Conjuntos de Dados Abertos de Pós-Treinamento do Nemotron 3.5 Super VL: No Que Você Pode Realmente Fazer Fine-Tuning

A NVIDIA Nemotron 3.5 Super VL disponibilizou seus pesos no Hugging Face em 12 de outubro de 2026 e foi anunciado em 15 de outubro. A metade desse lançamento que a maior parte da cobertura deixou passar é justamente aquela sobre a qual você pode de fato construir: entre 12 e 15 de outubro, a organização nvidia publicou onze novos datasets de pós-treinamento — os corpora de ajuste fino supervisionado e de aprendizado por reforço por trás da própria descrição de treinamento em seis estágios do model card. Todos os onze indicam OpenMDW-1.1 como os termos que os regem, mas é aí que a uniformidade acaba. Dois deles aparecem como license: other no Hub; outros dois carregam uma segunda licença por causa do que há dentro deles; e os dois cards que nunca dizem "pronto para usos comerciais ou não comerciais" não são os que você imaginaria. Abaixo está o que há em cada conjunto, o que os cards publicam e não publicam a respeito, e como o lançamento inteiro se compara a um valor mediano de recuperação de acurácia de 99,62% que se lê de maneira bem diferente dependendo de qual documento da NVIDIA você abre.

O que chegou, e quando

O Hugging Face registra os timestamps de criação, então isto é lido em vez de estimado. Todos os onze repositórios surgiram dentro de uma janela de 61 horas:

• Nemotron-RL-litmus-bench-v0.2 — 12 de outubro, 16:37 UTC. Raciocínio em química, 47.118 perguntas de treino e 2.056 de teste, 64 MB, construído a partir do ChEMBL, dos dados do desafio OpenADMET ExpansionRx e de um conjunto ADME da Biogen. Licenciado sob dupla licença CC-BY-SA-4.0 e OpenMDW-1.1, porque as perguntas derivadas do ChEMBL carregam o termo de compartilhamento pela mesma licença.

• Nemotron-SFT-Agentic-v4 — 14 de outubro, 17:54 UTC. Trajetórias de uso de ferramentas de turno único e múltiplos turnos, 634.664 registros de conversa distribuídos entre uma divisão tool_calling de 549.707 e uma divisão knowledge_agent de 84.957, 18,88 GB. Gerado com Qwen3.5-397B-A17B e GLM-5.2.

• Nemotron-SFT-Instruction-Following-Chat-v4 — 14 de outubro, 17:55 UTC. Chat, seguimento de instruções multiturno e controlo do comprimento das respostas, 3.850.582 registos de conversa, 80,74 GB. Gerado com Kimi-K2.6, Gemma4-E4B-it e Qwen3.5-397B-A17B.

• Nemotron-SFT-Agentic-Finance-v1 — 14 de outubro, 18:54 UTC. 7.878 exemplos de chamada de ferramentas em múltiplos turnos abrangendo raciocínio numérico, modelagem financeira, análise de mercado, ajustes e perguntas sobre superar ou não as estimativas, com base em documentos públicos arquivados na SEC, 28 MB.

• Nemotron-RL-Agentic-Finance-v1 — 14 de outubro, 18:55 UTC. 10.185 tarefas de RL, as mesmas cinco famílias de tarefas, 166 MB, com o contexto dos documentos arquivados deliberadamente omitido, de modo que o agente tenha de recuperá-lo com sec_filing_search, parse_html_page e retrieve_information.

• Nemotron-SFT-Long-Context-Transduction-v1 — 14 de outubro, 19:47 UTC. 10.000 pares instrução–resposta, 1,22 GB, para rastreamento de posição e transformação de sequência. Nenhum modelo gerou estes: o cartão afirma explicitamente que nenhum modelo de linguagem produz os exemplos ou as respostas, e as quatro famílias de tarefas são avaliação aritmética, ordenação de tokens hexadecimais, expansão de variáveis e transformação de CSV.

