NVIDIA: Nemotron 3 Super (free)

NVIDIA Nemotron 3 Super é um modelo de raciocínio e chat de utilização geral, concebido para agentes colaborativos e fluxos de trabalho de grande volume, incluindo automatização de pedidos de suporte informático. Tem 120B parâmetros no total e ativa 12B. A sua arquitetura híbrida combina camadas Mamba-2, de atenção e Latent Mixture-of-Experts. As camadas Multi-Token Prediction acrescentam um mecanismo de previsão de tokens futuros e suportam as receitas nativas de descodificação especulativa da NVIDIA.

O modelo aceita texto e devolve texto, incluindo explicações, propostas de resposta, código e pedidos de chamadas a ferramentas numa aplicação adequadamente ligada a ferramentas. As utilizações previstas incluem agentes, chatbots, geração aumentada por recuperação, seguimento de instruções complexas e raciocínio com contexto longo. Um pedido útil define o resultado desejado e as condições que o regem. Por exemplo: «Classifique este incidente utilizando a política fornecida, explique a prioridade com base nas evidências, redija uma resposta e enumere os factos em falta necessários antes de recomendar uma correção.»

Para o processamento de pedidos de suporte informático, forneça o texto do pedido, o histórico relevante, os pormenores do ambiente e as regras aplicáveis de encaminhamento ou escalamento. Peça campos separados para sintomas observados, causas prováveis, verificações propostas e resposta ao utilizador. Esta distinção evita que uma hipótese seja registada como diagnóstico confirmado. Se uma ferramenta de diagnóstico for executada, introduza o seu resultado real na conversa antes de pedir a etapa seguinte. O resumo de um pedido concluído deve indicar o que foi observado e resolvido e que questão permanece em aberto.

Para RAG e trabalho com bases de conhecimento, identifique as passagens recuperadas e indique se o modelo deve responder apenas a partir delas. Peça a resposta com referências às fontes que a sustentam e qualquer conflito entre os materiais. Um exemplo prático é: «Compare estas secções do manual operacional, identifique os passos que se aplicam ao ambiente fornecido e devolva um procedimento ordenado com uma verificação após cada passo importante.» Preserve as versões e condições da fonte; um procedimento claro pode continuar a estar errado se combinar instruções para ambientes incompatíveis.

Para tarefas com agentes colaborativos, dê a cada etapa um objetivo claro e preserve os resultados intermédios úteis. Super destina-se a raciocinar sobre observações de ferramentas e a manter uma conversa com várias etapas. A aplicação envolvente executa as ferramentas e conserva o estado da tarefa. Peça ao modelo que explique o que uma nova observação altera, conserve as conclusões anteriores que continuam válidas e distinga uma ação proposta de um resultado registado. Para programação, forneça os ficheiros relevantes e o comportamento esperado e peça depois código revisto, uma explicação da alteração e os casos necessários para a verificar.

A NVIDIA documenta o raciocínio ativado por predefinição e um modo de resposta direta com o raciocínio desativado através do modelo de mensagens de chat. Super também tem uma opção de raciocínio de esforço baixo, que utiliza menos tokens de raciocínio do que o raciocínio completo e é sugerida como ponto de partida antes da afinação explícita do orçamento. Esta é a definição do Super; a opção separada de esforço médio do Ultra não deve ser copiada para ele. Selecione um formato de resposta final e deixe espaço para essa resposta após o raciocínio, sobretudo quando um resultado de ferramenta ou uma comparação complexa de fontes exige uma explicação.

O modelo suporta contexto até 1 milhão de tokens, enquanto a configuração Hugging Face do fabricante utiliza 256K por predefinição, porque um contexto mais longo exige mais memória. Para entradas longas, trabalhe dentro da configuração aplicável, mantenha os limites dos documentos e os identificadores de fonte e reserve espaço para a resposta. Peça a relação a seguir ao longo do material, em vez de um resumo sem orientação de tudo. Um máximo ao nível do modelo não é uma promessa de que todas as configurações de disponibilização utilizam a mesma janela.

O fabricante enumera inglês, francês, alemão, italiano, japonês, espanhol e chinês. Especifique o idioma final, mantendo os identificadores de código e os termos das fontes que têm de permanecer exatos. Para trabalho de suporte multilingue, peça ao modelo que preserve o significado técnico e os critérios de escalamento enquanto adapta a redação ao leitor. Reveja terminologia desconhecida ou entradas ambíguas, em vez de tratar a fluência como evidência de que a interpretação está correta.

Um resultado final útil é compacto e verificável: a resposta ou o material revisto, as observações que o sustentam, os pressupostos e o trabalho restante. Para procedimentos gerados, examine as verificações face ao ambiente real. Para código, compare as alterações propostas com o comportamento observado. Para uma resposta baseada em fontes, confirme que a passagem citada sustenta a afirmação. O treino de raciocínio e de agentes do Super ajuda a organizar este trabalho; o resultado real é estabelecido pelo material e pelos registos de execução utilizados para o examinar.