NVIDIA Vera Rubin: Maximum Intelligence per Dollar for Agentic AI

NVIDIAのブログでは、エージェントAIにおいてポストトレーニング（post-training）は、もはや一度限りの段階ではなく、継続的なプロセスであると説明されています。生成モデルとは異なり、エージェントモデルは計画立案、ツールの使用、変化する状況への適応が必要です。ポストトレーニングには、強化学習（RL）を通じてモデルがスキルを向上させる順方向および逆方向のパスのサイクルが含まれます。重要な指標は「インテリジェンス・パー・ダラー（intelligence per dollar）」であり、これは推論時のコスト・パー・トークン（cost per token）とトレーニング効率を統合したものです。Blackwellの後継であるNVIDIA Vera Rubinプラットフォームは、このシナリオ向けに設計されており、GPU数を4分の1に削減しながら最大規模のモデルをトレーニングできます。例として、5500億パラメータ（MoEアーキテクチャ）のNemotron 3 Ultraモデルが挙げられ、SWE-bench verifiedで71.7%のスコアを記録しました。Vera Rubinプラットフォームは、NeMoライブラリ（NeMo Gym、NeMo RL）との統合を活用し、数千の環境の並列デプロイメントに最適化されています。パートナーには、Prime Intellect（Veraプロセッサでx86比30%のスループット向上）、Perplexity（RDMA同期で2秒未満の重み更新を実現するRLスタック）、Together AI（AI Native Cloudプラットフォーム上のポストトレーニング・アズ・ア・サービス）が含まれます。