Nvidia öppnar upp Nemotron 3.5 Lightning, en 30B MoE byggd för agenter som alltid är igång

Nvidia öppnar upp Nemotron 3.5 Lightning, en 30B MoE byggd för agenter som alltid är igång

Nvidia släppte Nemotron 3.5 Lightning 30B den 11 augusti — en hybrid Mamba+Transformer MoE med endast 3B aktiva parametrar, licensierad under OpenMDW-1.1 för fullständig kommersiell användning [1]. Modellen levereras med ett nytt bibliotek för routing och är uttryckligen positionerad för agentdrift som är igång dygnet runt och för anpassning efter träning, inte enstaka inferenser [1][2].

Effektiviteten är själva poängen. Med bara 3B aktiva parametrar som gör jobbet åt en mycket större modell är Nemotron 3.5 billig nog att köra kontinuerligt — vilket är exakt den profil man vill ha för bakgrundsagenter som övervakar system, sorterar ärenden eller styr andra verktyg dygnet runt. Modellen finns på Hugging Face med kvantiserade varianter och kontrollpunkter för spekulativ avkodning redan tillgängliga [2][3].

Kommentarerna på X fokuserar på hur öppen releasen är — inklusive transparens kring träningsdata — och hur väl den passar in i befintliga agentramverk [3]. Detta är Nvidia som fortsätter sin strategi att göra modellagret till en handelsvara medan de äger beräkningskraften därunder. Fler labb kommer troligen att styra vardagliga, högfrekventa agentuppgifter till mindre öppna modeller som denna och spara de mest avancerade modellerna för genuint svåra problem.

Databricks når en värdering på cirka 190 miljarder dollar när datainfrastruktur blir AI:s vallgrav

Databricks meddelade den 16 juli en strategisk finansieringsrunda med en värdering på 188 miljarder dollar (vissa rapporter pekar på närmare 190 miljarder), med en årlig intäkt på 5,4–7 miljarder dollar och en tillväxt på 65–80 % år över år [1][2]. Värt att notera är att bolaget blev positivt i fritt kassaflöde under 2025 — det här är inte en historia om tillväxt till varje pris, utan ett lönsamt bolag som ändå tar in kapital eftersom kapplöpningen om AI-infrastruktur inte är över.

Pengarna är avsedda för AI-produkter och data-/AI-infrastruktur, vilket förstärker tanken att flaskhalsen för AI inom näringslivet inte längre är modellkvalitet — utan om er data är städad, styrd och sökbar för en agent från första början [1]. Branschbevakare ser värderingen som en indikator på hur mycket kapital som jagar "rörledningslagret" i AI, inte bara modellagret [2].

För alla företag som de senaste två åren fått höra "koppla bara in GPT-5" och struntat i sin egen datakaos är detta en väckarklocka: vinnarna i denna AI-cykel är i allt högre grad de som fixade sina datagrunder innan agenterna anlände.

Vad detta betyder för ditt företag

Tre nyheter, en gemensam tråd: branschen omorganiserar sig tyst kring orkestrering snarare än generering. Grok 4.6:s hela idé är att överleva långa agentbaserade förlopp utan att kollapsa. Nemotron 3.5 är byggd för att vara en billig kugge som alltid är igång i ett större agentsystem. Databricks tar in nästan 200 miljarder dollar specifikt för att se till att er data är i skick för att agenter faktiskt ska kunna använda den. Ingen av dessa nyheter handlar egentligen längre om "AI skriver bättre kod" — de handlar om AI-system som planerar, gör om, självkorrigerar och körs kontinuerligt, där människor sätter riktningen istället för att skriva syntax.

Om ni är ett nordiskt företag som fortfarande utvärderar AI utifrån "skriver modellen bra kod" eller "svarar chatboten bra", ställer ni förra årets fråga. Den verkliga frågan nu är: kan vår data stödja en agent som körs obevakad i timmar, och har vi det omdömeslager — känslan, skyddsräckena, eskaleringsreglerna — som krävs för att lita på den när den gör det? Kod blir på riktigt gratis, vilket SpaceXAI och Nvidia visar genom att leverera kapabla modeller till sjunkande kostnad. Det som är dyrt, och det som Databricks-investerare satsar på, är infrastrukturen och omdömet som krävs för att rikta dessa system mot rätt problem och lita på deras resultat.

Det här är precis den terräng Up North AI verkar i — röst-AI, dataverktyg, orkestrering — och dagens nyheter är en bekräftelse på rätt spår, inte en överraskning. Klyftan mellan företag som tar till sig agentbaserad AI och de som bara köpt en chatbotlicens kommer att bli den avgörande konkurrensskillnaden 2026–2027.

Viktigaste slutsatsen: AI-kapplöpningen har tyst gått från "vems modell är smartast" till "vems data och omdöme kan stödja en agent som körs utan övervakning" — och det är ett mycket svårare, och mycket mer värdefullt, problem att lösa.