Nvidia positioniert Vera Rubin für kontinuierliches Post-Training von KI-Agenten
Kurz in fünf Sätzen
- Nvidia bezeichnet kontinuierliches Post-Training als zentrale Rechenlast der agentischen KI.
- Der Konzern führt dafür die Kennzahl Intelligenz pro Dollar ergänzend zu Kosten pro Token an.
- NeMo Gym und NeMo RL sollen verteilte Trainingsumgebungen und Reinforcement Learning standardisieren.
- Nvidia behauptet, Vera Rubin könne größte Modelle mit einem Viertel der Blackwell-GPUs trainieren.
- Die Leistungs- und Effizienzwerte stammen überwiegend von Nvidia oder genannten Partnerunternehmen.
Ausführliche Einordnung
Nvidia stellt kontinuierliches Post-Training als wiederkehrenden Produktionszyklus für KI-Agenten dar. Werkzeuge und simulierte oder produktionsnahe Umgebungen erzeugen Rollouts, diese Versuche werden bewertet und die Ergebnisse für weitere Gewichtsaktualisierungen verwendet. NeMo Gym liefert die Umgebungen, während NeMo RL das verteilte Reinforcement Learning koordiniert. Wiederholte Verbesserung soll so zu einer Standardlast werden.
Neben Kosten pro Token bewirbt Nvidia Intelligenz pro Dollar als Kennzahl für Aufbau und laufende Verbesserung eines Modells. Als Beispiel nennt das Unternehmen Nemotron 3 Ultra, ein Mixture-of-Experts-Modell mit 550 Milliarden Parametern, und meldet 71,7 Prozent auf SWE-bench. Das ist eine Nvidia-Angabe. Zudem soll Vera Rubin größte Modelle mit einem Viertel der für Blackwell nötigen GPUs trainieren können.
Weitere Effizienzwerte stammen von Partnern. Prime Intellect meldet 30 Prozent mehr CPU-Durchsatz, Perplexity eine Synchronisierung für Billionen-Parameter-Modelle in weniger als zwei Sekunden. Das bleiben Anbieter- oder Partneraussagen. Pläne von Together und Prime Intellect beschreiben zukünftige Nutzung, keine etablierte Produktion. Belegt ist damit Nvidias Positionierung, nicht ein neutraler wirtschaftlicher Vorteil.