A Nvidia lançou dois projetos open-source em 11 de agosto: o Nemotron 3.5 Lightning, um modelo MoE de 30 bilhões de parâmetros, e o NeMo Switchyard, uma biblioteca de roteamento de modelos. À primeira vista, parece que a Nvidia está entrando na corrida dos modelos open-source. Não está. É algo muito mais estratégico — e muito mais consequente para a forma como as empresas vão realmente implantar IA.
O Produto: Um Especialista, Não um Generalista
O Nemotron 3.5 Lightning não é, de propósito, um modelo de fronteira. Ele foi construído para uma única coisa: tarefas de agentes de alta frequência. Revisão de código, chamadas de ferramentas, monitoramento de alertas de segurança, perguntas e respostas sobre faturamento — o trabalho repetitivo e pesado em execução que consome chamadas de API mas não precisa de raciocínio nível GPT-5.
Os próprios testes da Nvidia, o PinchBench, mostram que o modelo alcança o Qwen 3.6-35B em precisão enquanto roda ~30% mais rápido. No Intelligence Index da Artificial Analysis, ele pontua 24 — empatado com o gpt-oss-120b, abaixo dos maiores modelos, mas competitivo onde importa: cargas de trabalho reais.
O modelo roda em tudo, de PCs com RTX a data centers. A CrowdStrike está usando para segurança cibernética, a Harvey para serviços jurídicos e a CodeRabbit para revisão de código. A CodeRabbit, segundo relatos, treinou um agente roteador funcional em duas horas e por US$ 85 usando o NeMo Auto.
A Jogada de Infraestrutura: Switchyard
Aqui é onde fica interessante. O NeMo Switchyard não executa modelos — ele decide qual modelo executa. Ele roteia tarefas entre modelos com base em restrições de precisão, latência e custo. A LangChain o testou em 145 tarefas de agentes com múltiplas rodadas: apenas 7% das chamadas foram para modelos de fronteira, a precisão caiu 6% e os custos caíram 74%.
A Ramp obteve uma redução de 58% nos custos com desempenho equivalente em seu SWE-Bench. A integração do Devin Desktop, da Cognition, cortou os custos em 28% em comparação com o uso de um único modelo de fronteira do início ao fim.
A implicação é clara: a estratégia vencedora em IA empresarial não é “usar o melhor modelo para tudo”. É “usar o modelo certo para cada etapa e alternar de forma inteligente”.
Por Que a Nvidia Está Fazendo Isso
Há três semanas, Jensen Huang endossou publicamente os modelos open-source. Seu raciocínio era direto: “IA gratuita é boa para hardware e chips”.
Esse é o ponto-chave. A Nvidia não precisa que o Nemotron supere o GPT-5. Ela precisa que mais empresas implantem IA — qualquer IA — porque cada implantação consome computação. Quanto mais modelos rodando, mais GPUs vendidas. Os modelos open-source reduzem a barreira de entrada, o que expande o mercado endereçável total para o verdadeiro negócio da Nvidia: silício e infraestrutura.
Mas há também um jogo de longo prazo. A Nvidia está construindo um ecossistema: modelos, dados de treinamento, ferramentas de avaliação, frameworks de desenvolvimento, recursos de computação. Reflection, Cursor, Thinking Machines e Mistral estão contribuindo com dados de treinamento e expertise de design. A Prime Intellect está fornecendo ambientes de simulação. Os compromissos plurianuais da Nvidia com nuvem já somam US$ 28 bilhões, estendendo-se até o início de 2031.
Não se trata de ter o melhor modelo. Trata-se de ter a infraestrutura sobre a qual todos os modelos rodam.
A Mudança Maior
A indústria de IA está passando por uma transição estrutural. A primeira fase foi centrada nos modelos: quem tem o modelo maior e mais inteligente? A segunda fase é centrada na infraestrutura: quem consegue orquestrar múltiplos modelos, rotear tarefas com eficiência e reduzir custos sem sacrificar capacidade?
Nemotron 3.5 Lightning + Switchyard é uma aposta na segunda fase. E é uma aposta que joga diretamente nos pontos fortes da Nvidia — não como construtora de modelos, mas como a plataforma que conecta modelos, ferramentas, computação e desenvolvedores.
Para as empresas, a lição é prática: comece a pensar em portfólios de modelos, não em monogamia de modelos. A economia de custos com roteamento inteligente é real e mensurável. A vantagem competitiva nos próximos 12–24 meses pode não vir de usar um modelo melhor, mas de usar múltiplos modelos da melhor forma.
Fontes: 36Kr/Tencent Tech, Artificial Analysis, comunicados oficiais da Nvidia
