Nel settore dell’intelligenza artificiale esiste una regola non scritta: i modelli migliori restano chiusi dietro API, contratti enterprise e fatture sempre più pesanti. Nvidia ha appena deciso di rompere questa convenzione. Con il rilascio di Nemotron 3 Ultra, l’azienda non ha semplicemente pubblicato un nuovo modello; ha distribuito gratuitamente quello che definisce il proprio sistema più avanzato, accompagnandolo da pesi, dati di addestramento, dataset di fine-tuning e perfino dalle procedure utilizzate per costruirlo.
La scelta è strategicamente molto più importante delle prestazioni dichiarate. Negli ultimi due anni il mercato dell’AI è stato dominato da una contraddizione evidente: l’open source accelerava l’innovazione, mentre i modelli realmente competitivi tendevano a diventare sempre più chiusi. Nvidia sta tentando di occupare una posizione intermedia, offrendo un modello di frontiera ma mantenendo il controllo dell’infrastruttura hardware che continua a rappresentare il vero motore economico dell’intero ecosistema.
Nemotron 3 Ultra è stato progettato per risolvere un problema che chi sviluppa agenti AI conosce molto bene. L’opinione pubblica immagina che il costo di un agente intelligente derivi principalmente dalla generazione delle risposte. In realtà, nelle attività complesse e di lunga durata, gran parte delle risorse computazionali viene consumata nei processi decisionali intermedi. L’agente deve ricordare il contesto, valutare alternative, scegliere strumenti, verificare risultati e pianificare il passo successivo. Ogni ciclo di ragionamento rappresenta tempo di calcolo e quindi denaro.
Per affrontare questo collo di bottiglia, Nvidia ha adottato un’architettura ibrida che combina componenti Mamba e Transformer. I livelli Mamba consentono di elaborare grandi quantità di contesto con costi inferiori, mentre i Transformer mantengono la precisione nel recupero delle informazioni rilevanti. L’obiettivo non è soltanto aumentare l’intelligenza del modello, ma migliorare l’economia dell’intelligenza artificiale. In altre parole, fare in modo che un agente possa pensare di più spendendo meno.
Secondo i benchmark pubblicati dall’azienda, Nemotron raggiunge velocità fino a cinque volte superiori rispetto a modelli open source comparabili e riduce i costi operativi degli agenti fino al 30% nei flussi di lavoro più lunghi. Come sempre accade nel settore AI, questi numeri richiederanno verifiche indipendenti. Tuttavia la direzione tecnologica appare coerente con una tendenza ormai evidente: il futuro competitivo non dipenderà soltanto dalla qualità delle risposte, ma dal costo marginale del ragionamento.
Anche i risultati sui benchmark software meritano attenzione. Il modello ottiene punteggi compresi tra il 65% e il 70,4% su SWE-bench Verified, uno dei test più rispettati per valutare la capacità di correggere bug reali presenti nei repository GitHub. Ancora più interessante è la stabilità dei risultati attraverso differenti framework agentici, un segnale che suggerisce una robustezza operativa spesso assente nei benchmark più spettacolari ma meno realistici.
Il dettaglio probabilmente più rilevante non riguarda però il modello stesso. Nvidia ha distribuito 212 miliardi di token di addestramento aggiuntivi, 10 milioni di esempi per il fine-tuning e l’intero processo di training sotto la licenza OpenMDW della Linux Foundation. Questo significa che aziende, startup, università e governi possono non soltanto utilizzare il modello, ma comprenderne la costruzione e adattarlo ai propri casi d’uso.
La mossa assume una dimensione geopolitica difficile da ignorare. Negli ultimi mesi gran parte dei modelli open source più performanti è arrivata dalla Cina, inclusi sistemi sviluppati da laboratori come Moonshot AI. Dal punto di vista tecnologico questo non rappresenta necessariamente un problema. Dal punto di vista regolatorio e strategico, invece, la situazione cambia radicalmente quando si parla di banche centrali, ministeri della difesa, infrastrutture critiche o grandi operatori finanziari occidentali.
Molte organizzazioni non possono trasferire dati sensibili verso API esterne e guardano con cautela a modelli sviluppati sotto giurisdizioni differenti. In questo contesto Nemotron potrebbe occupare una nicchia estremamente redditizia: offrire prestazioni elevate mantenendo sovranità tecnologica, possibilità di audit e pieno controllo operativo.
Secondo le classifiche di Artificial Analysis riportate da Nvidia, Nemotron raggiunge un punteggio di 48, superando nettamente la seconda migliore alternativa open source statunitense, ferma a 39. Rimane comunque davanti il modello cinese Kimi K2.6, con un punteggio di 54. La distanza esiste ancora, ma appare molto più ridotta rispetto a pochi mesi fa.
Nvidia sta trasformando il proprio vantaggio competitivo in qualcosa di diverso dal software. L’azienda sembra aver compreso che il vero monopolio non risiede più nei modelli, che tendono inevitabilmente a diffondersi, ma nell’infrastruttura necessaria per addestrarli ed eseguirli. Regalare il software può diventare una strategia perfettamente razionale quando si vende l’equivalente delle pale durante una corsa all’oro.
Se le prestazioni dichiarate saranno confermate da benchmark indipendenti, la conseguenza potrebbe essere immediata. Il costo degli agenti avanzati diminuirà, l’adozione enterprise accelererà e molte aziende che oggi esitano tra modelli chiusi e open source potrebbero trovare una nuova opzione credibile. In un mercato ossessionato dalle dimensioni dei modelli, Nvidia sta proponendo una tesi diversa: il vantaggio competitivo non sarà chi possiede l’intelligenza artificiale più grande, ma chi renderà economicamente sostenibile utilizzarla su scala industriale. Questa settimana, più che un nuovo modello, potrebbe essere iniziata una nuova guerra dei costi dell’AI.