NVIDIA Nemotron-3: pre-training FP4 e uscita prevista nel 2026

Approfondisci su LLM On-Premise

Guida completa per eseguire modelli AI in locale: hardware, stack e privacy.

CUDA: il vero vantaggio competitivo di Nvidia oltre l'hardware

Nvidia è spesso percepita come leader nell'hardware GPU, ma il suo vero punto di forza risiede nel software. Il framework CUDA crea un ecosistema robusto che co

Sugon sfida Nvidia con fabric AI 400G per data center

Il produttore cinese di server Sugon ha presentato una nuova soluzione di interconnessione per data center AI, con velocità fino a 400G. Questa tecnicia mira a

NVIDIA e Qwen: l'efficienza dell'Inference con la Quantization NVFP4

NVIDIA ha rilasciato il modello Qwen3.6-35B-A3B-NVFP4, una versione quantizzata del Qwen3.6-35B-A3B di Alibaba. Utilizzando la Post Training Quantization a NVFP

Nvidia: Ricavi in forte crescita dell'85%, i data center trainano l'espansione AI

Nvidia ha registrato un'impressionante crescita dell'85% nei ricavi complessivi, con le vendite nel segmento data center che hanno segnato un balzo del 92%. Que

NVIDIA Gemma 4-26B-A4B-NVFP4: Ottimizzazione e Performance On-Premise

NVIDIA ha rilasciato una versione quantizzata a 4 bit del modello Gemma 2B, denominata Gemma 4-26B-A4B-NVFP4, ottimizzata per l'inference su hardware locale. Co

Dario Amodei non capisce l’AI open source? Ecco perché conta per il deployment on-premise

LLM on-premise: cercare il modello giusto tra benchmark frammentati e dimensioni inutili

Sfida a due nel benchmark US Ban: OpenAI e Anthropic pareggiano

Anche Google crede nei modelli piccoli per il coding

SpectralQuant riduce il gap della quantization Q4_K_M al 96.5%: un salto per i modelli locali

Da Tokyo e Pechino, due nuovi tool AI che aggirano il blocco export di Anthropic