Per anni Nvidia ha venduto soprattutto i “muscoli” dell’intelligenza artificiale: le GPU sulle quali vengono addestrati e utilizzati i modelli di OpenAI, Google, Meta e di buona parte dell’industria. Con Nemotron, però, Nvidia sale di un piano: non soltanto chip, ma anche modelli di AI progettati soprattutto per gli agenti, cioè software capaci di pianificare ed eseguire autonomamente una sequenza di operazioni.
Le ultime novità spiegano bene la strategia. Nemotron 3 Super ha 120 miliardi di parametri, ma ne attiva 12 miliardi alla volta, ed è pensato per ragionamento, coding e sistemi multi-agente. Nemotron 3.5 Lightning ne ha 30 miliardi, appena 3 miliardi attivi, ed è costruito invece per eseguire molto velocemente le migliaia di piccole operazioni richieste da un agente. In cinque punti vediamo cosa significa.
Nemotron non è il ChatGPT di Nvidia
Nemotron è una famiglia di modelli aperti pensata soprattutto per l’agentic AI. Non devono soltanto rispondere a una domanda: possono essere utilizzati per costruire sistemi che consultano documenti, chiamano API, scrivono codice, utilizzano strumenti e collaborano con altri agenti. La famiglia comprende modelli Nano, Super e Ultra, oltre a strumenti per visione, retrieval e sicurezza. L’obiettivo non è quindi necessariamente costruire un chatbot per centinaia di milioni di consumatori, ma fornire i motori con cui aziende e sviluppatori possono costruire i propri agenti.
Il trucco è non accendere tutto il cervello ogni volta
Nemotron 3 Super è un Mixture-of-Experts (MoE): possiede 120 miliardi di parametri ma ne utilizza circa 12 miliardi per token. Un sistema decide quali “esperti” attivare a seconda del problema. L’architettura combina inoltre Transformer e Mamba-2 e arriva a un contesto di un milione di token. È importante perché un agente che lavora per ore deve ricordare documenti, codice, conversazioni e risultati degli strumenti. Nvidia cerca così di ridurre il costo della cosiddetta context explosion: più a lungo lavora un agente, maggiore diventa la quantità di informazioni che deve elaborare.
Un agente non ha bisogno sempre del modello più intelligente
È forse l’idea più interessante. Un agente può utilizzare un modello potente per pianificare un lavoro e uno molto più piccolo per eseguirne i passaggi. Nemotron 3.5 Lightning, con 30 miliardi di parametri e solo 3 miliardi attivi, nasce proprio per questo secondo compito. Nvidia sostiene che possa raggiungere velocità di output fino a quattro volte superiori a modelli aperti comparabili. Con NeMo Switchyard diventa inoltre possibile indirizzare automaticamente ogni richiesta verso il modello più adatto. In altre parole: non serve convocare l’amministratore delegato per compilare ogni foglio Excel.
La differenza con ChatGPT e Gemini
Il confronto va fatto con cautela: ChatGPT e Gemini sono anche prodotti rivolti direttamente agli utenti, mentre Nemotron è soprattutto una piattaforma di modelli per sviluppatori e imprese. OpenAI e Google possiedono peraltro anche famiglie open-weight, rispettivamente gpt-oss e Gemma. Nvidia insiste però sulla possibilità di scaricare, personalizzare e distribuire Nemotron sulla propria infrastruttura. E soprattutto non immagina necessariamente un unico modello che faccia tutto: diversi modelli possono essere combinati nello stesso agente scegliendo di volta in volta quello più efficiente.
La vera partita è l’infrastruttura degli agenti
Nemotron diventa più interessante se considerato insieme all’intero ecosistema Nvidia: GPU, software CUDA, NIM, NeMo e strumenti per l’orchestrazione. Hardware e modelli possono essere ottimizzati insieme. Ed è qui che Nvidia possiede un vantaggio particolare rispetto a OpenAI, Google, Anthropic, Meta e agli altri concorrenti.
La prima fase dell’AI generativa è stata dominata dalla domanda: chi costruirà il chatbot più intelligente? Quella degli agenti potrebbe avere una domanda diversa: chi riuscirà a far lavorare insieme molti modelli, continuamente, velocemente e al minor costo?
Per approfondire
Come è e come funziona Nemotron 3 Nano Omni di Nvidia?
Dal DLSS5 a NemoClaw: quello che c’è da sapere della GTC 2026 di Nvidia
Chi è James? Il primo essere umano digitale di Nvidia
Nvidia lancia il nuovo assistente in-game per il videogioco. E potrebbe essere una rivoluzione
Quanta elettricità consuma l’intelligenza artificiale?
Arriva il primo videogioco con umani “intelligenti” potenziati con l’Ai di Nvidia
Da Convert Protocol ai Neo Npc, i chatbot renderanno i videogiochi più umani e unici