• Nemotron-SFT-Long-Context-Translation-PG19-v1 — 14 de outubro, 20:14 UTC. 4.335 exemplos de tradução do inglês para vários idiomas, 2,22 GB, textos de origem extraídos de livros de domínio público do corpus PG-19 e traduzidos com o DeepSeek V4 Flash.

• Nemotron-RL-Finance-Tool-Calling-v1 — 14 de outubro, 22:46 UTC. 90.307 registros financeiros — 81.397 amostras principais de raciocínio mais 8.910 amostras mais amplas de agente financeiro — em 1,23 GB, executados no ambiente Finance SEC Search no NeMo Gym.

• Nemotron-SFT-Finance-Document-Grounded-Reasoning-v1 — 14 de outubro, 22:46 UTC. 63.056 exemplos em 1,01 GB, baseados em registros 10-K, 10-Q e 8-K de empresas do S&P 500, abrangendo 2017–2024.

• Nemotron-RL-Agentic-Conversational-Tool-Use-Seed-v1 — 14 de outubro, 23:45 UTC. 100.000 registros, 3,86 GB: políticas de seed, definições de ferramentas e cenários para o servidor de recursos conversation_tool_use_simulation, abrangendo hotelaria, comércio eletrônico, bancos e seguros, para conversas agênticas simuladas durante RL.

• Nemotron-SFT-BBQ-v1 — 15 de outubro, 05:22 UTC. Dados de equidade em inglês abrangendo idade, aparência física e deficiência — 2.000 registros cada, 6.000 no total, 8,0 MB — criados com base na taxonomia Bias Benchmark for QA, com conversas entre participantes fictícios concebidas para recompensar respostas baseadas em evidências em vez de suposições.

Duas coisas nessa lista importam mais do que as contagens de linhas. A primeira é que a superfície de licenciamento não é tão uniforme quanto o rótulo principal sugere, e a segunda é de quem são estes resultados.

A tag de licença não é a licença completa.

Todos os onze repositórios indicam a OpenMDW-1.1 como seus termos regentes. O que difere é como isso chega até você, e as diferenças vale a pena ler antes de construir qualquer coisa comercial em cima disso.

• Tag versus licença nomeada — nove dos onze têm license: openmdw-1.1 como uma tag simples que pode ser lida diretamente da API. Nemotron-SFT-Agentic-Finance-v1 e Nemotron-RL-Agentic-Finance-v1 apresentam-se como license: other com license_name: openmdw-1.1 e uma ligação para o acordo. Os termos são os mesmos; uma ferramenta que filtra repositórios por uma tag de licença verá dois valores diferentes.

• Segunda licença devido aos dados de origem — O Nemotron-SFT-Long-Context-Translation-PG19-v1 carrega a Apache-2.0 junto com a OpenMDW-1.1 porque o corpus de origem é o PG-19, e seu cartão acrescenta que as obras inglesas subjacentes são de domínio público nos Estados Unidos, mas que o status de direitos autorais pode variar em outras jurisdições, portanto os usuários devem verificar a legislação local antes da redistribuição. O Nemotron-RL-litmus-bench-v0.2 carrega a CC-BY-SA-4.0 junto com a OpenMDW-1.1, com o termo share-alike aplicado especificamente às perguntas derivadas do ChEMBL.

• A frase sobre uso comercial — nove cards afirmam "Este conjunto de dados está pronto para usos comerciais ou não comerciais". Os dois que não afirmam são o Nemotron-SFT-Long-Context-Transduction-v1 e o Nemotron-SFT-Long-Context-Translation-PG19-v1 — o par de contexto longo, não os conjuntos de finanças.

