Nemotron 3.5 Lightning, il modello aperto di NVIDIA che accelera gli agenti AI in locale

Quando si parla di intelligenza artificiale, NVIDIA viene quasi sempre associata alle GPU, cioè ai chip che fanno girare i modelli degli altri. Con Nemotron 3.5 Lightning l’azienda ricorda a tutti che vuole giocare anche l’altra partita, quella dei modelli veri e propri. Il nuovo arrivato è un modello aperto pensato non per stupire con ragionamenti spettacolari, ma per svolgere in fretta e a basso costo il lavoro sporco degli agenti AI.

Presentato l’11 agosto 2026, Nemotron 3.5 Lightning è un modello a esperti (Mixture of Experts) con 30 miliardi di parametri totali ma soltanto 3 miliardi attivi per ogni token generato. La sigla con cui lo trovi in giro, 30B-A3B, dice esattamente questo: tanta conoscenza immagazzinata, pochissimo calcolo speso a ogni passo.

È una scelta di ingegneria precisa, e vale la pena capirla bene, perché racconta dove sta andando tutto il settore.

Cosa è Nemotron 3.5 Lightning e perché NVIDIA lo ha costruito

Nemotron 3.5 Lightning nasce come versione distillata di un modello molto più grande, Nemotron 3 Ultra. Distillare, in questo contesto, significa trasferire in un modello piccolo buona parte delle capacità di un modello enorme, così da ottenere qualcosa di leggero che si comporta quasi come un fratello maggiore. Il risultato è un modello che pesa poco e che puoi far girare su una singola scheda grafica di fascia consumer, comprese quelle montate nei PC RTX e nei sistemi DGX Spark pensati per gli sviluppatori.

La logica dichiarata da NVIDIA è chiara. Non tutti i compiti che affidiamo a un agente AI richiedono un cervellone da centinaia di miliardi di parametri. Anzi, la maggior parte del lavoro quotidiano è fatta di operazioni ripetitive: chiamare uno strumento, leggere un documento, validare un dato, formattare una risposta, classificare un testo o riassumerlo.

Questo è il cosiddetto livello di esecuzione di un sistema agentico. Ed è proprio qui che Nemotron 3.5 Lightning vuole diventare lo strumento di riferimento.

Un’architettura ibrida costruita per la velocità

La vera novità tecnica sta sotto il cofano. Nemotron 3.5 Lightning non è un classico Transformer, ma un modello ibrido che mescola tre ingredienti: i blocchi Mamba-2, il meccanismo Mixture of Experts e una quota ridotta di attenzione tradizionale. Ognuno di questi mattoni serve a uno scopo.

I blocchi Mamba-2 appartengono alla famiglia dei modelli a spazio di stato, che elaborano le sequenze in modo molto più economico rispetto all’attenzione pura quando i testi diventano lunghi. L’attenzione classica, mantenuta solo in parte, aiuta invece il modello a non perdere i dettagli importanti. Il Mixture of Experts, infine, permette di avere tanti parametri disponibili accendendone solo una frazione ogni volta.

Nel dettaglio, secondo le informazioni diffuse al lancio, il modello dispone di 128 esperti instradati più uno condiviso, e per ogni token ne attiva soltanto sei. È il motivo per cui, pur avendo 30 miliardi di parametri, si comporta in termini di calcolo come un modello da 3 miliardi.

A completare il quadro c’è una finestra di contesto da un milione di token, che consente di dare in pasto al modello interi archivi di documenti, lunghe cronologie di conversazione o basi di codice complete. Tra le lingue supportate compare anche l’italiano, insieme a inglese, spagnolo, francese, tedesco e giapponese.

Il livello di esecuzione degli agenti: la vera scommessa

Per capire l’importanza di questo modello devi cambiare punto di vista. Negli ultimi mesi l’attenzione è stata tutta sui modelli di frontiera, quelli che ragionano passo dopo passo e risolvono problemi difficili. Ma un agente AI che lavora davvero non passa la giornata a ragionare: passa la giornata a eseguire.

Ogni volta che un assistente autonomo interroga un’API, controlla il risultato, ripulisce un output o smista una richiesta, sta compiendo micro operazioni che, moltiplicate per migliaia di passaggi, diventano il vero collo di bottiglia. Usare un modello gigantesco per questi compiti è come mandare un camion a comprare il pane: funziona, ma è lento e costoso.

