A Nvidia apresentou uma nova família de modelos abertos voltada a agentes de inteligência artificial que executam tarefas em empresas e computadores pessoais. A notícia, publicada pela TechCrunch em 19 de outubro de 2026, chama atenção porque desloca a disputa da IA para além do tamanho do modelo. A empresa quer controlar também o lugar onde o agente funciona, a infraestrutura que ele usa e a quantidade de dados que precisa enviar para a nuvem.
O anúncio reúne o Nemotron 3.5 Super VL, voltado a agentes empresariais, e dois modelos menores da linha Nemotron 3.5 Bolt, pensados para computadores com chips da Nvidia. O Super VL tem 120 bilhões de parâmetros e foi desenhado para seguir instruções, usar ferramentas e interpretar documentos. Os modelos Bolt ocupam a outra ponta da estratégia: são versões mais leves para executar tarefas localmente em PCs com RTX Spark e em estações DGX Spark.
O que muda quando um agente deixa de ser apenas um chatbot
Um chatbot tradicional responde a uma pergunta e encerra a interação. Um agente recebe um objetivo, decide quais passos precisa cumprir, consulta fontes, chama ferramentas e pode repetir o processo até chegar a um resultado. Na prática, isso significa ler uma planilha, organizar informações, navegar por uma aplicação, preencher um formulário ou produzir um relatório a partir de documentos internos.
Essa autonomia cria uma diferença importante de arquitetura. O modelo não trabalha isolado. Ele precisa de acesso controlado a arquivos, sistemas corporativos, navegadores, bancos de dados e credenciais. Quanto mais tarefas consegue executar, maior é o impacto de um erro de interpretação ou de uma permissão configurada de maneira ampla. Por isso, a escolha entre um modelo na nuvem e um modelo local afeta não apenas velocidade, mas também privacidade, auditoria e capacidade de interromper a ação.
A Nvidia aposta nos pesos abertos para oferecer mais controle. Em vez de depender apenas de uma API proprietária, uma organização pode ajustar o modelo com seus próprios dados, hospedá-lo na própria infraestrutura e definir como os agentes recebem permissões. Isso não elimina riscos, nem transforma qualquer empresa em especialista em segurança, mas permite inspecionar e adaptar mais partes do sistema.
O Super VL mira documentos, código e operações internas
Segundo a Nvidia, o Super VL foi otimizado para tarefas como inteligência documental, contabilidade, experimentos científicos, análise de pedidos de seguro e resiliência contra ataques. São áreas nas quais o agente precisa interpretar texto, tabelas, imagens e regras de negócio, além de escolher a próxima ferramenta. A empresa também afirma que o modelo alcança desempenho semelhante ao de modelos maiores em tarefas de seguir instruções e usar ferramentas.
Essas comparações devem ser lidas como alegações da fabricante. O resultado real depende do conjunto de dados, do idioma, da qualidade das instruções, dos conectores disponíveis e da forma como a empresa mede sucesso. Um agente que parece rápido em um teste controlado pode falhar quando encontra um PDF mal digitalizado, uma planilha com fórmulas quebradas ou um sistema sem uma interface de programação bem documentada.
A lista de empresas citadas pela Nvidia, que inclui Skydance, EY, Ramp, CrowdStrike, Perplexity e Salesforce, indica os tipos de uso que a companhia quer atrair. O objetivo é colocar o modelo em fluxos de trabalho que combinam busca, classificação e execução. Para equipes brasileiras, o aprendizado é direto: antes de escolher um modelo, vale mapear quais tarefas são repetitivas, quais dados podem sair do ambiente interno e quais ações exigem aprovação humana.
Os modelos Bolt levam a disputa para o computador pessoal
O Nemotron 3.5 Bolt 74B-A9B 24GB foi descrito como uma opção local para raciocínio em várias etapas, chamada de ferramentas e navegação na web. O número de parâmetros é alto para um modelo que se pretende usar em uma máquina, mas a arquitetura indicada pela Nvidia busca equilibrar capacidade e velocidade. O Bolt E4B, que a empresa diz que chegará depois neste mês, é ainda menor e mira agentes conversacionais.
Rodar um agente no PC pode reduzir a dependência de uma conexão constante e evitar que documentos pessoais sejam enviados para um servidor remoto. Também pode diminuir o tempo de resposta em tarefas simples, desde que o computador tenha memória e capacidade gráfica suficientes. O custo aparece em outro lugar: o usuário precisa ter hardware compatível, instalar atualizações, proteger os arquivos locais e aceitar que um modelo menor pode ser menos preciso em tarefas complexas.
A proposta também muda o significado de um PC com IA. Em vez de usar a unidade neural apenas para efeitos de câmera ou transcrição, o computador passa a hospedar um assistente que pode ler arquivos e executar operações. Isso torna essenciais os controles de acesso, os registros de atividade e os limites de cada ferramenta. Um agente local não é automaticamente privado se todos os aplicativos da máquina puderem ler seu histórico.
O que desenvolvedores precisam observar
Para programadores, o anúncio mostra uma estratégia de portabilidade. A mesma família de modelos pode atender uma empresa que quer centralizar um agente em servidores e um usuário que deseja uma automação no computador. A separação entre o modelo, o orquestrador e as ferramentas facilita testar alternativas, mas exige interfaces bem definidas. O modelo precisa saber quais funções existem, que argumentos aceitar e qual resposta devolver.
Também é importante separar treinamento, ajuste e execução. Treinar um modelo exige grandes volumes de dados e infraestrutura. Ajustá-lo para um domínio específico pode melhorar vocabulário e comportamento, mas não garante que ele tenha autorização para realizar uma ação. Executar o modelo, por sua vez, envolve custo, memória e latência. Confundir essas etapas leva a projetos caros e difíceis de manter.
A Nvidia diz que os modelos Super VL e Bolt 74B-A9B já estão disponíveis, enquanto o Bolt E4B chega mais tarde no mês. A disponibilidade do software não significa que todo PC vendido no Brasil conseguirá executá-lo. O leitor precisa conferir memória, suporte à GPU, sistema operacional, licença e ferramentas de instalação antes de montar um ambiente. Preços e canais de venda para o mercado brasileiro ainda precisam ser acompanhados.
Por que a notícia importa no Brasil
Empresas brasileiras lidam com dados que não podem ser tratados como texto público, como contratos, prontuários, informações financeiras e registros de clientes. Uma opção que pode funcionar dentro do próprio ambiente oferece uma alternativa para experimentar agentes sem enviar tudo para um serviço externo. O ganho, porém, só existe se a organização também cuidar de identidade, criptografia, logs e revisão humana.
Para usuários avançados, a mudança pode aparecer em tarefas cotidianas: resumir documentos armazenados no computador, comparar versões de código, preparar uma lista de ações ou consultar uma base local. A utilidade dependerá menos do discurso sobre autonomia e mais da qualidade das integrações. Um modelo aberto dá mais liberdade, mas também transfere para o usuário a responsabilidade de instalar, atualizar e proteger o sistema.
A Nvidia está tentando fazer da IA local uma camada comum de computadores e estações de trabalho, enquanto oferece modelos maiores para empresas que querem controlar a própria implantação. O movimento pode aumentar a concorrência e criar opções para quem não quer depender de um único provedor. Também pode espalhar agentes com permissões excessivas. A pergunta mais importante, portanto, não é apenas se o modelo roda no dispositivo, mas o que ele poderá fazer quando estiver rodando.
Fonte original: TechCrunch, Nvidia launches new open models to run agents in the enterprise and on PCs.