• Onde a exceção de conteúdo está documentada — finanças. O cartão baseado no documento afirma que a versão retém apenas trechos permitidos de contexto limitado dos corpos dos Formulários 10-K, 10-Q e 8-K, e que o corpus completo da SEC, todos os anexos e qualquer conteúdo que apresente aviso de direitos autorais de terceiros estão excluídos, citando relatórios de consultores, apresentações, pareceres de fairness e pesquisas de analistas. Também observa que os trechos permanecem sob a responsabilidade de seus respectivos emissores.

Portanto, a leitura prática é o oposto da intuitiva. Os conjuntos financeiros são os que têm o selo de licença mais chamativo — um openmdw-1.1 limpo nos conjuntos baseados em documentos e de chamada de ferramentas — e os que têm mais restrições documentadas sobre o que está dentro deles. Os conjuntos de contexto longo são aqueles cujos metadados do Hub e texto mais divergem entre si. Nenhum dos dois é motivo para desistir; ambos são motivos para ler quatro cartões em vez de um campo de licença.

Cujas saídas treinaram o carro-chefe da NVIDIA?

A outra coisa que atravessa o lançamento são os modelos de geração, e os cards os nomeiam sem rodeios. O conjunto principal de SFT agêntico foi produzido com Qwen3.5-397B-A17B e GLM-5.2. O conjunto de seguimento de instruções acrescenta Kimi-K2.6 e Gemma4-E4B-it. O conjunto de finanças fundamentado em documentos nomeia Qwen3.5-397B-A17B para geração de perguntas, DeepSeek-V4-Pro para respostas e gpt-oss-120b para filtragem e seleção. O conjunto de chamada de ferramentas financeiras de RL lista, a montante, Qwen3.5-397B-A17B e Qwen3-235B-A22B-Instruct-2507, DeepSeek-V4-Pro para respostas, gpt-oss-120b para filtragem e o próprio NVIDIA Nemotron para perfilamento de dificuldade de RL em oito rollouts. As traduções do PG-19 foram produzidas com DeepSeek V4 Flash.

Isso é uma decisão de publicação, não um acidente, e é a coisa mais útil do lançamento para quem tenta raciocinar sobre qualidade. Isso lhe diz que o prior comportamental no qual você está fazendo fine-tuning é, em grande medida, não da NVIDIA — é uma mistura de duas famílias chinesas de modelos de fronteira com pesos abertos, um modelo de pesos abertos da OpenAI e um modelo pequeno do Google. Se você tem uma opinião sobre como qualquer um deles se comporta em texto financeiro ou na seleção de ferramentas, essa opinião se aplica ao seu ponto de partida aqui, e agora você tem a proveniência para verificá-la em vez de adivinhar.

Por que os dados são a parte sobre a qual você pode agir

A razão pela qual a disponibilização de um conjunto de dados é a metade interessante deste lançamento está visível nos próprios números do fornecedor. A publicação da sala de imprensa da NVIDIA nomeia organizações que fizeram o pós-treinamento do modelo e cita seus resultados: Scale AI pelo trabalho de crédito de fornecedor da Skydance, com "custo de inferência 40x menor" e "latência 5x menor"; Ramp na conversão de imagens de recibos em JSON estruturado, esperando "até 50% mais throughput e latência 10x menor"; AI21 e Alice em inteligência de ameaças, com "precisão 41% maior". Leia o blog do desenvolvedor junto com a publicação da sala de imprensa e os mesmos resultados dos clientes se resumem a "custo de inferência 40x menor, latência 10x menor e precisão 40% maior" — um 40 onde a sala de imprensa diz 41, e um 10x onde ela diz 5x, para o que parecem ser as mesmas duas implantações. Estas são expectativas de clientes para suas próprias cargas de trabalho, não benchmarks, e nenhuma das versões é reproduzível por você.

