NVIDIA и LangChain выдвигают чёткий тезис о следующем этапе корпоративного ИИ: лучшие агенты могут появляться не столько из обучения новой модели, сколько из настройки системы, которая её окружает. В новых публикациях на этой неделе NVIDIA сообщила, что LangChain настроила свой harness Deep Agents для NVIDIA Nemotron 3 Ultra, добившись того, что компании описывают как лучшие результаты среди открытых моделей на собственном бенчмарке Deep Agents LangChain.

Это объявление важно, потому что оно смещает внимание с релизов моделей на инфраструктуру агентов. По словам NVIDIA, улучшения были получены без переобучения NVIDIA Nemotron 3 Ultra. Вместо этого LangChain скорректировала промпты, описания инструментов и middleware в harness, который управляет тем, как модель планирует, использует инструменты и выполняет задачи. Для разработчиков и корпоративных покупателей это практичное утверждение: если оно верно в продакшене, команды смогут повышать качество агентов изменениями на уровне ПО, а не ценой и операционной нагрузкой fine-tuning.

NVIDIA также связала объявление с более широкой инициативой по открытому стеку. Компания заявила, что настроенный профиль доступен напрямую через LangChain, а NVIDIA NemoClaw упаковывает этот подход в виде корпоративного reference blueprint с использованием NVIDIA OpenShell как безопасной среды выполнения. Посыл прост: открытая модель, открытый агентский harness, открытая среда выполнения и больше контроля над развёртыванием и управлением.

Что на самом деле выпустили NVIDIA и LangChain

Непосредственные продуктовые новости двоякие. Во-первых, LangChain опубликовала настроенный профиль harness Deep Agents для NVIDIA Nemotron 3 Ultra. Во-вторых, NVIDIA предлагает NVIDIA NemoClaw for LangChain Deep Agents как то, что она называет открытым reference blueprint для компаний, строящих специализированных агентов.

В описании NVIDIA настроенная конфигурация сочетает LangChain Deep Agents Code, настроенный для NVIDIA Nemotron 3 Ultra, с NVIDIA OpenShell для более безопасного выполнения действий агентов. По словам NVIDIA, профиль уже доступен через LangChain, а к модели можно получить доступ через нескольких облачных партнёров NVIDIA, включая Baseten, Crusoe Cloud, DeepInfra, Fireworks, Nebius и Together AI.

Это оформление важно, потому что оно превращает то, что могло бы остаться экспериментом на бенчмарке, в повторяемую историю развёртывания. Профили harness у LangChain представлены как первоклассная точка кастомизации для адаптации модели под конкретный агентский workflow. В материале для разработчиков NVIDIA это подаётся как альтернатива fine-tuning: вместо изменения весов модели команды настраивают окружающую логику исполнения.

Для предприятий это означает, что компании заявляют не только о лучших оценках. Они также заявляют о рабочем процессе улучшения агентов с помощью циклов оценки, анализа трасс и точечных изменений harness. Иными словами, это новость не только о модели, но и об инфраструктуре.

Почему инженерия harness — в центре этой истории

Ключевое понятие здесь — инженерия harness. В NVIDIA Developer Blog компания описывает итерационный цикл: запускать оценки, смотреть, где агент провалился, предлагать изменения в профиле harness и затем снова запускать весь набор тестов, чтобы проверить улучшения и регрессии. Изменения могут включать корректировки системного промпта, обновления описаний инструментов и добавление middleware.

Один пример из поста показывает, почему это важно. NVIDIA сообщает, что NVIDIA Nemotron 3 Ultra изначально провалил тест с использованием встроенного в LangChain инструмента read_file. Задача требовала найти последнюю непустую строку в файле, но первый вызов инструмента вернул только первую страницу. Модель ответила на основе неполной информации вместо того, чтобы продолжить чтение файла с помощью пагинации. Предложенное исправление не заключалось в переобучении модели. Нужно было изменить агентский harness, чтобы система лучше обрабатывала усечённые ответы и последующие чтения.

