Nvidia запустила стратегическую линию открытых моделей, нацеленную на две разные ниши: корпоративные агенты в собственных датацентрах и локальные агенты на потребительских ПК. Это логичный ход для компании, которая хочет удержать свою позицию по мере того, как frontier-лаборатории (OpenAI, Anthropic, Google) начинают искать альтернативы Nvidia-чипам и даже разрабатывают свои акселераторы.

Nemotron 3.5 Super VL — это 120-миллиардная параметрическая модель для enterprise-задач. Nvidia заявляет, что она работает быстрее конкурирующих моделей при пост-обучении на специфических агентических задачах: обработка документов, финансовый учет, научные эксперименты, страховые выплаты, резилентность к атакам. В качестве подтверждения компания привела список клиентов — Skydance, EY, Ramp, Crowdstrike, Perplexity, Salesforce. Это выглядит убедительнее стандартных маркетинговых заявлений, хотя проверить реальную масштабность развертываний невозможно до деталей бенчмарков.

Параллельно Nvidia выпустила две компактные модели Bolt для локального запуска на новых ПК с RTX Spark (выпускаются сейчас через Microsoft и Dell) и рабочих станциях. Bolt 74B-A9B на 24 ГБ балансирует между скоростью и рассуждениями для многошаговых задач с использованием инструментов, а Bolt E4B меньше и заточен под диалоги. Идея понятна: убедить потребителей в том, что агенты, которые обрабатывают личные данные, лучше запускать локально, чем отправлять в облако.

Но здесь есть натяжка. Потребительских AI-ассистентов выпускается по одному в день, и большинство фейлят. Privacy-аргумент сильный, но локальные модели требуют железа, которое среднестатистический пользователь не готов платить. RTX Spark — это по-прежнему дорогой чип, вставленный в премиум-ПК от Dell и Microsoft. Размер Bolt E4B и его способности к агентским задачам неясны из текста, хотя анонс намекает, что это именно легкая версия.

Шире: Nvidia давит на тренд, когда enterprise хочет запускать свои открытые модели в своих датацентрах, вместо того чтобы платить за API закрытых лабораторий. Это хороший бизнес для Nvidia — чипы, софт, экосистема. Но конкуренция на чипах растет (AWS Trainium, Cerebras, и сами frontier-лабы строят свои ускорители), поэтому для Nvidia критично оставаться де-факто стандартом через Open Models-стратегию. Nemotron — это не первая попытка (раньше были другие модели), но Super VL + Bolt комбо выглядит более скоординированно.

Для российского бизнеса релевантна прежде всего задача с Super VL: корпорациям, которым нужны агенты для документооборота, финансовой аналитики или обработки запросов, теперь есть открытая модель, которую можно дообучить на своих данных и запустить на своем железе без зависимости от зарубежных API. Это особенно важно для компаний с требованиями к локализации данных. Правда, для полноценного запуска потребуется собственная инфраструктура типа на базе Nvidia-чипов — облачные решения вроде VK Cloud или Yandex Cloud могут предложить это, но это отдельный вопрос доступности и цены.

Локальные Bolt-модели для ПК российском рынке пока маргинальны просто потому, что ПК на RTX Spark еще не дошли до массовых продаж, да и спрос на локальных AI-агентов у рядового пользователя остается теоретическим. Но для разработчиков и knowledge workers это может быть полезно как песочница для экспериментов с агентами без отправки данных в облако.