NVIDIA enthüllt Nemotron 3: Revolutionäre offene Modellfamilie treibt die Entwicklung der nächsten Generation agentischer KI voran
Zusammenfassung der Nachrichten
NVIDIA hat die Nemotron 3-Familie offener Modelle auf den Markt gebracht, was einen bedeutenden Fortschritt in der Entwicklung von Agenten-KI darstellt. Die dreistufige Modellfamilie – Nano, Super und Ultra – führt eine bahnbrechende hybride Mixture-of-Experts-Architektur ein, die darauf ausgelegt ist, die wachsenden Herausforderungen zu bewältigen, denen sich Entwickler gegenübersehen, wenn Organisationen von einzelnen Chatbots zu hochentwickelten Multi-Agenten-KI-Systemen übergehen.
Die Ankündigung vom 15. Dezember 2025 unterstreicht NVIDIAs Engagement für offene Innovationen im Bereich der künstlichen Intelligenz. CEO Jensen Huang betonte, dass Nemotron fortschrittliche KI in eine offene Plattform verwandelt und Entwicklern die Transparenz und Effizienz bietet, die für den Aufbau von Agenten-Systemen in großem Maßstab erforderlich sind.
Bahnbrechende Architektur treibt neue Effizienzstandards voran
Die Nemotron 3-Familie nutzt eine innovative hybride Latent Mixture-of-Experts-Architektur, die grundlegend neu konzipiert, wie KI-Modelle komplexe, mehrstufige Aufgaben bewältigen. Dieser architektonische Ansatz ermöglicht es den Modellen, nur die notwendigen Parameter für bestimmte Aufgaben zu aktivieren, was die rechnerische Effizienz drastisch verbessert und gleichzeitig Genauigkeitsbenchmarks beibehält oder übertrifft.
NVIDIAs Ingenieurteam erzielte mit diesem Design bemerkenswerte Leistungssteigerungen. Das Nano-Modell liefert trotz seiner geringsten Größe im Vergleich zu seinem Vorgänger eine viermal höhere Durchsatzverbesserung. Dies bedeutet greifbare Kosteneinsparungen für Unternehmen, die Multi-Agenten-Systeme einsetzen, wobei die Kosten für die Generierung von Reasoning-Tokens um bis zu 60 Prozent gesenkt werden.
Die hybride Architektur kombiniert Transformer-Technologie mit selektiver Parameteraktivierung, wodurch die Modelle effektiv über verschiedene Arbeitslastanforderungen hinweg skalieren können. Diese Flexibilität ermöglicht es Entwicklern, die Modellgröße und -fähigkeit präzise an ihre Anwendungsanforderungen anzupassen, von leichten Assistentenaufgaben bis hin zu komplexen strategischen Planungs-Workflows.
Dreistufiger Ansatz adressiert vielfältige Unternehmensanforderungen
Nemotron 3 Nano: Effizienz in großem Maßstab
Nemotron 3 Nano ist sofort verfügbar und setzt neue Maßstäbe für die Kosten-Effizienz im Bereich der offenen Modelle. Mit insgesamt 30 Milliarden Parametern, von denen nur 3 Milliarden zu einem bestimmten Zeitpunkt aktiv sind, eignet sich das Modell hervorragend für gezielte Anwendungen wie Software-Debugging, Zusammenfassung von Inhalten, KI-Assistenten-Workflows und Informationsabruf.
Artificial Analysis, eine unabhängige Organisation für KI-Benchmarking, stufte Nemotron 3 Nano als das offenste und effizienteste Modell seiner Größenklasse ein. Das Modell unterstützt ein beeindruckendes Kontextfenster von 1 Million Tokens, wodurch es die Kohärenz und Genauigkeit bei erweiterten mehrstufigen Reasoning-Aufgaben aufrechterhalten kann – eine kritische Fähigkeit für Agenten-Anwendungen, die ein anhaltendes kontextuelles Verständnis erfordern.
