AI-modeller og plattformer

NVIDIA utvider porteføljen av åpne modeller for europeisk suveren KI

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

NVIDIA kunngjorde 21. oktober 2026 at selskapet utvider familien av åpne modeller innen språk, robotikk, biologi og kvantedatabehandling – en portefølje selskapet posisjonerer som et grunnlag for Europas suverene intelligens. Ifølge NVIDIA gir de åpne modellene organisasjoner et grunnlag de kan tilpasse med lokale data og ta i bruk på infrastruktur de selv kontrollerer. Dermed kan utviklere, forskere og bedrifter lage applikasjoner skreddersydd for lokale språk og bransjer.

Porteføljen omfatter de nye modellene NVIDIA Nemotron 3.5 Super VL og Nemotron 3.5 Bolt; de nye NVIDIA Nemotron Retriever-modellene for embedding, omrangering og dokumenttolking; den nye familien NVIDIA Kumo av grunnmodeller med åpne vekter og biblioteker for strukturerte forretningsdata; NVIDIA Cosmos 3.5-verdensmodeller; NVIDIA Alpamayo 2 Edge for selvkjørende kjøretøy; NVIDIA BioNeMo for helsevesenet og vitenskapelig forskning; og NVIDIA Ising for kvantedatabehandling.

Nemotron-økosystemet og bruk i næringslivet

Nemotron-serien tilbyr åpne språkmodeller, datasett og oppskrifter på trening for utviklere som bygger agenter. Ifølge NVIDIA håndterer modellene både tekst og bilder, og skal hjelpe agenter med å koordinere arbeidsflyter, løse komplekse problemer og utføre spesialiserte oppgaver til lavere kostnad. Modellene bygger på data, forskning og ekspertise fra NVIDIA Nemotron Coalition, deriblant de europeiske partnerne Black Forest Labs, H-Company og Mistral.

Dassault Systèmes, Domyn, Dream, kunder av Palantir, Salesforce, SAP, Shopify, Synopsys og WPP, samt tjenesteleverandørene Accenture og EY, samarbeider ifølge NVIDIA med Nemotron-modeller og datasett for å lage tilpassede modeller og bygge agenter for bestemte fagområder. Selskapet trakk også fram et økosystem av partnere innen ettertrening som tilpasser Nemotron til arbeidsoppgaver innen bestemte fagområder: AfterQuery, AgileRL, AI21, Alice, Applied Compute, Baseten, CoreWeave, Distil Labs, EON, Fastino, Fireworks, Google Cloud, Mercor, Multiverse Computing, Nebius, Handshake AI, Plurai, Prime Intellect, River.AI, Scale AI, Trajectory og TNG.

Utvidelsen av porteføljen kommer etter at NVIDIA 15. oktober 2026 lanserte Nemotron 3.5 Super VL og kantmodellene Nemotron 3.5 Bolt. Disse tilføyde en synspråkmodell med 120 milliarder parametere og to Bolt-varianter som kan kjøres lokalt, til modellfamilien.

Kumo-modeller for strukturerte bedriftsdata

Kumo-serien består av åpne grunnmodeller, biblioteker og verktøy rettet mot strukturerte forretningsdata. De kan brukes til å forutsi utfall, avdekke risiko for svindel og foreslå neste handlinger for agenter og applikasjoner. NVIDIA sier at Kumo, som en del av NVIDIA Agent Knowledge Foundation, skal korte ned tiden fram til prediksjoner og fjerne behovet for å bygge en egen maskinlæringspipeline for hver oppgave, slik at kostnadene og kompleksiteten reduseres.

Kumo-porteføljen omfatter NVIDIA Kumo Structured, med modeller for prediksjoner med relasjons- og tabelldata, prognoser og avviksdeteksjon, samt NVIDIA Kumo Engine, en åpen stakk av biblioteker for utvikling og utrulling av grunnmodeller for strukturerte data. Utviklere kan begynne med forhåndstrente Kumo-modeller og deretter finjustere dem med proprietære data når høy ytelse er avgjørende.

Cognite, Coinbase, Databricks, DoorDash, Revolut og Tubi er blant de første som samarbeider med Kumo-modeller for å fremskynde utviklingen, opplyste NVIDIA. Snowflake-kunder bruker allerede modellene i blant annet reklame, energi, finansielle tjenester og detaljhandel.

Cosmos-verktøy og Alpamayo 2 Edge

Cosmos, NVIDIAs familie av åpne grunnmodeller for den fysiske verden, er rettet mot utviklere som lager roboter, selvkjørende kjøretøy og synsagenter som opererer i den fysiske verden. De nye verktøyene for ettertrening og optimalisering av Cosmos skal forbedre verdensmodeller med mindre datakraft, og nye sjekkpunkter for simulering gjør det mulig for utviklere å evaluere atferd i interaktive scenarier for kjøring og robotmanipulering før testing i virkelige omgivelser.

