엔비디아, 멀티 에이전트 특화 오픈 모델 ‘네모트론 3’ 공개

네모트론 3(Nemotron 3)는 엔비디아가 멀티 에이전트 AI 시스템 구축을 위해 공개한 최신 오픈 모델 제품군이다. 복잡한 워크플로를 수행하는 자율 에이전트를 적은 추론 비용과 높은 처리 효율로 구동할 수 있도록 설계됐다.

여러 AI 에이전트가 협업하는 환경에서는 모델 간 통신 지연, 맥락 손실, 기하급수적으로 늘어나는 추론 비용이 늘 문제로 꼽힌다. 네모트론 3는 하이브리드 잠재 MoE(전문가 혼합) 구조를 도입해, 정밀한 추론 능력을 유지하면서도 실제 계산에 쓰이는 활성 파라미터 수를 극적으로 줄여 토큰 비용을 최소화했다.

세 가지 크기와 MoE 구조

모델은 작업 규모와 환경에 따라 세 가지 규격으로 나뉜다.

공개 당일부터 바로 사용할 수 있는 네모트론 3 나노(Nano)는 총 파라미터 300억 개 중 토큰당 최대 30억 개만 활성화되는 구조다. 이전 세대인 네모트론 2 나노 대비 토큰 처리량이 최대 4배 향상됐으며, 추론 토큰 생성을 최대 60% 줄였다. 100만 토큰에 달하는 긴 문맥 창을 지원하며, 독립 AI 벤치마크 기관인 아티피셜 애널리시스(Artificial Analysis)는 동급 모델 중 개방성과 효율성, 정확도 측면에서 선두로 평가했다.

더 큰 규모의 두 모델은 2026년 상반기에 출시될 예정이다. 약 1000억 파라미터(100억 활성) 규모의 네모트론 3 슈퍼(Super)는 저지연 멀티 에이전트 협업에 최적화됐고, 약 5000억 파라미터(500억 활성) 규모의 네모트론 3 울트라(Ultra)는 심층 연구와 전략 수립 같은 고난도 추론을 맡는다. 두 상위 모델은 블랙웰(Blackwell) 아키텍처의 4비트 NVFP4 포맷으로 학습되어 메모리 부담을 크게 덜어냈다.

3조 토큰 데이터와 평가 레시피 전면 공개

엔비디아는 모델 가중치 배포에 그치지 않고 전체 개발 툴체인까지 투명하게 개방했다.

사전 학습과 사후 학습, 강화학습에 활용된 3조 토큰 규모의 데이터셋과 에이전트 안전성 검증 데이터셋을 함께 풀었다. 강화학습 환경과 프레임워크를 제공하는 NeMo Gym과 NeMo RL 역시 오픈소스로 배포됐으며, 언슬로스(Unsloth)와 프라임 인텔렉트(Prime Intellect) 등이 이미 연동을 마쳤다.

특히 주목할 부분은 평가 도구인 NeMo Evaluator와 함께 결과 재현을 위한 전체 평가 레시피를 투명하게 공개했다는 점이다. 프롬프트, 벤치마크 구성, 런타임 설정이 모두 포함되어 있어 누구나 자체 인프라에서 동일한 결과를 검증하고 비교해 볼 수 있다.

로컬 구동 환경도 탄탄하다. 네모트론 3는 llama.cpp, vLLM, LM Studio, SGLang 등 대표적인 로컬 런타임을 즉시 지원한다. 허깅페이스(Hugging Face)에서 나노 모델 가중치를 내려받을 수 있으며, 오픈라우터, 파이어웍스, 딥인프라 등 추론 API와 엔비디아 NIM 마이크로서비스를 통해서도 바로 배포할 수 있다.

왜 중요한가

에이전트 기반 작업이나 도구 호출, 로컬 코드 분석 파이프라인을 구축하려는 개발자라면 네모트론 3 나노를 지금 바로 테스트해 볼 가치가 충분하다. 30억 파라미터 수준의 가벼운 계산량으로 100만 토큰의 문맥을 처리할 수 있어 호출이 잦은 에이전트 워크플로의 비용 부담을 극적으로 낮춰준다.

엔비디아의 생태계 전략 관점에서도 영리한 한 수다. 데이터셋부터 강화학습 프레임워크, 평가 도구까지 전부 오픈소스로 풀어버림으로써 블랙박스 형태로 벤치마크만 내세우던 기존 오픈 모델 진영에 높은 투명성 기준을 강제하고, 자사의 블랙웰 하드웨어 및 소프트웨어 스택을 멀티 에이전트 시대의 기본 표준으로 굳히려는 의도가 엿보인다.