labs realizou o pós-treinamento de um modelo Nemotron para o idioma malaio, colocando IA personalizada localmente nas mãos da comunidade de desenvolvedores da Malásia para avançar suas capacidades de IA.
Ambientes de Fine-Tuning e Custos Operacionais Otimizados
A personalização melhora a precisão. Quando os modelos são ajustados para um harness ou domínio específico, eles também são executados com mais eficiência.
O conjunto de bibliotecas abertas NVIDIA NeMo acelera a personalização e avaliação de modelos, além da otimização e governança de agentes.
Parceiros como Prime Intellect e Unsloth já estão habilitando a personalização de IA para empresas que constroem pipelines de pós-treinamento no Nemotron, tornando prático executar IA especializada em escala.
A LangChain ajustou seu harness Deep Agents para o Nemotron 3 Ultra — ajustando prompts, ferramentas e middleware, sem retreinamento do modelo — e alcançou a maior precisão de agente entre os modelos abertos com aproximadamente 10x menos custo por execução do que as principais alternativas fechadas.
Essas vantagens de custo se estendem à infraestrutura para escalabilidade ideal. Com o pós-treinamento do Nemotron na plataforma NVIDIA Blackwell, a Arcee AI alcançou custos de inference de aproximadamente 90 centavos por milhão de tokens de saída — aproximadamente 20x mais barato do que frontier models fechados comparáveis — ficando em segundo lugar no PinchBench e permanecendo totalmente open weight.
A economia de custos permite experimentação mais ampla, mais implantações e iteração mais rápida.
Construção de Ecossistema em uma Fundação Aberta
A transição da adoção de IA para a propriedade de IA está em andamento. A NVIDIA Nemotron Coalition está ajudando a transformar o desenvolvimento de modelos abertos em um esforço de ecossistema, reunindo criadores de modelos e desenvolvedores para aprimorar o Nemotron por meio de dados compartilhados, avaliações e expertise de domínio. Além disso, submissões de hackathons e contribuições da comunidade geram ativos de prova reutilizáveis em todos os setores.
Os criadores estão adicionando o Nemotron aos seus sistemas de IA, comprovando valor e compartilhando o que funciona. A fundação é totalmente aberta.
Saiba mais sobre os modelos abertos NVIDIA Nemotron e experimente-os em build.nvidia.com.