O que é reproduzível é o comprovante. O newsroom diz que o modelo foi pós-treinado com aproximadamente 3,8 milhões de amostras e aprendizado por reforço em dezenas de ambientes, e que os conjuntos de dados abertos abrangem uso de ferramentas agênticas, finanças, seguimento de instruções, contexto longo, equidade e compreensão visão-linguagem. Os onze repositórios acima são esse corpus, e os ambientes NeMo Gym que os cards apontam são o harness. Uma equipe que quer um agente de inteligência de documentos agora tem o modelo, as receitas de serviço, as bibliotecas de ajuste fino e os dados de treinamento em um só lugar. A lacuna entre "este modelo pode ser especializado" e "aqui está uma especialização que você pode baixar hoje" é o que esses repositórios fecham.

Uma ressalva sobre essa lista de categorias: a sala de imprensa da NVIDIA inclui a compreensão de visão e linguagem entre os conjuntos de dados divulgados, e os onze novos repositórios de conjuntos de dados da NVIDIA criados nesta janela são corpora de texto e de uso de ferramentas. O conjunto de finanças baseado em documentos é o que mais se aproxima de um conjunto de visão no lançamento, e tem formato apenas de texto. Se você veio pela parte de imagens e vídeos, os dados não estão aqui — o conjunto de dados de visão mais recente da NVIDIA no Hub antecede esta janela em cinco dias.

O que os cartões não publicam, e o que isso lhe custa

Eis o número que ninguém coloca em um post de lançamento, e neste lançamento ele é um número ausente. Nenhum dos onze cards de dataset publica uma contagem de tokens. Eles publicam contagens de registros e tamanhos de armazenamento, e só isso. Portanto, a pergunta de dimensionamento — quantas GPU-horas representa uma época sobre o conjunto de instruction-following — não pode ser respondida a partir do lançamento, apenas estimada dividindo bytes por uma suposta proporção de bytes por token, que é exatamente o tipo de número que vai parar na cobertura como se tivesse sido medido.

O que você pode usar como base são os dados de armazenamento publicados: 80,74 GB para Nemotron-SFT-Instruction-Following-Chat-v4, 18,88 GB para Nemotron-SFT-Agentic-v4, 3,86 GB para o conjunto semente de uso de ferramentas conversacionais, e então uma cauda longa — 2,22 GB, 1,23 GB, 1,22 GB, 1,01 GB, 166 MB, 28 MB, 8,0 MB, 64 MB. Os dois maiores conjuntos são uma a duas ordens de magnitude maiores que todo o resto do pacote, o que mostra onde o peso do pós-treinamento realmente está, sem sequer precisar de uma contagem de tokens.

• Nemotron-SFT-Instruction-Following-Chat-v4 — 80,74 GB e 3.850.582 registros. Este é o conjunto que transforma uma execução de parâmetros completos em um projeto, e não em uma tarde.

• Nemotron-SFT-Agentic-v4 — 18,88 GB e 634.664 registros. Cerca de um quarto do tamanho, o que o coloca ao alcance de uma execução em nó único.

• Nemotron-SFT-BBQ-v1 — 8,0 MB e 6.000 registros. Pequeno o suficiente para iterar em minutos, o que o torna a forma mais barata de comprovar que seu ciclo de ajuste fino está configurado antes de você dedicar uma semana de GPU ao trabalho com o qual realmente se importa.

• Nemotron-SFT-Long-Context-Transduction-v1 — 1,22 GB, mas apenas 10.000 exemplos, com um intervalo publicado por exemplo de 2.048 a 131.072 tokens de destino. Aqui, o custo é determinado pelo comprimento da sequência, e não pelo volume, e o cartão informa que os orçamentos são metas de geração estimadas com cl100k_base, e não contagens medidas após o treinamento.

No que diz respeito à escala do lado do modelo, o cartão do modelo publica os orçamentos das etapas: um aquecimento MTP de 100 bilhões de tokens com um backbone congelado, um trilhão de tokens de destilação do Nemotron de tamanho imediatamente maior, 100 bilhões de tokens de pré-treinamento continuado em Indic, uma extensão de 35 bilhões de tokens para um contexto de 1M, 67 bilhões de tokens de treinamento intermediário em engenharia de software a 256K, e uma etapa de recuperação de contexto longo de 9 bilhões de tokens. Esses são os únicos orçamentos de tokens que a NVIDIA declara em qualquer lugar do lançamento, e eles se aplicam ao treinamento do modelo base, não ao ajuste fino nesses conjuntos de dados.

