NVIDIA Nemotron 3 Ultra puxa 47,7 no Intelligence Index a 400 tok/s — e Jensen avisa: potência é o teto real da fábrica de IA

Resumo: a NVIDIA colocou em campo, em 13 de julho de 2026, a versão final do Nemotron 3 Ultra — um modelo com 550 bilhões de parâmetros totais e 55 bilhões ativos, arquitetura Mixture-of-Experts com atenção híbrida Mamba, pré-treinamento em NVFP4 e velocidade de mais de 400 tokens por segundo. Ele lidera o ranking Artificial Analysis Intelligence Index entre os pesos abertos americanos, com 47,7 pontos, à frente de Gemma 4 31B (39,2) e gpt-oss-120b (33,3). No mesmo movimento, a companhia publicou em 14 de julho um recado direto ao mercado: potência elétrica virou o teto real da fábrica de IA, e o que determina receita e lucro de um data center é quantos tokens ele consegue gerar por megawatt.

O que é o Nemotron 3 Ultra

Nemotron 3 Ultra é a última peça da família Nemotron 3 apresentada na Computex 2026 e liberada em versão preliminar em junho. A versão final introduz três blocos:

• LatentMoE: especialistas latentes que sobem acurácia em tarefas de reasoning sem inflar parâmetros ativos.
• Camadas MTP: otimizadas para speculative decoding nativo, ganhando velocidade de inferência.
• Reasoning budget control: parâmetro que limita “quanto o modelo pode pensar” por resposta — importante para custo em produção.

Do lado de treinamento, o post-training combina SFT, RL e uma técnica chamada Multi-teacher On-Policy Distillation (MOPD): vários modelos maiores geram o dataset de correção que ensina o Nemotron 3 Ultra a decidir melhor durante a própria política. Isso ajuda o modelo a manter qualidade em tarefas de longo horizonte sem passar de 55B parâmetros ativos por passo.

O que dizem os números

Comparando com outros modelos abertos e “abertos-fechados”:

• Intelligence Index (Artificial Analysis): Nemotron 3 Ultra 47,7 vs. Gemma 4 31B 39,2, Nemotron 3 Super 36,0, gpt-oss-120b 33,3.
• Throughput (8k in / 64k out): 5,9x GLM-5.1-754B-A40B; 4,8x Kimi-K2.6-1T-A32B; 1,6x Qwen-3.5-397B-17B.
• Velocidade de saída: mais de 400 tokens por segundo em provedores parceiros.

Traduzindo: em uma carga típica de agente com contexto grande e saída longa, o Nemotron 3 Ultra entrega quase o dobro do que os melhores modelos abertos comparáveis, com custo por token mais baixo.

Por que importa e status no Brasil

Duas leituras práticas. Para empresas com contratos NVL72 já em pé (financeiro, telecom, energia), Nemotron 3 Ultra vira alternativa aberta legítima para deixar de mandar todo trafego para APIs de fronteira — em especial para RAG e agentes internos. Para provedores de cloud brasileiros, é a chance de oferecer inferência competitiva rodando pesos abertos localmente, atendendo requisitos de residência de dados. O LangChain Deep Agents Harness anunciado pela NVIDIA cria uma trilha para adotar Nemotron sem construir orquestração do zero.

O aviso sobre potência

No mesmo dia útil em que anunciou o modelo, a NVIDIA subiu ao blog o recado: potência elétrica é a variável que determina receita e lucro de uma fábrica de IA. O relatório recente da IEA projeta consumo de 950 TWh em data centers de IA até 2030 — quase o triplo de hoje. A mensagem é geral, mas atinge de perto quem planeja data centers no Brasil: sem contratos de energia firmes e (idealmente) renováveis próximos ao Nordeste, cada nova geração de GPU vai render menos margem. Iniciativas como o DSX MaxLPS, que espreme 40% mais GPUs no mesmo megawatt, ganham peso comercial imediato.

Riscos e limitações

Nemotron 3 Ultra é competitivo, mas não gratuito. Rodar 550B parâmetros com throughput decente exige nó GB200 NVL72 ou equivalente — não é um modelo para self-hosting em laptop. O post-training MOPD é caro de reproduzir para quem quiser refinar em domínio próprio. E o campo de open weights está em ebulição: Kimi K2.6, Qwen 3.5, GLM 5.1 e Llama 5 devem responder em semanas.

SWOT — Nemotron 3 Ultra em produção

.pn-swot{display:grid;grid-template-columns:1fr 1fr;gap:12px;margin:20px 0;font-family:inherit}
.pn-swot .pn-q{padding:16px 18px;border-radius:8px;color:#fff}
.pn-swot .pn-q h4{margin:0 0 8px 0;font-size:1.05em;letter-spacing:.5px}
.pn-swot .pn-q ul{margin:0;padding-left:18px}
.pn-swot .pn-f{background:#1b7a3a}
.pn-swot .pn-fr{background:#d17d18}
.pn-swot .pn-o{background:#1d5fa8}
.pn-swot .pn-a{background:#a12727}
@media(max-width:640px){.pn-swot{grid-template-columns:1fr}}

Cenário — o próximo movimento

Se a NVIDIA seguir o script, o próximo passo é pacote comercial: Nemotron 3 Ultra combinado com AI Enterprise, NIM microservices e o próprio DSX MaxLPS. Para clientes finais, isso significa a possibilidade de assinar “capacidade + modelo” em um único contrato. Do outro lado, OpenAI (Jalapeño), Groq (3 LPU) e Google (TPU v6) empurram para reduzir o custo por token — e todos convergem no mesmo problema: energia.

Conclusão prática

Se você opera modelos abertos hoje, três ações valem para as próximas duas semanas: (1) benchmark local do Nemotron 3 Ultra contra o modelo que roda em produção, medindo tokens/s por watt no seu hardware; (2) reavaliar o desenho de agentes para aproveitar o reasoning budget control — ele evita o gasto de raciocínio em tarefas triviais; (3) trazer o time de infraestrutura para a mesa de arquitetura de IA. A partir de agora, decisão de modelo é indissociável da conta de luz.

Fonte original: NVIDIA Research — Nemotron 3 Ultra e Artificial Analysis.