נמוטרון 3.5 לייטנינג נוחת בפריים אינטלקט עם תמיכה מיום אפס

Nvidia משחררת את נמוטרון 3.5 לייטנינג (Nemotron 3.5 Lightning) עם זמינות מיידית על גבי הפלטפורמה של פריים אינטלקט (Prime Intellect), מודל MoE של 30 מיליארד פרמטרים שמפעיל רק 3 מיליארד בכל העברה קדימה. לפי נתוני היצרן, הארכיטקטורה הזו מניבה עד פי ארבעה תפוקה (throughput) גבוהה יותר ומאיצה השלמת משימות בכ-30% בהשוואה לגרסאות קודמות. המודל מיועד לאימון המשך (post-training) לתחומים ספציפיים באמצעות prime-rl ו-Prime Lab, שני הכלים שפריים אינטלקט מציעה כחלק ממחסנית הקוד הפתוח שלה.

ארכיטקטורת MoE קומפקטית עם הבטחה ליעילות

הבחירה ב-30B סך הכול עם 3B פעילים ממקמת את לייטנינג בטריטוריה שבה מודלים קטנים יחסית מתחרים בגדולים על איכות תוך חיסכון ניכר בעלויות הסקה. מבנה MoE (Mixture of Experts) מאפשר לנתב כל טוקן לקבוצת מומחים רלוונטית בלבד, כך שהחישוב בפועל נשאר צר גם כשהקיבולת התאורטית גדולה. בפריים אינטלקט מדגישים שהמודל מגיע "מוכן לאימון המשך", כלומר, המשקלים פתוחים להמשך אופטימיזציה על דאטה ייעודי בלי צורך להתחיל מאפס.

מחסנית מלאה: חישוב, אימון, הסקה וארגז חול

ההצעה של פריים אינטלקט חורגת מאירוח מודלים בלבד. הפלטפורמה מציעה מחסנית משולבת (integrated stack) שכוללת גישה למחשוב לפי דרישה, סביבות אימון מבוססות חיזוק (RL), שרתי הסקה ייעודיים או serverless עם תמיכה מקורית ב-LoRA, וארגזי חול (sandboxes) להרצת קוד מאובטחת בקנה מידה גדול. ההתקנה מתבצעת ב-`pip install prime` וה-CLI מאפשר לנהל את כל הלולאה, מהגדרת סביבת RL, דרך אימון מבוזר אסינכרוני, ועד פריסה והזנת עקבות ייצור (traces) חזרה למחזור האימון הבא.

קייס ראמפ: מודל קטן שהיכה חזיתות בדיוק ובעלות

לדברי כרים עטייה (Karim Atiyeh), מנכ״ל משותף של ראמפ (Ramp), החברה אימנה על גבי Prime Lab סוכן משנה (subagent) בשם Fast Ask שמסייע לסוכן הגיליונות האלקטרוניים לאתר תשובות בתוך טבלאות. התוצאה, לטענתו, עקפה מודלי חזית (frontier models) בדיוק, רצה מהר יותר ועלתה שבריר מהעלות. המסר: במקום להמתין למודל כללי טוב יותר, ארגונים יכולים לאמן מודל צר למשימה שקריטית להם ולקבל החזר השקעה מיידי.

2,500 סביבות RL פתוחות וספריית וריפיירס

ה-Environment Hub של הפלטפורמה מרכז מעל 2,500 סביבות RL בקוד פתוח, מבנצ׳מרקים של כתיבת קוד (mini-swe-agent-plus, deepdive) ועד משחקי טקסט ומדע (science-env, hud-text-2048). ספריית verifiers מספקת רכיבים מודולריים לבניית סביבות: מערכי נתונים, פרסרים, רוביקות הערכה וכלי פעולה, עם ממשק `ToolEnv` שמאפשר להגדיר מגבלת תורות וכלים מותאמים. התשתית תומכת באימון אסינכרוני בקנה מידה דרך קבצי הגדרה נפרדים למאמן, לתזמור ולהסקה.

שוק מחשוב: H200 מ-1.70 שקל לשעה, אשכולות שמורים מ-50 ספקים

פריים אינטלקט מפעילה מרקטפלייס GPU גלובלי. מחירי ספוט (spot) ל-H200 מתחילים ב-0.47 דולר לשעה (כ-1.70 שקל), ואילו אינסטנסים שמורים (reserved) מגיעים עד 4.99 דולר (כ-18 שקל) ל-B300. אשכולות Liquid Reserved מאפשרים לבקש מאות כרטיסים מספקים מרובים (לדוגמה 512 יחידות B300 SXM6 ב-5 דולר לשעה לכרטיס (סך הכול כ-2,560 דולר לשעה, כ-9,300 שקל)) עם אפשרות למכור קיבולת סרק חזרה לשוק הספוט. התמחור השקוף נועד לאפשר תכנון עלות צפוי לאימונים ארוכים.

כיוון מחקר: סוכנים משפרי־עצמם ומודלי שפה רקורסיביים

במקביל למוצר המסחרי, פריים אינטלקט מפרסמת כיווני מחקר: Prime Agent, סוכן הבנוי סביב RLM (Recursive Language Models) ו-Continual Harness שמאפשר שיפור עצמי מתמשך, ומאמר עמדה שממסגר את המודלים הרקורסיביים כפרדיגמה המובילה של 2026. הרעיון: מודל שלומד לכתוב את קוד האימון של עצמו, להעריך את הביצועים ולייצר את הגרסה הבאה בלולאה סגורה, תוך שימוש בעקבות ייצור כדלק לאיטרציה הבאה.