Die vom Nano gelieferten Durchsatzverbesserungen sind besonders wichtig für Organisationen, die Multi-Agenten-Systeme betreiben, bei denen die Geschwindigkeit der Token-Generierung die Benutzererfahrung und die Betriebskosten direkt beeinflusst. Frühe Tests zeigen die Fähigkeit des Modells, gleichzeitige Anfragen mit hohem Volumen ohne Qualitätsverlust zu bearbeiten.
Nemotron 3 Super: Kollaborative Intelligenz
Nemotron 3 Super, das für die erste Hälfte des Jahres 2026 geplant ist, richtet sich an Anwendungen, die zahlreiche kollaborierende Agenten mit minimaler Latenz erfordern. Mit rund 100 Milliarden Parametern und 10 Milliarden aktiven pro Token ist Super für Szenarien wie die Automatisierung von IT-Tickets, die Orchestrierung von Kundenservice und das komplexe Workflow-Management optimiert.
Das Modell verwendet NVIDIAs ultra-effizientes 4-Bit NVFP4-Trainingsformat auf der Blackwell-Architektur, was den Speicherbedarf erheblich reduziert und gleichzeitig Genauigkeitsniveaus beibehält, die mit höherpräzisen Formaten vergleichbar sind. Dieser Effizienzsprung ermöglicht es Unternehmen, größere Modelle auf bestehender Infrastruktur ohne kostspielige Upgrades einzusetzen.
Nemotron 3 Ultra: Fortschrittliche Reasoning-Engine
Das Flaggschiffmodell der Familie, Nemotron 3 Ultra, verfügt über rund 500 Milliarden Parameter mit bis zu 50 Milliarden aktiven pro Token. Ultra, ebenfalls für die erste Jahreshälfte 2026 geplant, dient als hochentwickelte Reasoning-Engine für KI-Workflows, die tiefgreifende Recherchefähigkeiten und Unterstützung für strategische Planung erfordern.
Das Design von Ultra unterstützt komplexe Entscheidungsszenarien, bei denen Gründlichkeit und analytische Tiefe Vorrang vor Reaktionsgeschwindigkeit haben. Die Architektur des Modells ermöglicht es, umfangreiche Informationssätze zu verarbeiten, Muster über verschiedene Datenquellen hinweg zu identifizieren und umfassende analytische Ergebnisse zu generieren.
Umfassendes Ökosystem unterstützt schnelle Entwicklung
NVIDIAs Veröffentlichung geht weit über die Modelle selbst hinaus und umfasst ein komplettes Entwicklungsökosystem, das darauf ausgelegt ist, die Erstellung spezialisierter KI-Agenten zu beschleunigen. Das Unternehmen hat drei Billionen Tokens an Trainingsdaten veröffentlicht, die Pre-Training-, Post-Training- und Reinforcement-Learning-Datensätze umfassen – eine beispiellose Ressource für die Entwicklergemeinschaft.
Diese Datensätze bilden die Grundlage für die Erstellung domänenspezifischer Agenten mit Fähigkeiten, die auf spezifische Branchenanforderungen zugeschnitten sind. Die Sammlungen enthalten reichhaltige Beispiele für Reasoning-Muster, Coding-Workflows und Strategien zur Ausführung mehrstufiger Aufgaben, die Entwickler nutzen können, um Modelle zu trainieren, die ihren einzigartigen Anwendungsfällen entsprechen.
Das Nemotron Agentic Safety Dataset schließt eine kritische Lücke in der KI-Entwicklung, indem es reale Telemetriedaten zur Bewertung und Stärkung der Sicherheit von Agentensystemen bereitstellt. Da Unternehmen zunehmend autonome KI-Systeme einsetzen, werden robuste Sicherheitsbewertungsrahmen für die Aufrechterhaltung von Vertrauen und die Einhaltung von Vorschriften unerlässlich.
