Os Novos Modelos de Pesquisa IA da NVIDIA Lideram Rankings Globais e Reduzem Custos de Agentes
A NVIDIA lançou três novos modelos de embedding que estabelecem um novo recorde de precisão para a recuperação de informações de IA. O melhor deles também ajuda os agentes de IA a completar tarefas mais rápido e com custo menor.
Pontos-chave
- A NVIDIA lançou três modelos Nemotron 3 Embed em 15 de julho de 2026, todos livres para uso comercial.
- O modelo flagship 8B foi classificado em primeiro lugar no RTEB, o principal ranking global para medir a eficácia da recuperação de informações por IA.
- O modelo menor 1B reduziu as taxas de erro de recuperação em 27 a 28 por cento em comparação com o modelo 1B anterior da NVIDIA.
- A variante optimizada para hardware 1B entrega até o dobro da velocidade de processamento nos chips Blackwell da NVIDIA, mantendo a precisão acima de 99 por cento da versão padrão.
- Os três modelos estão disponíveis imediatamente no Hugging Face.
Quando você faz uma pergunta a um assistente de IA, ele normalmente não adivinham a resposta da memória. Procura numa biblioteca de documentos, extrai os mais relevantes e escreve uma resposta com base no que encontrou. Este passo de busca chama-se recuperação, e a forma como funciona determina tudo o que se segue.
A NVIDIA Corporation, a fabricante de chips que também constrói ferramentas de software de IA, lançou esta semana uma nova família de modelos de recuperação chamada Nemotron 3 Embed. Um modelo de embedding, para explicar o termo de forma clara, é uma IA que converte palavras e frases em números para que um computador possa comparar rapidamente o quão próximas duas partes de texto estão. Os bons modelos de embedding encontram os documentos certos rapidamente. Os fracos devolvem ruído, desperdiçam o tempo do agente de IA e inflacionam os custos computacionais.
O modelo flagship, Nemotron-3-Embed-8B-BF16, ocupou o primeiro lugar no RTEB (Retrieval Text Embedding Benchmark, o principal concurso de precisão público do sector) a partir de 15 de julho de 2026, com uma pontuação de 78,5 por cento. Isto é importante porque o RTEB testa a recuperação em muitos idiomas, tipos de documentos e tarefas, por isso uma pontuação máxima ali é difícil de conseguir com um treino limitado.
A recuperação melhorada realmente poupa dinheiro?
Sim, e as economias podem ser substanciais. A NVIDIA realizou uma experiência reveladora: ligaram os seus novos modelos de embedding a um agente de IA, um programa de software que pode executar tarefas com múltiplas etapas por conta própria, e mediram quantos tokens, as unidades de texto que um modelo de IA lê e escreve, o agente precisava para completar uma tarefa de busca. A recuperação mais precisa devolveu resultados úteis mais cedo, por isso o agente precisou de menos buscas repetidas e menos passos de raciocínio. Menos passos significa contagens de tokens menores, e contagens de tokens menores significam contas mais baixas.
O modelo 8B produziu tanto a precisão mais elevada como o custo de token estimado mais baixo nos três benchmarks padrão. Isto não é uma compensação; é simplesmente um modelo melhor a fazer menos trabalho desnecessário.
Para organizações que não podem executar um modelo de 8 mil milhões de parâmetros em escala, a NVIDIA também lançou uma versão de 1 mil milhão de parâmetros, Nemotron-3-Embed-1B-BF16. Obtém uma pontuação de 72,4 por cento no RTEB, ainda forte, e reduz as taxas de erro em 27 por cento em relação ao seu antecessor. Uma terceira variante, Nemotron-3-Embed-1B-NVFP4, utiliza um formato de número comprimido chamado NVFP4 no hardware Blackwell da NVIDIA para ser executada até ao dobro da velocidade da versão padrão enquanto perde menos de um por cento de precisão.
Os três modelos suportam documentos até 32 mil tokens de comprimento, lidam com múltiplos idiomas e funcionam com repositórios de código. A NVIDIA publicou os pesos do modelo, detalhes dos dados de treino e receitas de fine-tuning, por isso as equipas podem adaptar os modelos aos seus próprios documentos sem começar do zero.
Estas são avaliações de empresa e próprias da NVIDIA. Os testes clínicos de grau independente não se aplicam aqui, mas o ranking do RTEB é mantido de forma independente, e a classificação máxima é um sinal externo significativo. Os programadores que queiram testar os modelos nos seus próprios dados podem descarregá-los hoje, conforme primeiro anotado pelo Hugging Face, onde os três estão listados.
