Nemotron 49B chega por US$ 0,40/M e fica no meio de tabela

O número que precisa ser examinado

A NVIDIA colocou hoje no catálogo um modelo "Super" que custa US$ 0,40 por milhão de tokens de entrada e a mesma coisa na saída. Em um mercado onde o topo do índice de inteligência gira entre US$ 0,17 e US$ 8 por milhão de saída, o 0,40 parece modesto. Só que não é o mais barato da prateleira. E o índice de inteligência, 12,4, deixa claro que também não é o mais brilhante.

O Llama 3.3 Nemotron Super 49B V1.5 é uma destilação de um modelo de 70B do Meta com 49B ativos, janela de 128K tokens, recorte de conhecimento em março de 2024 e treinamento extra para fluxos agentic — RAG, tool calling, esse tipo de coisa. Texto indo e voltando, sem multimodal, e com peso aberto, então roda em GPU única se você quiser colocar na sua própria infra.

O que o release diz vs. o que o índice mostra

A NVIDIA fala em "post-trained for agentic workflows". O índice de inteligência, na medição de hoje, marca 12,4. O o3, da OpenAI, está em 31,1. O gpt-oss-120b, também da OpenAI, está em 24,1. O Qwen3 Next 80B A3B Thinking, em 16,9. O Nemotron entra abaixo dos três — e também abaixo do Llama 4 Maverick, da Meta, que marca 14,5.

Isso não é demérito automático. Pense no catálogo como uma prateleira de supermercado: o o3 é o cortes mais caro da casa, custando US$ 8 por milhão de saída, vinte vezes mais que o Nemotron. Se o seu prato não precisa do melhor corte, pagar vinte vezes menos por uma carne decente faz sentido. O problema é o pacote da marca ao lado: o gpt-oss-120b custa US$ 0,17 por milhão de saída — menos da metade — e entrega quase o dobro de inteligência no índice.

Onde a NVIDIA realmente briga

O ângulo que não está no preço é a portabilidade. 49 bilhões de parâmetros cabem em uma única GPU H100, ou em uma A100 com quantização. Os pesos são abertos, então o developer que quer hospedar o modelo dentro da empresa, sem mandar prompt para API de terceiro, tem aqui uma opção viável. O cache de prompt não tem preço publicado no catálogo — o que significa que você não vai conseguir comparar centavos com os concorrentes nesse quesito, e é um ponto de atenção para workloads com prefixo repetido.

A velocidade reportada no catálogo é 52,85 tokens por segundo, e o modelo é marcado como "reasoning", o que normalmente significa que o tempo de resposta varia conforme o tamanho do raciocínio. Para tool calling em RAG, onde cada chamada consome poucos milhares de tokens, esse tempo não pesa tanto.

Para quem esse modelo faz sentido

Se você está montando um agente que consome documento, faz busca, chama ferramenta e devolve resposta curta, o Nemotron 49B entra na conta. A janela de 128K é a mesma do Llama 3.3 original, então cabe um documento grande sem fatiar. O preço de US$ 0,40 nos dois lados é honesto — não é promoção, mas é competitivo para uma chamada de API gerenciada.

Se a sua prioridade é a melhor nota de inteligência pelo menor dólar, o gpt-oss-120b segue sendo a referência no catálogo. Se você quer o teto de raciocínio sem olhar preço, o3. Se você precisa de pesos abertos mas o orçamento fala mais alto, o gpt-oss-120b também é aberto e mais barato.

O tabuleiro depois de hoje

O catálogo está com 253 modelos de 40 criadores diferentes. Nos últimos 30 dias, 29 modelos novos entraram. A NVIDIA entra com um modelo que não lidera nem em inteligência nem em preço, mas ocupa um nicho específico: peso aberto, agentic, janela grande, preço de meio de tabela. É o tipo de lançamento que não muda o topo do ranking, mas dá mais uma opção na prateleira do developer que está decidindo entre hospedar e terceirizar.

A pergunta prática que fica: o seu workload de agente é pesado o suficiente para justificar rodar um 49B na sua infra, ou você prefere pagar US$ 0,17 por milhão no gpt-oss-120b e esquecer GPU? Para a maioria dos casos, a resposta vai ser a segunda. Para quem precisa de peso aberto acima de tudo, o Nemotron entra na lista — mas entra atrás.