NVIDIA rzuca wyzwanie gigantom: Nemotron-Cascade 2 udowadnia, że gęstość inteligencji ma znaczenie

W świecie zdominowanym przez wyścig na wielkość modeli językowych NVIDIA wykonała zwrot w stronę precyzji. Premiera Nemotron-Cascade 2, otwartego modelu opartego na architekturze Mixture-of-Experts (MoE), pokazuje, że „gęstość inteligencji” staje się nową walutą w branży AI. Model posiada 30 miliardów parametrów, z czego podczas pracy aktywnych pozostaje zaledwie 10%, co pozwala na uzyskanie eksperckich wyników przy ułamku kosztów operacyjnych ponoszonych przez największe modele na rynku.

Precyzja zamiast masywności

Nemotron-Cascade 2 nie próbuje być modelem ogólnego przeznaczenia, który wygrywa w każdej kategorii. Zamiast tego inżynierowie Nvidii postawili na ekstremalną wydajność w domenach wymagających głębokiego rozumowania: matematyce, programowaniu oraz funkcjach agentycznych. Wyniki mówią same za siebie – model zdobył rezultaty odpowiadające złotym medalom na Międzynarodowej Olimpiadzie Matematycznej (IMO) oraz Informatycznej (IOI). To osiągnięcie stawia go w jednym rzędzie z najpotężniejszymi, zamkniętymi systemami AI, mimo znacznie mniejszej skali.

W bezpośrednim porównaniu z konkurencją, taką jak Qwen3.5-35B, nowa konstrukcja Nvidii wykazuje wyraźną przewagę w testach AIME 2025 oraz LiveCodeBench v6, co potwierdza jej wysoką skuteczność w generowaniu kodu i rozwiązywaniu złożonych problemów logicznych. To nie jest „blanket win” – sukces w tych specyficznych obszarach to wynik świadomej strategii projektowej.

Inżynieria Cascade RL i destylacja wiedzy

Fundamentem sukcesu Nemotron-Cascade 2 jest unikalny proces post-treningowy. Nvidia zastosowała autorską metodę Cascade Reinforcement Learning, która pozwala na sekwencyjne trenowanie modelu w konkretnych domenach. To podejście rozwiązuje kluczowy problem „katastroficznego zapominania” – gdy model, ucząc się nowych umiejętności, traci te nabyte wcześniej. Dzięki temu parametry mogą być precyzyjnie dostrajane pod kątem instrukcji czy logiki matematycznej bez destabilizacji całego systemu.

Kluczową innowacją jest Multi-Domain On-Policy Distillation (MOPD). Jest to technika destylacji wiedzy, w której model uczy się od najlepszych „nauczycieli” wewnątrz własnej architektury. MOPD okazało się znacznie efektywniejsze niż popularny algorytm GRPO (Group Relative Policy Optimization). Przykładowo, w testach matematycznych AIME25 system osiągnął docelową sprawność już w 30 krokach, podczas gdy inne metody wymagały znacznie dłuższego procesu treningowego, nie osiągając przy tym równie wysokich wyników.

Tryb myślenia i potencjał agentyczny

Model oferuje dwa tryby pracy, które użytkownik może kontrolować za pomocą szablonów czatu. „Thinking Mode” pozwala AI na aktywację długich łańcuchów rozumowania przed udzieleniem odpowiedzi, co jest kluczowe przy dowodach matematycznych. Z kolei tryb standardowy pomija ten proces, oferując bezpośrednie i szybkie reakcje tam, gdzie głęboka analiza nie jest wymagana.

Warto zwrócić uwagę na zaawansowany protokół wywoływania narzędzi (tool-calling). Nemotron-Cascade 2 został zaprojektowany z myślą o systemach agentycznych – potrafi identyfikować dostępne narzędzia wewnątrz promptu systemowego i generować kod do ich obsługi w ustrukturyzowany sposób. To sprawia, że jest on gotowym rozwiązaniem do budowy autonomicznych asystentów, którzy nie tylko piszą tekst, ale realnie wykonują powierzone im zadania inżynieryjne.