Nvidia метит в триллион параметров, но Китай уже далеко впереди

Гонка параметров, в которой Nvidia пока догоняет

Есть что-то ироничное в том, что компания, продающая железо для обучения нейросетей всему миру, сама только сейчас добирается до масштаба, который китайские лаборатории освоили раньше. Nvidia официально работает над Nemotron 4 — новой открытой моделью с минимум одним триллионом параметров. Это вдвое больше, чем у текущего флагмана Nemotron 3 Ultra, вышедшего в июне 2026 года. Но на фоне того, что происходит в Китае, цифра уже выглядит скромно.

Что такое Nemotron 4 и зачем это Nvidia

Nemotron 4 — открытая (open-weight) модель, целевой аудиторией которой являются разработчики и компании, желающие разворачивать мощные LLM на собственной инфраструктуре. Чем больше таких моделей появляется, тем больше GPU покупают. Логика для Nvidia железная — в прямом смысле.

Под этот проект компания утроила расходы на облачные вычисления для обучения собственных моделей, доведя многолетние обязательства по облачным сервисам до 28 миллиардов долларов через 2031 год. Для сравнения: год назад эта сумма была втрое меньше. Nvidia арендует серверы у облачных провайдеров, которые сами же покупают её чипы — круговорот капитала в природе.

В разработку вовлечено беспрецедентное количество людей. Если статья о предыдущей крупной модели Nvidia насчитывала 570 авторов, то для Nemotron 4 задействовано ещё больше сотрудников. Компания также опирается на так называемую «Nemotron Coalition» — альянс, включающий Reflection AI, Cursor, Thinking Machines Lab, Mistral, Prime Intellect и Cognition. Prime Intellect передал 300 000 симуляционных сред для обучения модели, Cognition обсуждает поставку данных по программированию. В июне к коалиции присоединился Naver Cloud, хотя конкретная роль корейской компании пока не раскрывается.

Ожидаемые сроки выхода — осень 2026 года, хотя архитектура и данные для предобучения ещё не финализированы, а само обучение не завершено.

Проблема: Китай уже на другом уровне

Один триллион параметров звучит впечатляюще — до тех пор, пока не открываешь таблицу с китайскими моделями. Moonshot AI Kimi K3 содержит 2,8 трлн параметров, Alibaba Qwen3.8-Max — 2,4 трлн, DeepSeek V4 Pro — 1,6 трлн. Nemotron 4 с его триллионом даже при выходе окажется меньше каждого из этих конкурентов.

По производительности картина не лучше. На индексе Artificial Analysis Intelligence Index Nemotron 3 Ultra набирает 38 баллов, тогда как Kimi K3 — около 60 баллов. Разрыв — не косметический, а концептуальный. При запуске в июне Nemotron 3 Ultra был сильнейшей открытой американской моделью, но в глобальном рейтинге не попал даже в топ-40.

Этот разрыв — не просто повод для бенчмарковых войн. Он стал политическим аргументом: в американских законодательных кругах активизировались дискуссии о регулировании открытых моделей, в том числе о возможных ограничениях на конкретные китайские системы. Nvidia, со своей стороны, подписала петицию против регулирования открытых моделей, а Дженсен Хуанг лично заявил, что открытый ИИ «способствует безопасности, кибербезопасности, научному прогрессу и национальной безопасности».

Стратегия компрессии как ответ на отставание

Nvidia не собирается тупо гнаться за параметрами. Параллельно с анонсом Nemotron 4 компания выпустила Nemotron-3.5 Lightning — лёгкую модель на 30 миллиардов параметров, созданную методом дистилляции из более крупных моделей. Это прямой сигнал: ставка не только на масштаб, но и на эффективность.

Компрессионные технологии — это попытка закрыть разрыв с китайскими лабораториями без необходимости тратить на обучение столько же ресурсов. Получится ли — увидим осенью.

Деликатная позиция: конкурент собственных клиентов

Здесь начинается самое интересное. Nvidia уже вложила 30 миллиардов долларов в OpenAI — и при этом строит модель, которая будет с ней конкурировать. Это не просто стратегическое противоречие — это потенциальный разрыв с крупнейшими корпоративными клиентами компании.

OpenAI, Anthropic, Meta, Google — все они покупают GPU у Nvidia. Если Nvidia начнёт выпускать открытые модели сопоставимого уровня, часть корпоративных клиентов может переключиться на self-hosted решения. Парадокс в том, что это Nvidia только поможет: больше self-hosting — больше спроса на кластеры H100 и Blackwell.

Анастасиос Ангелопулос, CEO оценочной платформы LMSYS Arena, сформулировал это точнее всех: «Неважно, кто из этих компаний создаст отличный open source — Nvidia выигрывает в любом случае». Это честная оценка позиции компании.

Что это значит для российских пользователей и разработчиков

Nemotron 3 Ultra уже доступен через Hugging Face и совместимые платформы — с VPN из России его можно скачать и развернуть локально. Nemotron 4, судя по всему, последует той же модели распространения. Для российских разработчиков это означает возможность работать с мощной открытой моделью без зависимости от API западных компаний.

Однако реальная конкуренция сейчас — не между Nvidia и OpenAI. Она между американскими открытыми моделями и китайскими. И пока Nemotron 4 ещё в разработке, Kimi K3 и DeepSeek V4 Pro уже доступны. Осенний релиз Nemotron 4 покажет, насколько компрессия и качество данных могут компенсировать разрыв в масштабе.

Информация о разработке Nemotron 4 подтверждена несколькими независимыми публикациями.