Nemotron: el model petit afinat que bat un de 18 vegades més gran

El mateix model obert sota tres productes diferents

En cinc setmanes, tres organitzacions diferents han arribat al mateix lloc pel seu compte. L'11 d'agost de 2026, Fastino Labs va publicar dos models especialitzats, un de finances i un altre de sanitat. El 10 de setembre, Nvidia i Palantir van ensenyar a l'AIPCon un model que reparteix components escassos entre les fàbriques de Nvidia. El 15 de setembre, Salesforce va presentar Koa, el motor de raonament dels seus agents.

Palantir és l'empresa nord-americana de programari d'anàlisi de dades per a governs i grans companyies, i aquí Nvidia hi figura com a client. Salesforce és la nord-americana de programari de gestió de clients, i va anunciar Koa a Dreamforce, el seu congrés anual. De Fastino Labs només consta el que publica.

Nvidia publica el model demanant que el modifiquin

La fitxa oficial de Nemotron 3.5 Lightning descriu els seus pesos com «els pesos de referència del model, pensats principalment com a punt de partida per a la personalització: post-entrenament —SFT, aprenentatge per reforç, destil·lació— i adaptació a un domini». Nvidia no publica un producte acabat, sinó un material de construcció.

El permís ve de sèrie: la Nvidia Nemotron Open Model License deixa fer servir, modificar i desplegar comercialment els models i els seus derivats; és perpètua, gratuïta i irrevocable, i Nvidia no es reserva la propietat del que generin. Només demana incloure un avís en redistribuir. Què hi guanya, no ho explica.

Un model de 30.000 milions encerta més que un de 550.000

El cas de Nvidia i Palantir porta l'única comparació neta. La tasca és repartir les peces que escassegen —CPU Grace, GPU Blackwell i memòria HBM3e— entre les plantes de muntatge, amb un rack Vera Rubin d'1,3 milions de peces i una disponibilitat que canvia cada setmana. El model avalua el risc, recomana un rang i explica el seu raonament.

Compte amb l'autoria: no és un model de Palantir. És el model obert de Nvidia, post-entrenat per les dues empreses juntes sobre Palantir Foundry, la plataforma de dades de Palantir, i qui se'n beneficia és la cadena de subministrament de Nvidia. No té nom propi, i si en publicaran els pesos, tampoc no es diu.

Els números són d'una prova retrospectiva pròpia, sense auditoria externa: el Lightning afinat encerta el 86,7 %, davant del 55,5 % de l'Ultra generalista de 550.000 milions i del 17,5 % del Lightning sense afinar. Sobre quants casos es va mesurar, no ho diuen.

Salesforce ha ficat gairebé trenta anys de desplegaments dins del model

Koa no és un agent: és el model que raona per sota d'ells, fet «per ajudar els agents a raonar en fluxos de treball complexos i de diversos passos». Es va construir post-entrenant Nemotron 3 Super amb dades sintètiques pròpies, modelades sobre gairebé tres dècades d'implantacions. Quants paràmetres té, no ho diu.

La seva xifra demana pinces: Salesforce diu que Koa «iguala o supera el rendiment dels models capdavanters en accions de CRM amb tres vegades menys errors», però la mesura és seva, sobre un banc de proves propi, sense auditoria externa i sense dir contra qui competeix. Hi ha pilots des d'octubre a Agentforce i disponibilitat general prevista per a l'hivern de 2026 als Estats Units. Els pesos no es publiquen.

Només un dels tres ha obert el que va construir

Fastino Labs tanca el patró per l'extrem contrari: els seus dos models són a Hugging Face amb els pesos oberts sota Apache 2.0, i tot el post-entrenament el va executar un agent autònom en menys de deu hores. Les seves xifres, també pròpies, van del 15,86 % al 59,23 % a FinQA, preguntes sobre informes financers, i arriben al 64,98 % a MEDEC, errors en textos clínics.

El cop final el va posar Amazon el 16 de setembre: SageMaker AI va afegir l'afinat sense servidor de Nemotron 3.5 Lightning. No és una quarta empresa amb el seu model, és un proveïdor que industrialitza el procés: el que exigia un equip capaç de post-entrenar passa a ser un formulari.