NVIDIA hat auch NeMo Gym und NeMo RL veröffentlicht, Open-Source-Bibliotheken, die Trainingsumgebungen und Post-Training-Infrastrukturen speziell für Reinforcement-Learning-Workflows bereitstellen. Diese Tools, kombiniert mit NeMo Evaluator für Sicherheits- und Leistungsvalidierung, schaffen eine integrierte Entwicklungsumgebung, die die Komplexität des Aufbaus produktionsreifer Agenten-Systeme erheblich reduziert.
Branchenakzeptanz signalisiert Marktvertrauen
Große Unternehmen aus verschiedenen Sektoren integrieren bereits Nemotron-Modelle in ihre Betriebsabläufe. Accenture, Deloitte und EY erforschen Anwendungen im Bereich professioneller Dienstleistungen, während Technologieführer wie Oracle Cloud Infrastructure, ServiceNow und Zoom die Modelle in ihre Plattformen integrieren.
ServiceNow CEO Bill McDermott hob das Potenzial der Partnerschaft hervor, neue Standards in der Implementierung von Agenten-KI zu setzen. Die Kombination der intelligenten Workflow-Automatisierung von ServiceNow mit den Fähigkeiten von Nemotron 3 schafft Möglichkeiten für beispiellose Effizienz und Genauigkeit in Unternehmensabläufen.
Perplexity, ein führendes Unternehmen im Bereich KI-gestützter Suche und Recherche, kündigte Pläne an, eine Agenten-Router-Architektur zu verwenden, die Arbeitslasten zwischen Nemotron 3 Ultra für spezialisierte Aufgaben und proprietären Modellen leitet, wo deren einzigartige Fähigkeiten Vorteile bieten. Dieser hybride Ansatz optimiert das Gleichgewicht zwischen Leistung, Kosten und spezialisierter Funktionalität.
Auch das Startup-Ökosystem setzt auf Nemotron 3 als Grundlage für Innovationen. Portfoliounternehmen von General Catalyst, Mayfield und Sierra Ventures erforschen Anwendungen der Modelle, um KI-Teamkollegen zu entwickeln, die die Mensch-KI-Kollaboration in verschiedenen Bereichen unterstützen.
Sovereign AI und globale Bereitstellungsstrategie
Nemotron 3 unterstützt NVIDIAs breitere Sovereign-AI-Initiative und ermöglicht es Nationen und Regionen, KI-Systeme zu entwickeln, die lokalen Datenanforderungen, regulatorischen Rahmenbedingungen und kulturellen Werten entsprechen. Organisationen in Europa und Südkorea setzen auf die offenen, transparenten Modelle, um KI-Infrastrukturen aufzubauen, die die Datensouveränität wahren und gleichzeitig modernste Fähigkeiten nutzen.
Dieser Ansatz adressiert wachsende globale Bedenken hinsichtlich KI-Governance und Datenschutz. Durch die Bereitstellung vollständig offener Modelle, die Organisationen innerhalb ihrer eigenen Infrastruktur einsetzen können, ermöglicht NVIDIA Einheiten die vollständige Kontrolle über ihre KI-Systeme, während sie von modernsten Modellarchitekturen und Trainingsmethoden profitieren.
Die Sovereign-AI-Strategie unterstützt auch Initiativen zur wirtschaftlichen Entwicklung, indem sie es Regionen ermöglicht, heimische KI-Fähigkeiten aufzubauen, anstatt vollständig auf ausländische Cloud-Dienste angewiesen zu sein. Diese Lokalisierung der KI-Entwicklung und -Bereitstellung schafft Möglichkeiten für regionale Innovationsökosysteme, zu florieren.
