NVIDIA, Nemotron 3 Super 공개... 1M context와 최대 5배 throughput로 agentic AI 정조준

NVIDIA는 2026년 3월 11일 Nemotron 3 Super를 공개했다. 이 모델은 총 120B parameters 가운데 inference 시 12B active parameters만 사용하는 open model이며, autonomous agents와 multi-agent workflow를 겨냥해 설계됐다. NVIDIA가 내세운 핵심 문제의식은 agentic AI가 실제 배포 단계에서 마주치는 context explosion과 thinking tax다.

NVIDIA에 따르면 multi-agent workflow는 tool output, intermediate reasoning, conversation history를 반복적으로 다시 보내기 때문에 일반 chat보다 최대 15배 많은 tokens를 만들어낼 수 있다. 작업이 길어질수록 비용이 늘고, agent가 원래 목표에서 벗어나는 goal drift도 생길 수 있다. Nemotron 3 Super는 1M-token context window를 통해 전체 workflow state를 더 오래 유지하고, 긴 reasoning 작업을 더 효율적으로 처리하는 것을 목표로 한다.

모델이 내세운 주요 기술 포인트

• 120B total parameters, 12B active parameters
• Mamba layers와 transformer layers를 결합한 hybrid mixture-of-experts architecture
• 전문가 4개를 1개 비용으로 활성화한다고 설명한 latent MoE
• 여러 단어를 동시에 예측하는 multi-token prediction
• 이전 Nemotron Super 대비 최대 5배 throughput, 최대 2배 accuracy 향상 주장

NVIDIA는 이 모델이 Blackwell에서 NVFP4 precision으로 동작해 memory requirement를 낮추고, Hopper의 FP8 대비 최대 4배 빠른 inference를 제공한다고 밝혔다. 또 Artificial Analysis에서 efficiency와 openness 기준 1위를 기록했고, NVIDIA AI-Q research agent를 DeepResearch Bench와 DeepResearch Bench II leaderboards 1위로 올렸다고 설명했다.

공개 방식도 눈에 띈다. NVIDIA는 permissive license 기반 open weights를 제공하고, 10 trillion tokens 이상의 pre- and post-training datasets, 15 reinforcement learning training environments, evaluation recipes까지 공개한다고 밝혔다. build.nvidia.com, Perplexity, OpenRouter, Hugging Face를 통해 접근할 수 있고, 여러 cloud 및 enterprise 파트너가 배포를 지원한다.

이 발표는 NVIDIA가 accelerator 공급자에 머무르지 않고, enterprise agent stack의 model 계층까지 영향력을 넓히려 한다는 점에서도 중요하다. 실제 production에서 긴 context와 낮은 inference cost, 높은 tool-calling reliability가 입증된다면, Nemotron 3 Super는 coding agents, research agents, workflow automation 시스템에서 빠르게 채택될 가능성이 있다.