Nvidia: вычислительные потребности меняются – от "одноразового обучения" больших моделей к "постобучающимся" Agent

Nvidia расширяет основное ценностное предложение своей платформы следующего поколения Vera Rubin с оптимизации стоимости инференса на эффективность дообучения моделей, делая ставку на новую метрику — «интеллект на доллар» (intelligence per dollar), предвосхищая, что в эпоху Agentic AI непрерывное дообучение станет ключевым запросом к вычислительным мощностям.

На официальном блоге Nvidia объясняется, что с ростом Agentic AI дообучение модели превратилось из одноразового финального шага в непрерывную циклическую рабочую нагрузку. В отличие от традиционных генеративных моделей, agent-модели должны планировать, вызывать инструменты и самостоятельно исправлять ошибки во время работы, и их окружение может меняться каждую неделю, что приводит к постоянному росту запроса на ресурсы для дообучения. Nvidia отмечает, что платформа Vera Rubin специально спроектирована для подобных нагрузок и позволяет обучать самые масштабные модели, используя лишь четверть количества GPU по сравнению с предыдущей платформой Blackwell.

Такая стратегия напрямую затрагивает логику продаж вычислительных мощностей Nvidia: бесконечные циклы дообучения означают, что потребность клиентов в кластерах GPU переходит от проектных закупок к постоянному использованию, что увеличивает потенциальный размер рынка. Компании вроде Prime Intellect, Perplexity и Together AI, которые уже выполняют дообучение на платформе Nvidia, объявили о планах миграции или расширения своих нагрузок на платформу Vera Rubin.

Дообучение становится основным драйвером вычислительных мощностей в эпоху интеллектуальных агентов

В блоге Nvidia системно изложено стратегическое значение этапа дообучения. Фаза предобучения обеспечивает модели беглость в языке, а настоящая «интеллектуальность» — написание кода, многозадачное планирование, использование поисковых инструментов и восстановление после ошибок — формируется именно на стадии дообучения.

В дообучении применяется подход с подкреплением (RL): модель генерирует попытку для заданной задачи (forward propagation), затем попытка оценивается и веса модели корректируются (back propagation). За миллионы итераций способности модели постепенно растут. Nvidia подчеркивает, что этот процесс чрезвычайно требователен к вычислениям: тысячи параллельных средовых rollout, при полном использовании ускорителей.

Nvidia определяет показатель «интеллект на доллар» как метрику более высокого уровня по сравнению со стоимостью на один token: первая отражает операционную эффективность inference-фабрик, а вторая — рентабельность инвестиций при создании и обслуживании deployable модели. Метрики взаимосвязаны — снижение стоимости за токен также уменьшает затраты на создание интеллекта, а более интеллектуальная модель увеличивает ценность каждого токена.

Nemotron Ultra предоставляет верифицируемый бенчмарк дообучения

В подтверждение этих идей Nvidia раскрыла детали дообучения своей открытой модели Nemotron 3 Ultra. Эта модель содержит 550 миллиардов параметров, использует архитектуру mixture of experts (MoE), а цикл дообучения полностью реализован на фреймворке NeMo RL.

В реальном бенчмарке для программирования SWE-bench Verified Nemotron 3 Ultra набрала 71,7%: то есть примерно 7 из 10 реально взятых ошибок в open-source проектах были автоматически исправлены так, что изменения успешно проходят родные тесты. Nvidia отмечает, что результат бенчмарка можно проверить, а вся схема дообучения полностью раскрыта.

Также отмечается, что за счет снижения стоимости единичных запусков платформа Blackwell сделала частое дообучение, необходимое в эпоху интеллектуальных агентов, экономически оправданным. Платформа Vera Rubin продолжает эту тенденцию — поддерживает больше rollout, больше параллельных сред и нескончаемые циклы дообучения.

Крупнейшие клиенты подтверждают возможности платформы, планы миграции становятся явными

Ряд компаний, уже выполняющих дообучение на платформе Nvidia, раскрыли технические детали своих решений и подтвердили интерес к переходу на Vera Rubin.

Prime Intellect дообучает передовые open-source модели на платформе Blackwell и использует NVIDIA Dynamo для оркестрации inference. Компания интегрировала инфраструктуру «песочницы» с процессором NVIDIA Vera CPU — производительность по сравнению с x86 в реальной RL-нагрузке оказалась выше на 30%. Prime Intellect намерена с помощью Vera Rubin расширять масштабы сред для RL и ускорить итерации между обучением и инференсом.

Дообучающий стек Perplexity на основе RL асинхронно работает с сотнями GPU Nvidia, а собственный движок передачи весов по RDMA способен синхронизировать модели с триллионом параметров между нодами тренировок и инференса за 2 секунды. Дообученная модель Qwen3 235B затем была деплоена на NVIDIA GB200 NVL72.

Together AI предоставляет возможности дообучения как сервис, включая supervised fine-tuning, reinforcement learning и прямую оптимизацию предпочтений, доставляя их через API и SDK, работая на платформе Nvidia и заявляя о намерении интегрироваться с платформой Vera Rubin.