É também por isso que o caminho LoRA importa aqui, em vez de ser uma nota de rodapé. A NVIDIA direciona os desenvolvedores para o NVIDIA NeMo AutoModel para ajuste fino supervisionado e adaptação de baixo posto, e os adaptadores são a diferença entre mover alguns dos comportamentos do modelo e recalcular 249 GB de pesos. Ambos os caminhos são reais, e a escolha entre eles é uma decisão sobre quanto do comportamento do modelo base você pretende mover. Uma equipe de finanças que busca um esquema restrito ou um comportamento de seguir políticas está no território do LoRA. Uma equipe que quer que o modelo mantenha um novo procedimento operacional em todas as suas interações não está.

Dois documentos, um benchmark, respostas opostas

O relatório técnico que acompanha este lançamento está datado de 14 de outubro e traz o número que mais viajou sem o seu contexto. A NVIDIA relata que o checkpoint NVFP4 lançado alcança recuperação de precisão mediana de 99,62% em relação ao BF16 em 36 benchmarks, após a receita agressiva de quantização pós-treinamento seguida de 200 iterações de destilação com reconhecimento de quantização baseada em SFT — com o codificador de visão C-RADIO, o conector VL, as convoluções Mamba e os embeddings mantidos em BF16 e o cálculo do router mantido em FP32, conforme a tabela por módulo do relatório.

«Recuperação mediana de precisão» é uma mediana de rácios, não um mínimo. Para obter 99,62%, o relatório calcula um rácio de pontuação por benchmark e toma o do meio entre 36, por isso o valor em destaque diz-lhe que o benchmark típico fica cerca de quatro décimos de um por cento abaixo da precisão completa, e nada em absoluto sobre a cauda. A própria tabela do relatório mostra a cauda: Tau3 Banking a 94,20%, a divisão de resolução de problemas do SciCode a 93,63%, MMLU-ProX a 95,90% — e, no sentido oposto, GDPVal a 111,53% e Terminal-Bench v2.1 a 103,47%, porque a quantização pode ficar acima da referência BF16 numa única execução.

Aí compare o model card, e a história fica mais interessante do que uma cauda. O próprio model card do NVFP4 da NVIDIA publica uma tabela BF16 versus NVFP4 para o mesmo checkpoint, e nela o Terminal-Bench 2.1 marca 66,70 contra 60,80 — a versão quantizada nove por cento abaixo. Na tabela de suíte completa do relatório técnico, o mesmo benchmark marca 60,67 contra 62,78, com a versão quantizada à frente. Mesmo modelo, mesmo benchmark, mesma família de harness de avaliação, dois documentos da NVIDIA, direções opostas. O model card também mostra o WebVoyager em 77,72 caindo para 66,31 e o DeepSWE em 24,65 caindo para 18,2, e nenhum dos dois é a versão da história que você obtém de uma manchete de 99,62%.

Isso não é um escândalo — tabelas diferentes podem ter configurações de harness diferentes, e a tabela do relatório informa um percentual de recuperação ao lado de cada linha — mas isso significa que a resposta honesta à pergunta "o NVFP4 me faz perder precisão?" é: na maioria das linhas publicadas, quase não; nas linhas em que isso acontece, mais do que a mediana sugere; e os dois documentos do fornecedor discordam sobre quais são essas linhas. Se sua carga de trabalho for trabalho agêntico em terminal, meça novamente você mesmo em vez de escolher uma tabela.