Nemotron 3.5 Lightning propone l’alternativa. Un modello piccolo, rapido, economico, che sbriga la parte operativa e lascia ai modelli più potenti solo i momenti in cui serve davvero pensare. NVIDIA dichiara un throughput fino a quattro volte superiore rispetto a modelli aperti di dimensioni simili e un completamento dei compiti agentici più veloce di circa il trenta per cento.

Non è un caso che, insieme al modello, l’azienda abbia rilasciato anche NeMo Switchyard, una libreria open source che instrada automaticamente ogni richiesta di un agente verso il modello più adatto ed efficiente per quel compito specifico. Modello e router, insieme, disegnano una visione: usare lo strumento giusto per ogni singola operazione, invece di sprecare potenza ovunque.

Prestazioni e confronto con gli altri modelli aperti

Sul fronte dei benchmark, i numeri diffusi al debutto raccontano un modello competitivo per la sua categoria. Nei test di ingegneria del software del tipo SWE-bench Verified il punteggio si colloca intorno alla cinquantina, mentre sui quesiti scientifici di GPQA Diamond e sulla conoscenza generale di MMLU Pro i risultati restano solidi. Va detto con onestà che parliamo di dati di lancio, che andranno confermati dall’uso reale e dai test indipendenti.

Il contesto competitivo è però la parte più interessante. Nemotron 3.5 Lightning si inserisce in un’ondata di modelli aperti da circa 30 miliardi di parametri, tutti pensati per girare in locale e per lavorare come agenti.

Solo negli ultimi giorni abbiamo visto Meta presentare il suo modello agentico aperto Muse Glimmer, mentre Alibaba ha rilasciato Qwen3.8-27B, multimodale e capace di funzionare sul tuo computer. Sul versante del codice e della cybersicurezza si è messo in mostra anche GLM-5.3 di Z.ai. La convergenza su questa fascia di dimensioni non è casuale: è il punto di equilibrio ideale tra capacità e possibilità di far girare tutto senza dipendere dal cloud.

In questo scenario, la mossa di NVIDIA ha un peso particolare. L’azienda che vende le GPU su cui si addestra quasi tutta l’AI mondiale distribuisce gratuitamente un modello che gira benissimo, guarda caso, proprio sul suo hardware.

Licenza aperta e disponibilità: dove trovarlo

Uno dei motivi per cui questo rilascio conta è la licenza. Nemotron 3.5 Lightning arriva sotto la licenza OpenMDW nella versione 1.1, che consente l’uso commerciale libero e mette a disposizione non solo i pesi del modello, ma anche parte dei dati e delle ricette di addestramento. Per un’azienda significa poter scaricare, adattare e mettere in produzione il modello senza chiedere permessi né pagare royalty.

Il modello è distribuito in due versioni, una a precisione BF16 e una quantizzata in formato NVFP4, quest’ultima pensata proprio per ridurre l’ingombro in memoria e correre su schede meno capienti. Lo trovi su Hugging Face, su ModelScope, tramite il livello gratuito di OpenRouter e sulla piattaforma build.nvidia.com sotto forma di microservizio NIM già pronto all’uso.

Chi volesse leggere i dettagli direttamente dalla fonte può consultare l’annuncio ufficiale sul blog di NVIDIA, che accompagna il lancio con benchmark e note tecniche.

La combinazione di licenza permissiva, peso ridotto e disponibilità immediata abbassa in modo netto la barriera d’ingresso per chi vuole costruire agenti senza inviare ogni dato a un servizio esterno.

Cosa cambia per te

Se segui l’AI per lavoro o per curiosità, Nemotron 3.5 Lightning è un segnale da non sottovalutare. Racconta che il futuro degli agenti non sarà fatto solo di modelli sempre più grandi, ma anche di modelli piccoli e specializzati che fanno la parte più noiosa in modo efficiente, economico e sotto il tuo controllo.

Per sviluppatori, freelance e piccole imprese la prospettiva è concreta: puoi immaginare assistenti che girano sul tuo portatile, che gestiscono strumenti e documenti senza far lievitare la bolletta delle API e senza esporre informazioni sensibili all’esterno.

Il consiglio, se il tema ti interessa, è di provarlo con mano. Scarica la versione quantizzata, collegala a un piccolo flusso agentico e verifica quanto lavoro riesce a sbrigare in locale. È il modo migliore per capire se questa nuova generazione di modelli leggeri è pronta a entrare nella tua cassetta degli attrezzi. Continua a seguirci per restare aggiornato sulle prossime mosse di NVIDIA e degli altri protagonisti dei modelli aperti.