Для бизнеса эта новость — не про ещё одну модель в длинном списке AI-анонсов. Она про контроль. Когда агент работает с договорами, счетами, медицинскими записями, CRM или финансовой отчётностью, владельца интересует не только «насколько оно умное». Есть вопросы проще и больнее: где лежат данные, кто управляет моделью и можно ли обучить её под реальные процессы компании.
Nvidia движется именно в эту сторону. Как пишет TechCrunch AI, компания запустила новые open-weight модели для постоянно активных агентов и edge computing. Речь о сценариях, где AI не просто отвечает в чате, а выполняет задачи: читает документы, использует инструменты, запускает действия и может работать ближе к инфраструктуре компании или прямо на устройстве.
Больше контроля над агентами — значит больше работы для бизнеса
Главная новинка для корпоративного сегмента — Nemotron 3.5 Super VL. Это крупная модель на 120 миллиардов параметров, ориентированная на агентов в enterprise-среде. Nvidia утверждает, что хотя параметров у неё меньше, чем у Nemotron 3 Ultra, точность в задачах следования инструкциям и использования инструментов должна быть сопоставимой.
Компания также заявляет, что Super VL быстрее справляется с отдельными агентными задачами, чем конкурирующие модели Anthropic и OpenAI, если дополнительно обучить её под конкретные сценарии. Среди таких сценариев Nvidia называет работу с документами, финансовый учёт, научные эксперименты, страховые медицинские заявки и устойчивость к кибератакам.
Звучит впечатляюще. Но мы бы не советовали воспринимать это как готовый ответ на все бизнес-задачи. Каждый крупный вендор показывает себя в выгодном свете на собственных тестах — и это нормальная часть рынка. Проверять всё равно придётся на своих данных, своих документах и своих ошибках.
Самое интересное здесь другое. Nvidia делает ставку на компании, которые хотят запускать открытые модели в собственных дата-центрах, дообучать их на своих данных и не отдавать весь процесс закрытой платформе. Среди компаний, которые, по словам Nvidia, используют Super VL, названы Skydance, EY, Ramp, Crowdstrike, Perplexity и Salesforce.
Для среднего бизнеса это не значит, что завтра нужно покупать сервер и отказываться от всех SaaS-провайдеров. Но направление уже видно. Если у вас клиника, логистическая компания или финансовая фирма, где каждый день крутятся чувствительные документы, локальные или полулокальные агенты постепенно становятся более реалистичной альтернативой облачным решениям.
AI на ПК: приватность становится аргументом, а не бонусом
Вторая часть анонса — более лёгкие модели Bolt. Они созданы для локального запуска на новых AI‑ПК с чипом Nvidia RTX Spark и рабочих станциях DGX Spark. Такие устройства уже выходят на рынок через партнёров вроде Microsoft и Dell.
Nemotron 3.5 Bolt 74B-A9B 24GB — модель на 74 миллиарда параметров для локальных агентных задач. Она должна балансировать скорость и reasoning, работать с многошаговыми задачами, вызовом инструментов и веб-браузингом. Меньшая Bolt E4B ориентирована на разговорных агентов и должна появиться позже в этом месяце. Nvidia сообщает, что Super VL и Bolt 74B-A9B уже доступны.
Представим маркетинговое агентство. Менеджер хочет, чтобы AI-агент собрал материалы для презентации, проверил файлы клиента, подготовил черновик письма и не отправлял всё это в облако. Или интернет-магазин, где оператор обрабатывает обращения покупателей, но часть данных о платежах и возвратах должна оставаться локально. Именно здесь Nvidia пытается продать идею приватного помощника на устройстве.
С практической точки зрения мы бы начинали не с выбора модели, а с одного процесса. Например, счета, заявки, договоры или обращения клиентов. Там должна быть повторяемая работа с документами или инструментами, иначе агент быстро превратится в красивую демо-версию без пользы.
- Проверьте, действительно ли нужен локальный запуск. Для части задач облачный LLM всё ещё будет дешевле и проще.
- Посмотрите на качество данных. Агент на собственной инфраструктуре не спасёт процесс, если файлы разбросаны, CRM заполнена кое-как, а правила работы живут только в головах сотрудников.
- Закладывайте безопасность и мониторинг с первого дня: права доступа, журналы действий, ограничения на инструменты и тестирование на ошибки.
Наша позиция проста: открытые модели Nvidia не делают внедрение AI лёгким. Они дают бизнесу больше вариантов архитектуры. Можно строить агентов ближе к своим данным, меньше зависеть от закрытых платформ и точнее настраивать модель под процессы.
Но магии здесь нет. Без нормальной постановки задачи, RAG, интеграций и контроля такой агент быстро превратится в дорогую игрушку. И вот тут начинается самое интересное: выигрывают не те, кто первым поставит модель, а те, кто лучше подготовит для неё работу.