Zugängliche Bereitstellungsoptionen beschleunigen die Einführung
NVIDIA hat durch Partnerschaften mit führenden Anbietern von Inferenzdiensten eine breite Zugänglichkeit für Nemotron 3 Nano sichergestellt. Das Modell ist sofort über Baseten, DeepInfra, Fireworks, FriendliAI, OpenRouter und Together AI verfügbar und bietet Entwicklern mehrere Bereitstellungsoptionen, die auf unterschiedliche betriebliche Anforderungen und Budgetbeschränkungen zugeschnitten sind.
Enterprise-KI- und Dateninfrastrukturplattformen, darunter Couchbase, DataRobot, H2O.ai, JFrog, Lambda und UiPath, haben die Unterstützung für Nemotron-Modelle integriert. Diese weit verbreitete Plattformakzeptanz reduziert Integrationsschwierigkeiten und ermöglicht es Unternehmen, die Modelle mit minimalen Unterbrechungen in bestehende Workflows zu integrieren.
Die Verfügbarkeit in Public Clouds erweitert die Reichweite des Modells weiter. AWS wird Nemotron 3 Nano über die serverlose Infrastruktur von Amazon Bedrock anbieten, während Google Cloud, CoreWeave, Crusoe, Microsoft Foundry und andere große Cloud-Anbieter das Modell in ihren Plattformen unterstützen werden. Diese Multi-Cloud-Strategie stellt sicher, dass Unternehmen Nemotron-Modelle in ihren bevorzugten Cloud-Umgebungen bereitstellen können.
Für Unternehmen, die maximale Kontrolle und Datenschutz benötigen, bietet NVIDIA Nemotron 3 Nano als NVIDIA NIM Microservice an. Diese Verpackung ermöglicht eine sichere, skalierbare Bereitstellung auf NVIDIA-beschleunigter Infrastruktur, sei es On-Premises oder in privaten Cloud-Umgebungen, und stellt sicher, dass sensible Arbeitslasten innerhalb der organisatorischen Grenzen bleiben.
Technische Innovation treibt Leistungsvorsprung voran
Die technischen Innovationen, die der Leistung von Nemotron 3 zugrunde liegen, gehen über die herausragenden architektonischen Merkmale hinaus. NVIDIAs Ingenieurteam setzte fortschrittliche Reinforcement-Learning-Techniken mit gleichzeitigem Multi-Environment-Post-Training in großem Maßstab ein – eine Methodik, die Modelle verschiedenen Szenarien während des Trainings aussetzt und ihre Fähigkeit verbessert, über verschiedene reale Anwendungen hinweg zu generalisieren.
Multi-Token-Vorhersagefähigkeiten in den Super- und Ultra-Modellen verbessern die Effizienz der Generierung langer Texte und gleichzeitig die Gesamtqualität des Modells. Diese Funktion ermöglicht es den Modellen, während der Generierung vorauszudenken und kohärentere und kontextuell angemessenere Ergebnisse für erweiterte Antworten zu liefern.
Das 4-Bit NVFP4-Trainingsformat stellt einen bedeutenden Fortschritt in der Trainingseffizienz dar. Durch die Reduzierung der Anforderungen an die numerische Präzision ohne Einbußen bei der Modellgenauigkeit hat NVIDIA es ermöglicht, größere Modelle auf bestehenden Hardwarekonfigurationen zu trainieren. Dies demokratisiert den Zugang zu Spitzenmodellfähigkeiten, indem die Infrastrukturanforderungen für die Modellentwicklung gesenkt werden.
Eine granulare Kontrolle des Reasoning-Budgets zur Inferenzzeit gibt Entwicklern eine feingranulare Kontrolle über das Modellverhalten. Diese Funktion ermöglicht eine dynamische Anpassung der für verschiedene Abfragen zugewiesenen Rechenressourcen und optimiert das Gleichgewicht zwischen Antwortqualität und Inferenzkosten basierend auf spezifischen Anwendungsanforderungen.