Em contrapartida, a aritmética de implantação é inequívoca e é o argumento mais forte a favor do build quantizado. O repositório BF16 totaliza 248,9 GB de arquivos de checkpoint e seu próprio quick-start o serve em 4× H100. O repositório NVFP4 totaliza 75,06 GB, que o relatório estima em 4,82 bits por parâmetro, incluindo escalas, e isso cabe em um H200, um GB200 ou um único DGX Spark. Em um GB200, o relatório cita até 4.856 tokens de saída/s/GPU em uma carga de trabalho de proxy agêntico de 20 turnos, mantendo pelo menos 50 tokens/s/usuário, com NVFP4 a 2,43× a taxa de transferência do BF16 na mesma carga de trabalho, e o modelo com 2,34× e 1,90× a taxa de transferência do Qwen3.5-122B-A10B e do Qwen3.8 Flash-Next. Todos esses valores são medidos pela NVIDIA, em sua própria stack de serving, na concorrência que a receita escolheu.

Outro quarto do lançamento passa fácil despercebido e importa se o seu fine-tune for questionado mais tarde. O relatório descreve uma passagem de contaminação sobre os dados de pós-treinamento que removeu 20.671 amostras — cerca de 0,09%, divididas em 14.793 amostras de SFT e 5.878 de RL — correspondendo a 1.808 questões de benchmark, ou 6,0%, em 22 dos 30 benchmarks verificados, com cerca de 3% dos pares candidatos avaliados sinalizados como contaminação severa. A maioria dos lançamentos de pesos abertos não publica metodologia de limpeza alguma. Ter uma que você possa citar vale mais do que parece quando um cliente pergunta por que os números de avaliação do seu fine-tune são como são.

Como isso muda o que você pode fazer esta semana

Três coisas concretas são agora possíveis que não eram antes de 12 de outubro.

O primeiro é um agente de documentos financeiros que você pode construir sem uma conversa sobre licenciamento de dados — com uma ressalva anexada. Os repositórios financeiros cobrem o ciclo completo: 63.056 exemplos de SFT fundamentados em documentos ao longo de sete anos de registros do S&P 500, 90.307 registros de chamada de ferramentas de RL em um ambiente de busca da SEC em tempo real, 7.878 exemplos de chamada de ferramentas multiturno para a camada comportamental, e 10.185 tarefas de RL com o contexto do documento omitido, de modo que a recuperação faz parte da tarefa. A ressalva é a exceção documentada acima: apenas trechos, anexos excluídos, material de direitos autorais de terceiros removido, e as questões permanecem de responsabilidade dos emissores. Essa é uma posição bem documentada em vez de uma limpa, e é o conjunto em que você deve ler a ficha antes do código.

O segundo é o uso agêntico de ferramentas, e esta é a vertical mais bem suportada do lançamento. Entre os 634.664 registros do Nemotron-SFT-Agentic-v4, o conjunto semente de 100.000 registros de uso conversacional de ferramentas com seus cenários de hotelaria, comércio eletrônico, serviços bancários e seguros, e os ambientes do NeMo Gym que os cards indicam, todo o pipeline é descrito de ponta a ponta: gerar trajetórias, executar conversas simuladas, treinar com recompensas verificáveis, avaliar no harness que o próprio fornecedor usou. Independentemente do que você pense do modelo, essa é uma receita pública completa para transformar um modelo geral de visão e linguagem em um agente de chamada de ferramentas, e é a parte que costumava ser conhecimento tribal.

O terceiro é uma linha de base de equidade sobre a qual você pode realmente iterar. Nemotron-SFT-BBQ-v1 tem 6.000 registros e 8,0 MB, é balanceado em 2.000/2.000/2.000 entre idade, aparência física e deficiência, e suas conversas são escritas de modo que a resposta baseada em evidências e a resposta baseada em suposições sejam ambas plausíveis. Nesse tamanho, você pode executá-lo, pontuá-lo e executá-lo novamente em uma tarde, o que transforma "como você testou isso" de um problema de aquisição em um experimento.