Этот пример банален в хорошем смысле. Сбои корпоративных агентов часто возникают из-за использования инструментов, памяти, пагинации, прав доступа или крайних случаев middleware, а не из-за слабого понимания языка. Генеральный директор LangChain Harrison Chase, которого цитирует NVIDIA, сказал, что улучшать память, использование инструментов, оценку и поведение модели вместе — это и есть путь к лучшим агентам. Это по-прежнему комментарий руководителя, а не независимый вывод, но он совпадает с тем, что многие разработчики видят на практике при переходе от демо чат-ботов к автоматизации рабочих процессов.

NVIDIA идёт дальше и говорит, что цель инженерии harness — сделать вызовы агент-модель более похожими на то, что модель видела во время обучения. Это предлагает принцип проектирования для развёртывания открытых моделей: адаптировать окружение вокруг модели так, чтобы её поведение становилось более надёжным в рамках конкретного агентского фреймворка.

Заявления о производительности и стоимости, с оговорками

Главное заявление NVIDIA состоит в том, что NVIDIA Nemotron 3 Ultra, в сочетании с настроенным профилем LangChain Deep Agents, показал наивысшую точность среди открытых моделей на бенчмарке Deep Agents LangChain. NVIDIA также утверждает, что эта конфигурация достигла паритета с лучшими закрытыми моделями в бизнес-задачах, выполнила больше задач при более высокой пропускной способности и работала при одной десятой стоимости инференса за запуск по сравнению с ведущими закрытыми моделями.

Это значимые заявления, но читателям стоит воспринимать их как отчёт поставщика. Оба источника в этой истории контролируются NVIDIA, а упомянутый бенчмарк — это собственный Deep Agents LangChain, а не независимый сторонний набор тестов. Это не делает результаты бессмысленными, но означает, что объявление наиболее сильно как доказательство прогресса внутри конкретного стека: NVIDIA Nemotron 3 Ultra плюс LangChain Deep Agents.

Есть и другие причины для осторожности. В материале для разработчиков прямо сказано, что бенчмарк и тесты стохастичны, и их следует запускать несколько раз, чтобы не принять шум за улучшение. Там же подчёркивается необходимость проверять регрессии после каждого изменения harness. Это полезное признание, потому что бенчмарки агентов могут колебаться из-за изменений промптов, тайминга инструментов и недетерминированного исполнения.

Лучше всего из исходных материалов подтверждается метод, а не универсальное утверждение о превосходстве. NVIDIA и LangChain показали документированный путь улучшения производительности открытой модели внутри определённого harness без fine-tuning. Переносится ли это на другие задачи, домены или фреймворки, будет зависеть от схемы оценки и качества профиля harness.

Почему это важно для корпоративного ИИ и AI-агентов

Стратегический посыл адресован напрямую корпоративным покупателям ИИ, которым нужен больший контроль, чем дают API закрытых моделей. NVIDIA говорит, что открытый стек позволяет компаниям настраивать агентские системы под собственные workflow, инфраструктуру и governance. Этот аргумент становится всё убедительнее по мере того, как AI-агенты переходят от ответа на вопросы к совершению действий внутри бизнес-систем.

Именно здесь важно фреймирование open stack. Компания, использующая LangChain, NVIDIA Nemotron 3 Ultra, NVIDIA OpenShell и NVIDIA NemoClaw, теоретически может инспектировать и менять больше слоёв стека, чем при использовании жёстко управляемого проприетарного сервиса. Для регулируемых отраслей или крупных внутренних платформ это может быть важнее, чем абсолютное лидерство в бенчмарках.

NVIDIA также указывает на раннюю поддержку экосистемы. Компания сообщает, что Abridge, Amdocs и Box встраивают специализированных агентов в свои платформы, а EY расширяет возможности внедрения вокруг blueprint NVIDIA NemoClaw для LangChain Deep Agents. Эти ссылки указывают на рыночный импульс, но не должны восприниматься как доказательство того, что недавно настроенный профиль уже развёрнут в этих компаниях в масштабе. Исходный текст не делает такого узкого утверждения.

Для разработчиков практический вывод таков: оптимизация агентов становится инженерной дисциплиной со своими инструментами и рабочими процессами. NVIDIA приводит LangSmith Engine и «ralph loop» как примеры автоматизации для предложения и проверки изменений harness. Если этот подход распространится, команды всё чаще будут оценивать модели не как самостоятельные интеллекты, а как компоненты тестируемых агентских систем, управляемых профилями.

