/* global window */
window.registerArticle({
  slug: '2026-07-09-langchain-nvidia-agentes-abertos',
  category: 'noticias',
  date: '2026-07-09',
  related: ['cobrar-por-resultado', 'integrar-com-o-que-o-time-ja-usa'],
  image: { src: 'assets/news/2026-07-09-langchain-nvidia-agentes-abertos.jpg', zoom: 1, fx: 0.5, fy: 0.5, credit: 'Foto: Mickael Courtiade, CC BY 2.0. Tratada em halftone.' },
  i18n: {
    pt: {
      title: 'LangChain e NVIDIA lançam um blueprint para rodar agentes de IA de código aberto a 10x menos custo',
      dek: 'O NemoClaw junta o modelo aberto Nemotron 3 Ultra, o harness Deep Agents e um runtime da NVIDIA. No teste da LangChain, entregou 0,86 de score por US$ 4,48, contra US$ 43,48 do concorrente mais próximo.',
      body: [
        { type: 'lead', text: ['A LangChain e a NVIDIA lançaram o NemoClaw, um blueprint para empresas construírem e colocarem agentes de IA em produção usando modelos abertos. No teste de agentes da própria LangChain, a combinação atingiu ', { b: '0,86 de score por US$ 4,48, cerca de 10x mais barato que o modelo concorrente mais próximo, que custou US$ 43,48' }, '.'] },
        { type: 'table', headers: ['Dado', 'O que significa'], rows: [
          [{ b: '0,86 por US$ 4,48' }, [{ href: 'https://www.langchain.com/blog/langchain-and-nvidia-launch-the-nemoclaw-deep-agents-blueprint', text: 'Score do Nemotron 3 Ultra com Deep Agents no eval da LangChain' }]],
          [{ b: 'US$ 43,48' }, 'Custo do modelo concorrente mais próximo no mesmo teste, cerca de 10x mais caro'],
          [{ b: '5x mais rápido' }, 'Inferência do Nemotron 3 Ultra em tarefas agênticas longas'],
          [{ b: 'até 30% menos custo' }, 'Em tarefas agênticas complexas, segundo a NVIDIA'],
          [{ b: '6x a 20x' }, 'Economia típica de modelos abertos frente a APIs de modelos fechados'],
          [{ b: '85%' }, 'Fatia da inferência no orçamento total de IA das empresas'],
        ] },
        { type: 'h2', text: 'O que é o NemoClaw' },
        { type: 'p', text: ['Anunciado em 8 de julho, o ', { href: 'https://www.prnewswire.com/news-releases/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents-302820446.html', text: 'NemoClaw' }, ' não é um produto fechado, é uma arquitetura de referência com três peças que se encaixam. O ', { b: 'Nemotron 3 Ultra' }, ' é o modelo aberto da NVIDIA, menor e mais rápido, feito para agentes que rodam por muito tempo. O ', { b: 'Deep Agents' }, ' é o harness da LangChain que cuida de planejamento, uso de ferramentas, memória e avaliação. E o ', { b: 'OpenShell' }, ' é o runtime da NVIDIA para colocar isso em produção com segurança.'] },
        { type: 'p', text: ['A ideia é que a empresa monte agentes sobre os próprios dados e ferramentas. Nas palavras de Jensen Huang, da NVIDIA, "toda empresa pode construir agentes sob medida que entendem o seu negócio, usam as suas ferramentas e transformam conhecimento em ação". O blueprint já está disponível para avaliação, com parceiros como EY, Baseten, Fireworks, Nebius, Crusoe, DeepInfra e Together AI ajudando a rodar os modelos em produção.'] },
        { type: 'h2', text: 'Por que o custo despenca' },
        { type: 'p', text: ['O pano de fundo é a conta de agentes, que a gente já vinha acompanhando. Um fluxo agêntico consome de 5 a 30 vezes mais tokens por tarefa que uma pergunta de chatbot, e a inferência já é cerca de 85% do orçamento de IA das empresas, segundo a ', { href: 'https://www.hpcwire.com/bigdatawire/this-just-in/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents/', text: 'cobertura da BigDATAwire' }, '. Ou seja: escolher o modelo e a arquitetura certos é a maior alavanca de custo que existe.'] },
        { type: 'p', text: 'É aí que o modelo aberto entra. Rodando na sua infraestrutura, ele costuma sair de 6 a 20 vezes mais barato que a API de um modelo fechado equivalente. Harrison Chase, da LangChain, resume o motivo de juntar tudo num blueprint: memória, uso de ferramentas, avaliação e comportamento do modelo se potencializam quando o time consegue ajustar as quatro coisas juntas, em vez de tratar cada uma como uma caixa separada.' },
        { type: 'h2', text: 'Por que importa para quem implementa IA' },
        { type: 'p', text: 'A leitura prática é direta: você não precisa do modelo mais caro para ter um agente sério em produção. Precisa da bancada certa em volta dele. O caminho que o NemoClaw desenha (modelo aberto na sua infra, um harness que orquestra, avaliação para medir e um runtime que você controla) é o mesmo que separa o piloto que impressiona do agente que a operação confia. E muda a pergunta do projeto: não é "qual o melhor modelo", é "qual o modelo certo para esta tarefa, a este custo".' },
        { type: 'h2', text: 'A leitura da Moore' },
        { type: 'p', text: ['Para a gente isso confirma a terceira forma de aplicar agentes que defendemos: construir o software pronto para agentes, a bancada que faz tudo escalar. O valor não está em pagar pelo modelo mais caro, está em montar a combinação certa de modelo, harness, avaliação e runtime sobre os seus dados. É a mesma tese de ', { to: 'cobrar-por-resultado', text: 'cobrar pelo resultado' }, ', não pela promessa: se o custo por tarefa cai 10x, o que importa é quanto valor cada agente entrega, não quanto custa o token.'] },