NVIDIA presenterte også Cosmos Data Factory, et sett med veiledninger og grunnleggende agentferdigheter for å kuratere, merke, generere og evaluere treningsdata som dekker kjørescenarier, produktfeil, bildeutvidelse og generering av hendelser. Utviklere kan kjøre hele arbeidsflytene eller velge enkeltfunksjoner, mens agenter koordinerer prosessen. Porsche med Voxel51, ANYbotics med Encord, Zalando, CEVA Logistics med Sereact og Siemens bruker Cosmos Data Factory til å lage treningsdatasett og forbedre modellenes presisjon, ifølge NVIDIA.

For selvkjørende kjøretøy samler NVIDIA Alpamayo 2 Edge sanntidsforståelse av omgivelsene og bevegelsesplanlegging i en kompakt resonneringsmodell som kjører direkte i kjøretøyet. Modellen bygger på Cosmos 3 Edge, som er basert på Nemotron, og er optimalisert for NVIDIA DRIVE AGX Thor-plattformen. NVIDIA sier at den gjør det mulig for utviklere å levere avanserte kjørefunksjoner med lavere krav til datakraft i kjøretøyet. Alpamayo 2 Edge blir tilgjengelig for nedlasting på GitHub og Hugging Face senere i oktober 2026.

Proteinmodellering og kvantemodeller

NVIDIA BioNeMo RFD4-Proteina er en åpen modell for proteindesign utviklet av NVIDIA og Baker Lab ved Institute for Protein Design ved University of Washington. Den genererer proteinsekvenser og tredimensjonale strukturer og støtter forskning på proteiner som binder seg til vanskelige mål, settes sammen til komplekse strukturer eller fester seg til små molekyler. NVIDIA oppgir at RFD4-Proteina leverer ledende ytelse på tvers av mer enn 10 oppgaver innen proteindesign og genererer design omtrent 13 ganger raskere enn RFdiffusion3 i en referansetesting med proteiner på 200 aminosyrer. Ved hjelp av agenter kan forskere generere og evaluere kandidatdesign opp mot designmål og molekylære begrensninger før de velger hvilke som skal testes i laboratoriet.

NVIDIA Ising er en familie av åpne modeller som skal danne et felles, utvidbart grunnlag for kvantedatabehandling, fra sanntidskalibrering av maskinvare til feilretting på tvers av ulike qubit-teknologier. IQM Quantum Computers bruker Ising til å kalibrere kvanteprosessorene sine. Ifølge NVIDIA viser dette arbeidet at spesialiserte, åpne kalibreringsmodeller overgår store modeller for generelle formål. SEEQC kombinerer NVIDIA NVQLink-plattformen og Ising-modeller med sin Digital Link for å møte kravene til lav forsinkelse ved kvantefeilretting i sanntid. AWS integrerer Ising-familien i AWS Parallel Computing Service, slik at forskere kan bygge videre på modellene før de tas i bruk, opplyser NVIDIA. Selskapet påpeker at dekoding vanligvis utføres på klassisk maskinvare som er plassert sammen med kvanteprosessoren, på grunn av kravene til lav forsinkelse.

Tilgjengelighet

Nemotron 3.5 Super VL er tilgjengelig på Hugging Face, ModelScope, OpenRouter og build.nvidia.com som en NVIDIA NIM-mikrotjeneste, samt gjennom NVIDIAs sky-, ettertrenings- og inferenspartnere. Nemotron 3.5 Bolt E4B 4GB-modellen forventes å bli tilgjengelig 23. oktober 2026.

De åpne Nemotron Retriever-modellene er tilgjengelige på Hugging Face, på ulike partnerplattformer og som en NVIDIA NIM-mikrotjeneste på build.nvidia.com. De åpne Kumo-modellene er tilgjengelige på Hugging Face og tilbys som en NVIDIA NIM-mikrotjeneste for inferens i produksjon på build.nvidia.com. Cosmos er fritt tilgjengelig på Hugging Face og GitHub samt gjennom utvalgte inferenspartnere.

Den åpne modellen BioNeMo RFD4-Proteina er tilgjengelig på build.nvidia.com som en NVIDIA NIM-mikrotjeneste, samt på GitHub, Hugging Face og gjennom utvalgte inferenspartnere. Ising er tilgjengelig på GitHub, Hugging Face og build.nvidia.com.

Jonas Reeve er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, med fokus på kognitiv AI, kunstig generell intelligens (AGI) og de teoretiske grunnlagene for maskinintelligens. Arbeidet hans utforsker hvordan læring, resonnering, hukommelse og abstraksjon oppstår i både biologiske og kunstige systemer, og trekker forbindelser mellom moderne AI-arkitekturer og langvarige spørsmål innen kognitiv vitenskap og sinnets filosofi.

Med en konseptuell og reflekterende tilnærming undersøker Jonas rammeverk som resonneringsmodeller, agentbaserte systemer, emergent kognisjon og justeringsteori, med mål om å klargjøre hva fremgang mot AGI faktisk betyr – og hva det ikke betyr. I stedet for å jage tidslinjer eller hype, legger han vekt på første prinsipper, konseptuell grundighet og begrensningene i dagens modeller.

Artikler skrevet av Jonas Reeve er AI-genererte og gjennomgås av Unite.AI sitt redaksjonsteam for å sikre nøyaktighet, klarhet og ansvarlig diskusjon av avanserte AI-konsepter.