Это также может повлиять на дисциплину затрат. Заявление NVIDIA о стоимости — один из самых сильных коммерческих крючков анонса. Если открытая модель сможет приблизиться к ведущей проприетарной модели на значимом бенчмарке и при этом резко снизить стоимость инференса за запуск, команды смогут позволить себе более непрерывную оценку и более широкие эксперименты с workflow. Это важно для внутренних copilot-решений и бэк-офисной автоматизации, где использование может быстро масштабироваться.

Доказательства, ограничения и открытые вопросы

Доказательства здесь основаны на двух публикациях NVIDIA: корпоративном блоге и руководстве для разработчиков. Обе являются полезными первичными источниками по доступности продукта и деталям дизайна. Но они менее окончательны в сравнении производительности, потому что самые сильные заявления поступают от поставщика и привязаны к бенчмарку в экосистеме LangChain.

В предоставленных материалах остаются неуточнёнными несколько важных деталей. NVIDIA не раскрывает точные закрытые модели, использованные для сравнения в приведённых фрагментах, а также не предоставляет полное распределение бенчмарка, доверительные интервалы или подробную методологию расчёта стоимости в этих источниках. Компания также не показывает, как настроенный профиль работает в агентских фреймворках, отличных от LangChain, хотя материал для разработчиков намекает, что идеи могут быть обобщаемы.

Это оставляет покупателям привычный чек-лист due diligence. Прежде чем стандартизировать стек, командам следует запросить воспроизводимые оценочные прогоны на своих задачах, изучить изменения middleware и промптов, а также протестировать режимы отказа, связанные с использованием инструментов, границами безопасности и длительным выполнением. Open не означает автоматически проще; чаще это означает более управляемо, если у покупателя есть инженерные ресурсы для такого управления.

На что смотреть дальше

Самый ясный следующий сигнал — опубликуют ли LangChain или NVIDIA более полную методологию бенчмарка и сопоставимые трассы, показывающие, где именно настроенный профиль NVIDIA Nemotron 3 Ultra выигрывает. Больше прозрачности в отношении набора задач, вариативности, измерения throughput и допущений по стоимости поможет покупателям отличить сильный инженерный результат от узкой оптимизации бенчмарка.

Также стоит следить, выйдет ли настроенный профиль harness за пределы демо в реальные кейсы. Если платформы вроде Baseten, Fireworks, Nebius или Together AI начнут подчёркивать повторяющиеся корпоративные внедрения, это укрепит коммерческий аргумент в пользу открытого стека.

Ещё один повод для наблюдения — реакция конкурентов. Если поставщики закрытых моделей начнут делать акцент на профилях, специфичных для агентов, middleware для работы с инструментами или рецептах развёртывания, готовых к бенчмаркам, это подтвердит рамку NVIDIA и LangChain о том, что поле битвы смещается вверх по стеку — от сырых моделей к полноценным агентским системам.

Взгляд Creati.ai

Этот анонс — не столько о победе в одном бенчмарке, сколько о направлении, в котором движется конкуренция в ИИ. NVIDIA и LangChain утверждают, что компании должны оценивать модели внутри harness, а не изолированно. Это правдоподобный сдвиг. В продакшене многие дорогостоящие сбои происходят в оркестрации, retrieval, пагинации, вызове инструментов и механизмах безопасности. Команда, способная быстро настраивать эти слои, может получить больше пользы, чем та, что гонится за небольшими улучшениями более крупной базовой модели.

Оговорка в том, что это по-прежнему история, сформированная поставщиком. Самые сильные цифры не проверены независимо в исходных материалах, а бенчмарк близок к собственному стеку поставщиков. Тем не менее для команд, создающих AI-агентов, посыл полезен: прежде чем тратить деньги на fine-tuning или по умолчанию выбирать самый дорогой закрытый API, стоит проверить, может ли инженерия harness вокруг открытой модели вроде NVIDIA Nemotron 3 Ultra дать достаточно близкий результат в тех workflow, которые действительно важны.