Testando isso sem apostar um caminho de produção nisso

A parte incômoda deste lançamento é a implantação, não os dados. O checkpoint BF16 exige quatro H100s e o quantizado exige uma única H200 ou GB200, os pesos abertos estão no Hugging Face, e a própria rota do fornecedor para um endpoint hospedado é o NVIDIA NIM, com a redação também citando plataformas de terceiros. Não servimos este modelo, portanto, se você quiser um endpoint gerenciado, a própria API do fornecedor e várias plataformas de terceiros são onde você deve procurar; o que um roteador tem de bom aqui é o resto da decisão.

Uma única chave para mais de 200 modelos pelo preço de lista do provedor, com 0% de acréscimo significa que comparar a versão NVFP4 com qualquer modelo de texto que você executa hoje custa a alteração de uma única linha, em vez de um segundo contrato com fornecedor, e o failover automático entre provedores significa que uma carga de trabalho que você está apenas testando pode ficar ao lado do tráfego de produção sem que nenhum deles dependa do outro. Esse é o formato de uma decisão que você pode reverter — que é o que você quer de um modelo cuja documentação é de dois dias atrás e cujas próprias tabelas de benchmark discordam entre si.

A sequência prática é: pegue o Nemotron-SFT-BBQ-v1 ou uma parte do conjunto agêntico, rode um LoRA em um H200 alugado para provar seu loop, avalie-o com sua própria avaliação e só então decida se a versão de precisão total de 249 GB e quatro GPUs valem a pena. Os conjuntos de dados são gratuitos para baixar, e os pequenos são gratuitos para executar. Nada nesse plano exige que você acredite em uma mediana de 99,62%.

O que ainda falta

Vale a pena acompanhar três lacunas, porque elas mudam o cálculo, e não o marketing.

O primeiro é a avaliação independente dos resultados de ajuste fino. Todos os números de pós-treinamento neste lançamento — o avanço de 62,7 para 71,9 no Terminal-Bench, devido à execução paralela de agentes e à autoverificação, o avanço de 24,6 para 34,5 no DeepSWE no mesmo experimento, a melhoria de 41% na precisão na AI21, a redução de custos de 40× na Scale AI — vêm do harness da NVIDIA ou da própria medição de um cliente. Não há terceiros que tenham reproduzido um ajuste fino do Nemotron 3.5 Super VL nesses conjuntos de dados e publicado o resultado. Até que haja, trate os tamanhos de efeito como um limite superior.

O segundo é o caminho de vídeo. O modelo aceita MP4 de até dois minutos a 2 FPS e 256 quadros, ou 1 FPS e 128 quadros para 1080p, com uma taxa de poda de 0,5 — e não há conjunto de dados público de pós-treinamento em vídeo nesta entrega. Todos os repositórios acima são texto, e os conjuntos de tradução e transdução são texto de contexto longo, e não algo visual. Se o seu caso de uso é a compreensão de vídeo que o model card anuncia, a NVIDIA lançou o recurso sem os dados para especializá-lo.

A terceira é que ninguém publicou o que esses conjuntos de dados fazem com um modelo que não seja o Nemotron. Todos os onze foram criados para produzir a mistura de pós-treinamento de um único modelo — os cards deixam explícito que alguns conjuntos consolidam versões anteriores específicas do Nemotron, e o conjunto de sementes conversacionais é descrito como os dados de semente para um conjunto de pivô, em vez de geração nova. Se o corpus agêntico transfere para um backbone diferente de 120B é uma questão em aberto, e é a primeira que uma equipe com um stack de fine-tuning já existente vai querer ver respondida.

Todas as três lacunas são do tipo que se fecham com o trabalho de outra pessoa, e não da NVIDIA, que é a trajetória habitual de um lançamento aberto. Os pesos podem ser baixados hoje, os dados podem ser baixados hoje, e o primeiro ajuste fino independente credível é o que lhe dirá se alguma coisa disto vale o tempo de GPU.