NVIDIA і LangChain вивели Nemotron 3 Ultra в лідери серед open agent-моделей

NVIDIA повідомила, що LangChain спеціально налаштувала Deep Agents harness під Nemotron 3 Ultra, і саме ця зв'язка дала моделі найкращий результат серед відкритих моделей у публічному benchmark-наборі LangChain. Компанія стверджує, що профіль не лише підняв точність, а й дозволив завершувати більше завдань із вищою пропускною здатністю та приблизно вдесятеро нижчою вартістю inference на один запуск порівняно з провідними закритими моделями. Окремо в матеріалі сказано, що Nemotron 3 Ultra досягла паритету з найрезультативнішими закритими моделями саме в бізнес-завданнях із набору Deep Agents. Усі ці зміни отримали без retraining самої моделі: LangChain аналізувала execution traces і перебудовувала system prompts, описи інструментів, middleware та логіку agent-оточення. Це означає, що приріст походить не з нової вагової версії моделі, а з того, як саме побудована вся система навколо неї.

«Спосіб будувати кращих агентів — постійно поліпшувати систему навколо моделі», — сказав співзасновник і CEO LangChain Гаррісон Чейз.

NVIDIA додає, що tuned-профіль уже доступний у LangChain, а поряд просувається NemoClaw — відкритий reference blueprint для спеціалізованих агентів. У тексті також названі компанії, які вже використовують або вбудовують подібні agent-системи, зокрема Box, Abridge, Amdocs та EY. Тобто сторінка описує не лабораторний експеримент, а конкретний набір інструментів, який можна запускати в enterprise-середовищі вже зараз. Для команд це практично означає дешевші постійні evaluation-цикли, швидші спроби з agent-workflow і меншу залежність від одного закритого стеку. У підсумку головний факт новини простий: NVIDIA і LangChain намагаються довести, що відкритий agent-стек можна не просто показувати на демо, а доводити до робочого рівня з вимірюваною точністю, швидкістю й економікою запусків.