Engagement für Open Source stärkt das Entwickler-Ökosystem
NVIDIAs Entscheidung, umfassende Trainingsdaten, Modellgewichte und Entwicklungswerkzeuge unter offenen Lizenzen zu veröffentlichen, spiegelt ein strategisches Engagement für die Förderung von Innovationen durch gemeinschaftliche Zusammenarbeit wider. Das Unternehmen stellt nicht nur die endgültig trainierten Modelle zur Verfügung, sondern auch Basismodelle und Trainingsrezepte, die es Forschern und Entwicklern ermöglichen, NVIDIAs Arbeit zu verstehen und darauf aufzubauen.
Die Veröffentlichung umfasst Nemotron 3 Nano sowohl in FP8-quantisierten als auch in BF16-Präzisionsformaten, zusammen mit dem Basis-Vortrainierten Modell. Diese Transparenz unterstützt die Reproduzierbarkeit und ermöglicht es der Forschungsgemeinschaft, NVIDIAs Behauptungen zu validieren und gleichzeitig alternative Trainingsansätze und Modellvarianten zu erforschen.
Integrationsunterstützung von Tools wie LM Studio, llama.cpp, SGLang und vLLM stellt sicher, dass Entwickler Nemotron-Modelle in ihre bestehenden Entwicklungsworkflows integrieren können, ohne völlig neue Toolchains einführen zu müssen. Prime Intellect und Unsloth integrieren die Trainingsumgebungen von NeMo Gym direkt in ihre Plattformen und reduzieren so weiter die Hürden für fortgeschrittene Reinforcement-Learning-Experimente.
Zukunftsausblick und Brancheneinflüsse
Die Veröffentlichung von Nemotron 3 signalisiert eine Reifung der Landschaft offener Modelle und zeigt, dass Transparenz und kommerzielle Leistung keine Gegensätze sind. Da Organisationen die strategische Bedeutung von KI-Fähigkeiten zunehmend erkennen, wird die Fähigkeit, Modelle bereitzustellen, anzupassen und zu steuern, zu einem entscheidenden Wettbewerbsfaktor.
Die für 2026 geplante Veröffentlichung der Super- und Ultra-Modelle wird die Nemotron 3-Familie vervollständigen und Unternehmen Optionen bieten, die das gesamte Spektrum der Fähigkeits- und Effizienzanforderungen abdecken. Dieser gestufte Ansatz ermöglicht es Unternehmen, hybride Bereitstellungsstrategien zu implementieren, die die Kosten optimieren und gleichzeitig die Leistung dort aufrechterhalten, wo sie am wichtigsten ist.
NVIDIAs integrierter Ökosystemansatz – die Kombination von Modellen, Daten und Tools in einem kohärenten Paket – setzt einen neuen Standard für die Veröffentlichung offener Modelle. Anstatt nur Modellgewichte zu veröffentlichen, stellt das Unternehmen die gesamte Infrastruktur bereit, die für eine erfolgreiche Bereitstellung und Anpassung erforderlich ist.
Der Fokus auf Agenten-KI-Fähigkeiten positioniert Nemotron 3 an der Spitze eines aufkommenden Paradigmenwechsels in der Architektur von KI-Anwendungen. Da einzelne Chatbots kollaborierenden Multi-Agenten-Systemen weichen, werden Modelle, die speziell für diesen Anwendungsfall entwickelt wurden, wahrscheinlich erhebliche Verbreitung in Unternehmensbereitstellungen finden.
Branchenanalysten erwarten, dass die Offenheit von Nemotron 3 die Innovationen bei spezialisierten KI-Anwendungen beschleunigen wird, insbesondere in Bereichen, in denen Datenschutz, Einhaltung von Vorschriften oder einzigartige Branchenanforderungen proprietäre Cloud-Modelle unpraktisch machen. Die Kombination aus Spitzenfähigkeiten und vollständiger Transparenz schafft Möglichkeiten für Anpassung und Domänenanpassung, die bisher nur mit umfangreichen internen KI-Entwicklungsteams möglich waren.