Nvidia: від «одноразового навчання» великих моделей до «посттренувального вдосконалення» Agent, потреба в обчислювальній потужності змінюється

NVIDIA розширює основну ціннісну пропозицію своєї платформи наступного покоління Vera Rubin від вартості інференції до ефективності навчання моделей, роблячи ставку на новий показник "інтелект за долар" (intelligence per dollar), прогнозуючи, що посттренінг стане ключовою потребою у ресурсах обчислення в епоху AI-агентів.

У офіційному блозі NVIDIA пояснює, що із зростанням Agentic AI циклічний посттренінг перетворився з одноразового завершального етапу на основне навантаження. На відміну від традиційних генеративних моделей, агентні AI повинні планувати, викликати інструменти та самостійно виправляти помилки під час виконання, а їх середовище змінюється щотижня, що призводить до постійного накопичення потреби у потужностях для посттренінгу. NVIDIA заявляє, що платформа Vera Rubin спеціально розроблена для такого сумісного навантаження, дозволяючи навчати найбільші моделі при використанні лише чверті GPU у порівнянні з попередньою платформою Blackwell.

Ця позиція напряму стосується логіки продажу обчислювальної потужності NVIDIA: нескінченний цикл посттренінгу означає, що замовники переходять від проектного використання до постійної потреби у GPU-кластерах, розширюючи потенційний ринок. Prime Intellect, Perplexity та Together AI, які вже виконують посттренінгові навантаження на платформі NVIDIA, підтвердили свої плани щодо переходу чи розширення на платформу Vera Rubin.

Посттренінг стає основним драйвером обчислювальної потужності в епоху агентних AI

NVIDIA систематично описує стратегічну роль посттренінгу у своєму блозі. Етап попереднього навчання забезпечує мовну розбірливість моделі, тоді як справжній "інтелект" — включаючи написання коду, планування багатокрокових задач, використання пошукових інструментів і відновлення після помилок — формується під час посттренінгу.

Посттренінг використовує технологію підкріплювального навчання (RL): модель генерує спроби для завдання (forward propagation), ці спроби оцінюються і модель коригується (back propagation). Після мільйонів ітерацій можливості моделі поступово покращуються. За словами NVIDIA, цей процес потребує інтенсивного використання потужностей: тисячі паралельних середовищ генерують rollout, і акселератори працюють на повній завантаженості.

NVIDIA позиціонує "інтелект за долар" як вищий показник над "вартістю за токен": перший вимірює ефективність роботи інференційної фабрики, другий — чи вигідно вкладати у створення та підтримку моделі, гідної розгортання. Показники взаємопов’язані — зниження вартості за токен також зменшує витрати на формування інтелекту, а більш розумна модель збільшує цінність кожного токена.

Nemotron Ultra пропонує перевірені бенчмарки посттренінгу

На підтвердження своїх тверджень NVIDIA розкрила подробиці посттренінгу відкритої моделі Nemotron 3 Ultra. Модель має 550 мільярдів параметрів, застосовує структуру експертів (MoE), а посттренінг здійснюється повністю у рамках NeMo RL.

У реальному бенчмарку програмування SWE-bench Verified Nemotron 3 Ultra набрала 71,7%: із реальних дефектів ПЗ з відкритих проектів модель формулювала ефективні рішення, які проходили внутрішні тести у семи з десяти випадків. NVIDIA зауважує, що ці результати доступні для перевірки, а посттренінг повністю відкритий.

Водночас NVIDIA підкреслює, що платформа Blackwell зробила високочастотний посттренінг економічно вигідним, зменшуючи витрати на один запуск; Vera Rubin продовжить цей шлях — підтримуючи більше rollout, більше паралельних середовищ та нескінченний цикл посттренінгу.

Провідні клієнти підтверджують можливості платформи та розкривають плани міграції

Ряд компаній, що вже виконують посттренінгові навантаження на платформі NVIDIA, розповіли про технічні деталі і заявили про наміри мігрувати на Vera Rubin.

Prime Intellect постійно здійснює посттренінг передових відкритих моделей на платформі Blackwell і використовує NVIDIA Dynamo для інференційного менеджменту. Компанія інтегрувала sandbox-інфраструктуру з NVIDIA Vera CPU, і у порівняльних тестах із x86 формат Vera CPU забезпечила на 30% більшу пропускну здатність у RL-середовищах. Prime Intellect планує розширити підкріплювальні середовища та прискорити цикл тренування–інференції завдяки Vera Rubin.

RL-стек посттренінгу Perplexity працює асинхронно на сотнях GPU NVIDIA, а їхній двигун передачі ваг на базі RDMA синхронізує модель з трильйонами параметрів між тренувальними та інференційними вузлами за 2 секунди. Модель Qwen3 235B після посттренінгу розгортається на системі NVIDIA GB200 NVL72.

Together AI надає посттренінгові функції як сервіс, охоплюючи супервізоване тонке налаштування, RL і прямий оптимізацію уподобань, доставляючи їх через API та SDK. Зараз рішення працює на платформі NVIDIA і компанія повідомляє про намір інтегруватися з платформою Vera Rubin.