NVIDIA ha presentato l’estensione della propria famiglia di modelli con il lancio di Nemotron 3.5 Lightning, una soluzione open source basata su architettura Mixture-of-Experts (MoE) da 30 miliardi di parametri progettata per l’esecuzione di agenti intelligenti su dispositivi locali. Il modello offre una velocità nella generazione di token fino a quattro volte superiore e tempi di completamento delle attività ridotti del 30% rispetto alle soluzioni concorrenti di pari categoria.
Grazie alla disponibilità dei pesi aperti, sviluppatori e ricercatori possono personalizzare il sistema per adattarlo a specifici flussi di lavoro, quali la stesura di testi con stili e formati predefiniti, la comprensione di ambiti tecnici verticali come la grafica 3D o la programmazione informatica e la gestione di agenti di intelligenza artificiale adibiti all’automazione domestica o alla produttività individuale. Per agevolare l’implementazione nei sistemi locali, sono state attivate collaborazioni con piattaforme come vLLM, Ollama, llama.cpp, LM Studio e Unsloth, garantendo il supporto nativo per i formati quantizzati NVFP4 e GGUF attraverso Unsloth Studio.
La compatibilità hardware spazia dai personal computer dotati di schede RTX fino ai sistemi industriali NVIDIA Jetson, espandendosi verso workstation professionali, datacenter e infrastrutture cloud distribuite dai principali partner hardware. Parallelamente, è stata rilasciata su GitHub la libreria open source NeMo Switchyard, uno strumento di instradamento progettato per analizzare ogni fase operativa di un agente autonomo e indirizzarla verso il modello più idoneo in base a criteri di accuratezza, velocità e costo per token; dai benchmark interni pubblicati, il sistema di routing ha consentito di mantenere livelli prestazionali di fascia alta riducendo i costi di completamento a circa un terzo rispetto all’impiego isolato di modelli proprietari come Opus 4.8. Le risorse tecniche e le guide applicative sono state rese disponibili sui blog dedicati a Nemotron 3.5 Lightning, a NeMo Switchyard e all’ambiente Jetson AI, oltre alla distribuzione del modello tramite le API di build.nvidia.com sotto forma di microservizio NIM e sulla piattaforma OpenRouter.
