# NVIDIA lança modelos de linguagem de difusão Sigma em dois tamanhos

Published 2026-11-21 · AI.info Team · AI.info

> Nemotron-Labs-Sigma gera texto em blocos ao remover ruído de representações contínuas de tokens. NVIDIA informa um aumento médio de 3,46 vezes na velocidade de decodificação de seu modelo 8B em testes com uma GB200.

NVIDIA lançou uma família de modelos de linguagem que geram texto em blocos ao remover ruído de representações contínuas de tokens, com versões de 3 bilhões e 8 bilhões de parâmetros. Os modelos, chamados Nemotron-Labs-Sigma, foram projetados para raciocínio e programação, segundo a [NVIDIA Research](https://research.nvidia.com/labs/genair/sigma/).

A MarkTechPost informa que a coleção contém 14 checkpoints abertos, incluindo variantes base, ajustadas por instrução, destiladas e autoespeculativas. O cartão do modelo base 8B lista 12 de novembro de 2026 como a data de lançamento no Hugging Face.

## Geração de texto em blocos

Sigma começa cada bloco com ruído gaussiano e remove o ruído repetidamente de uma representação condicionada pelo texto anterior. Depois que o bloco é refinado, o modelo lê os tokens discretos e passa para o bloco seguinte.

A representação usa embeddings de tokens de 16 dimensões, aprendidos junto com a rede de remoção de ruído. O treinamento começa com pesos autoregressivos pré-treinados e usa um backbone compartilhado para um fluxo autoregressivo que processa tokens limpos e um fluxo de difusão que remove o ruído de seus embeddings.

Durante a geração, o modelo pode ajustar a trajetória usando orientação sem classificador e temperatura de score. Ele também alimenta a previsão condicional anterior na etapa seguinte de remoção de ruído, uma técnica que o projeto chama de autocondicionamento.

## Menos etapas e decodificação especulativa

NVIDIA afirma que os modelos destilados geram oito tokens por passagem direta em tarefas de matemática e quatro em tarefas de programação, com perda de precisão insignificante e diversidade preservada. O matching de distribuição é usado para destilar o modelo e gerar texto com menos etapas de remoção de ruído.

Em um método separado, o modelo de difusão destilado rascunha blocos que seu próprio fluxo autoregressivo verifica. NVIDIA afirma que essa decodificação autoespeculativa reproduz a saída gulosa do modelo autoregressivo.

Em uma NVIDIA GB200, o modelo 8B alcançou um aumento médio de 3,46 vezes no throughput em relação à sua decodificação autoregressiva, segundo o projeto de pesquisa. Esse número descreve o método autoespeculativo testado, e não um aumento geral de velocidade para todos os usos de Sigma.

## Resultados e disponibilidade

Nas avaliações da NVIDIA, o modelo base 8B teve média de 71,16 no conjunto de seis tarefas da NVIDIA, acima dos 70,22 do NLD-8B, informa a MarkTechPost. A mesma reportagem diz que Sigma-8B obteve 65,12 no HumanEval, contra 62,80 do modelo de comparação, mas marcou 65,74 no MBPP, contra 67,00.

O contexto máximo do modelo base 8B é de 4.096 tokens, incluindo o prompt e o texto gerado. O cartão do modelo descreve a versão base como um ponto de partida para pesquisa e fine-tuning, e não como um assistente que segue instruções; há uma variante instruct correspondente.

O modelo base 8B é executado em uma GPU NVIDIA compatível com CUDA usando bfloat16, e não há suporte à inferência em CPU. Seu uso é regido pela NVIDIA Nemotron Open Model License, e o cartão do modelo afirma que ele está pronto para uso comercial ou não comercial.

## Fontes

1. Fonte original [NVIDIA Research](https://research.nvidia.com/labs/genair/sigma/) research.nvidia.com

Outras páginas lidas

2. [NVIDIA on Hugging Face](https://huggingface.co/nvidia/Nemotron-Labs-Sigma-8B) huggingface.co
3. [MarkTechPost](https://www.marktechpost.com/2026/11/20/nvidia-nemotron-labs-sigma-continuous-diffusion-language-model/) marktechpost.com

## Empresas nesta notícia

- [Nvidia](https://ai.info/pt/companies/nvidia)

## Notícias relacionadas

- [NVIDIA detalha fluxo de trabalho com dois prompts para dados de treinamento de IA física](https://ai.info/pt/news/nvidia-cosmos-two-prompt-physical-ai-data)
- [METR constata que modelos de IA geralmente igualam ou superam humanos qualificados em tarefas de programação, com horizontes de tempo dobrando a cada 3,6 meses](https://ai.info/pt/news/metr-ai-capabilities-harder-to-measure)
- [OpenAI afirma que agentes concluíram 46% das tarefas delegadas que exigiam de duas a quatro horas](https://ai.info/pt/news/openai-coding-agents-research-task-success)
- [NVIDIA adiciona reordenação de pacotes à biblioteca de aquisição de dados DAQIRI](https://ai.info/pt/news/nvidia-daqiri-gpu-native-data-acquisition)
- [NVIDIA atualiza decodificadores GGUF do Nemotron 3.5 Transcribe](https://ai.info/pt/news/nvidia-nemotron-35-transcribe-gguf-decoders)

## Explore

[Mais artigos](https://ai.info/pt/news)

---

Canonical: https://ai.info/pt/news/nvidia-nemotron-labs-sigma-continuous-diffusion-models
