NVIDIA lança NemoClaw: blueprints para agentes autônomos sob controle total

---

O que muda é que agora desenvolvedores podem montar uma pilha completa de agentes sem depender de soluções fechadas. A NVIDIA não vende um runtime ou um framework novo — apenas um conjunto de templates que combinam um modelo Nemotron otimizado, ferramentas de otimização via NeMo Relay e o OpenShell para governança de acesso. O diferencial é que o agente já vem com otimizações prévias, como ajustes de prompts e middleware, sem precisar retreinar o modelo.

Por exemplo, a LangChain já ajustou o Deep Agents para Nemotron 3 Ultra, reduzindo o custo por execução em até 10 vezes, sem perder performance. Isso significa que, para tarefas complexas, o custo pode cair enquanto a precisão permanece próxima ao limite atual. A otimização não é mágica: são ajustes na interface entre o modelo e o ambiente, não mudanças na arquitetura do modelo em si.

--- ## A governança não é opcional

A grande vantagem do NemoClaw não é só o desempenho, mas o controle. O OpenShell é o componente que impõe limites: agentes não podem acessar arquivos, redes ou credenciais sem autorização explícita. Isso evita que um modelo, mesmo com memória ou contexto enganoso, execute ações fora do escopo definido. A NVIDIA garante que o runtime funciona em qualquer infraestrutura — desde PCs RTX até data centers e sistemas DGX Spark — e que pode ser usado lado a lado com modelos de fronteira como Claude ou Cursor.

A limitação clara está no suporte atual: os blueprints só trabalham com três orquestradores. Se você não usa OpenClaw, Hermes ou LangChain Deep Agents, o NemoClaw não é uma solução pronta. Além disso, nem todos os modelos Nemotron estão disponíveis — a otimização é feita com base em versões específicas, como o Nemotron 3 Ultra. Para testar, a NVIDIA disponibilizou exemplos no GitHub, mas o uso comercial ainda depende de aprovação da NVIDIA.

--- ## Por que isso importa no mercado de agentes?

Agentes autônomos ainda são um campo em evolução, mas a demanda por soluções seguras e escaláveis cresceu. Antes, desenvolvedores tinham que escolher entre:

• Ferramentas genéricas (como Hermes Agent), que não otimizam para o modelo específico;
• Soluções fechadas (como plataformas de IA empresarial), que limitam a personalização;
• Runtimes genéricos (como OpenAI Functions), que não garantem governança fina.

O NemoClaw resolve isso ao fornecer um "kit de montagem" que combina o que já existe (o agente) com o que ainda precisa ser construído (otimização e governança). Isso é útil para empresas que já têm um framework de orquestração e querem melhorar a eficiência sem reinventar a roda.

O movimento mais amplo é claro: a NVIDIA está apostando em agentes como serviços controlados, não como produtos prontos. A competição ainda é entre modelos (como Claude ou Mistral) e entre frameworks de orquestração (como LangChain ou Hermes), mas o NemoClaw mostra que a infraestrutura para executar esses agentes está se tornando mais modular. O desafio agora é se os desenvolvedores vão preferir construir sua própria pilha ou adotar blueprints prontos — e se a governança será suficiente para evitar que agentes "esqueçam" suas políticas.