NVIDIA liberou 3 modelos de IA abertos que rodam em qualquer GPU — um deles tem 1 milhão de tokens de contexto

A NVIDIA anunciou a família Nemotron 3 de modelos abertos, com pesos, dados de treino e recipes disponíveis no HuggingFace. São três tamanhos: Nano (eficiente, com variante Omni multimodal), Super (multi-agente, alta eficiência) e Ultra (raciocínio máximo para tarefas complexas). A arquitetura híbrida Mamba-Transformer MoE alcança 1 milhão de tokens de contexto. E roda em qualquer GPU NVIDIA, da RTX do seu notebook ao datacenter.

NVIDIA Nemotron 3: modelos abertos com arquitetura Mamba-Transformer MoE

A jogada da NVIDIA no mercado de IA aberta é maior do que parece à primeira vista. Não é apenas “mais um modelo open-source” — é a primeira vez que uma gigante de hardware lança uma família completa de modelos abertos com pesos, dados de treino e recipes disponíveis no HuggingFace.

Jensen Huang anunciou pessoalmente: “Open innovation is the foundation of AI progress.” Mais importante: os modelos rodam em qualquer GPU NVIDIA via vLLM, SGLang, Ollama, llama.cpp — do edge ao datacenter. Sem lock-in de plataforma.

Os três tamanhos do Nemotron 3

💡 Vai rodar Ollama numa VPS? A gente comparou o preço real em cada provedor — com renovação e requisitos — em VPS para Ollama.

A família Nemotron 3 é dividida em três variantes, cada uma pensada para um cenário diferente:

– **Nano** — modelos leves para sub-agentes eficientes. Inclui uma variante Omni multimodal (texto, imagem, áudio). Roda em hardware modesto, ideal para edge computing e inferência local sem depender de nuvem.
– **Super** — foco em sistemas multi-agente com alta eficiência. O ponto ideal entre performance e custo computacional para a maioria dos casos de uso do dia a dia.
– **Ultra** — raciocínio máximo para tarefas complexas. Concorre diretamente com DeepSeek-V4 e Claude Fable 5 em benchmarks de raciocínio e análise.

O que realmente diferencia o Nemotron 3 dos concorrentes é a arquitetura por trás dele.

### Mamba-Transformer MoE: por que isso importa

Enquanto modelos como GPT-5.6 e Claude Fable 5 usam transformers puros, a NVIDIA combinou duas abordagens:

– **Mamba** (state-space model) — mais eficiente em sequências longas, com consumo de memória que escala linearmente em vez de quadraticamente.
– **Transformer clássico com MoE (Mixture of Experts)** — melhor em tarefas de raciocínio que exigem atenção a detalhes específicos.

O resultado é um modelo híbrido que alcança **1 milhão de tokens de contexto**, suficiente para processar livros técnicos inteiros, bases de código extensas ou conversas longas em uma única chamada. Para referência, o GPT-5.6 tem 256K tokens de contexto. O Nemotron 3 Ultra oferece 4x mais.

Quem já está usando

Os primeiros adotantes incluem Accenture, Cadence, CrowdStrike, Cursor, Deloitte, EY, Oracle Cloud, Palantir, Perplexity e ServiceNow. A diversidade de setores chama atenção — vai de consultoria (Accenture, Deloitte) a cibersegurança (CrowdStrike) e busca (Perplexity).

A adoção pelo **Cursor**, concorrente direto do Claude Code e GitHub Copilot, é um sinal forte de que os modelos têm qualidade competitiva para tarefas de programação no mundo real.

IA soberana: o contraponto ao avanço chinês

A NVIDIA posiciona o Nemotron 3 como parte de uma estratégia de **IA soberana** — países podem adaptar os modelos a seus próprios dados, regulamentações e valores culturais. Isso ressoa diretamente com o debate brasileiro sobre LGPD e soberania digital.

O movimento também funciona como **contraponto ao avanço chinês** em IA aberta. DeepSeek, Alibaba (Qwen) e Z.AI vêm dominando o espaço de modelos abertos com opções cada vez mais competitivas. A NVIDIA entra como player americano com um modelo aberto e transparente — e com a vantagem de ser dona do hardware onde esses modelos rodam. Como abordamos neste artigo sobre a liderança chinesa em IA aberta, o domínio chinês vinha sendo um dos fatores mais comentados do mercado de IA em 2026.

O que isso significa para devs brasileiros

No Brasil, o preço das GPUs NVIDIA chega a até **2x o valor internacional** por causa de impostos e markups. Uma RTX 5090 que custa US$ 1.999 lá fora sai por mais de R$ 25 mil aqui. Ter modelos open-weight que rodam em hardware modesto não é luxo — é necessidade.

A arquitetura Mamba-Transformer híbrida é mais eficiente que transformers puros. Na prática, isso significa rodar modelos maiores com menos VRAM. O **Nemotron 3 Nano** pode rodar em uma RTX 3060 (12GB), placa que muitos devs brasileiros já têm. O Super roda confortavelmente em uma RTX 4090. Sem precisar de cluster na nuvem ou API de terceiros. Inferência 100% local.

Para quem desenvolve aplicações com IA no Brasil, isso abre possibilidades:

– **Dados sensíveis ficam na máquina.** Com LGPD cada vez mais aplicada, rodar modelos localmente elimina o risco de enviar dados de clientes para APIs estrangeiras.
– **Custo previsível.** Sem taxa por token. Depois que você tem o hardware, a inferência é gratuita.
– **Personalização real.** Os recipes de treino estão disponíveis — você pode fine-tunar o modelo com dados brasileiros.

Além do LLM, a NVIDIA disponibilizou modelos também para **visão computacional, retrieval aumentado (RAG), falas e segurança**. É um ecossistema completo, não apenas mais um chatbot open-source.

A visão do Runzos

O Nemotron 3 marca uma mudança de postura da NVIDIA. A empresa sempre foi vista como “fabricante de hardware que faz software para vender placa de vídeo”. Com modelos abertos de alto nível, ela se torna **player direto no mercado de IA**, competindo com OpenAI, Anthropic, DeepSeek e Google — enquanto continua sendo dona do hardware que todos eles usam.

É uma posição única de integração vertical que nenhuma outra empresa do setor tem.

Para o desenvolvedor brasileiro, a mensagem é clara: o ecossistema de IA aberta está mais rico e competitivo do que nunca. E, desta vez, um dos protagonistas é uma empresa que provavelmente já está dentro do seu computador.