        { type: 'p', text: ['A recomendação que tiramos: antes de assinar o modelo premium para tudo, teste um modelo aberto com avaliação no seu caso real e roteie por tarefa, o caso simples no modelo barato, o caso difícil no forte. E faça isso ', { to: 'integrar-com-o-que-o-time-ja-usa', text: 'integrado ao que o time já usa' }, ', não numa ilha. A escolha de modelo virou decisão de arquitetura e de orçamento, não um detalhe técnico.'] },
        { type: 'p', text: 'Uma ressalva honesta: benchmark é benchmark. O 0,86 por US$ 4,48 é um teste da própria LangChain, num conjunto de avaliação específico. O número real aparece quando você mede no seu caso, com os seus dados e as suas ferramentas. Que é, de novo, o motivo de a avaliação fazer parte da bancada desde o começo.' },
        { type: 'h2', text: 'Perguntas frequentes' },
        { type: 'h3', text: 'O NemoClaw é gratuito?' },
        { type: 'p', text: 'É um blueprint aberto, uma arquitetura de referência que você pode adotar. Os custos vêm da infraestrutura onde você roda o modelo e das ferramentas dos parceiros, não de uma licença fechada por cima.' },
        { type: 'h3', text: 'Preciso de GPUs da NVIDIA?' },
        { type: 'p', text: 'O caminho oficial usa o modelo Nemotron da NVIDIA e o runtime OpenShell, então sim, ele é pensado para rodar em GPUs NVIDIA, seja na sua infra ou via parceiros de inferência como Crusoe, Fireworks ou Together AI.' },
        { type: 'h3', text: 'Serve para produção de verdade?' },
        { type: 'p', text: 'É esse o objetivo declarado: construir, avaliar e implantar agentes em produção com padrão corporativo. Como sempre, o que decide não é o modelo, é o processo de avaliação e governança em volta dele.' },
        { type: 'ul', items: [
          [{ href: 'https://www.langchain.com/blog/langchain-and-nvidia-launch-the-nemoclaw-deep-agents-blueprint', text: 'LangChain: o blueprint NemoClaw com Deep Agents' }],
          [{ href: 'https://www.prnewswire.com/news-releases/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents-302820446.html', text: 'PR Newswire: anúncio oficial LangChain e NVIDIA' }],
          [{ href: 'https://www.hpcwire.com/bigdatawire/this-just-in/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents/', text: 'BigDATAwire: cobertura do NemoClaw e os números de custo' }],
        ] },
      ],
    },
    en: {
      title: 'LangChain and NVIDIA launch a blueprint to run open-source AI agents at 10x lower cost',
      dek: 'NemoClaw combines the open Nemotron 3 Ultra model, the Deep Agents harness, and an NVIDIA runtime. In LangChain testing, it delivered a 0.86 score at $4.48, against $43.48 for the closest competitor.',
      body: [
        { type: 'lead', text: ['LangChain and NVIDIA launched NemoClaw, a blueprint for companies to build and put AI agents into production using open models. In LangChain own agent eval, the combination hit ', { b: 'a 0.86 score at $4.48, roughly 10x cheaper than the closest competing model, which cost $43.48' }, '.'] },
        { type: 'table', headers: ['Figure', 'What it means'], rows: [
          [{ b: '0.86 at $4.48' }, [{ href: 'https://www.langchain.com/blog/langchain-and-nvidia-launch-the-nemoclaw-deep-agents-blueprint', text: 'Nemotron 3 Ultra score with Deep Agents in LangChain eval' }]],
          [{ b: '$43.48' }, 'Cost of the closest competing model on the same test, about 10x more expensive'],
          [{ b: '5x faster' }, 'Nemotron 3 Ultra inference on long-running agentic tasks'],
          [{ b: 'up to 30% lower cost' }, 'On complex agentic tasks, per NVIDIA'],
          [{ b: '6x to 20x' }, 'Typical savings of open models versus closed-model APIs'],
          [{ b: '85%' }, 'Inference share of total enterprise AI budgets'],
        ] },
        { type: 'h2', text: 'What NemoClaw is' },
        { type: 'p', text: ['Announced on July 8, ', { href: 'https://www.prnewswire.com/news-releases/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents-302820446.html', text: 'NemoClaw' }, ' is not a closed product, it is a reference architecture with three pieces that fit together. ', { b: 'Nemotron 3 Ultra' }, ' is NVIDIA open model, smaller and faster, built for agents that run for a long time. ', { b: 'Deep Agents' }, ' is LangChain harness that handles planning, tool use, memory, and evaluation. And ', { b: 'OpenShell' }, ' is NVIDIA runtime to put it into production securely.'] },
        { type: 'p', text: ['The idea is for a company to build agents on top of its own data and tools. In the words of NVIDIA Jensen Huang, "every enterprise can build custom agents that understand its business, use its tools, and turn knowledge into action." The blueprint is available now for evaluation, with partners like EY, Baseten, Fireworks, Nebius, Crusoe, DeepInfra, and Together AI helping run the models in production.'] },
        { type: 'h2', text: 'Why the cost drops' },
        { type: 'p', text: ['The backdrop is the agent bill we have been tracking. An agentic flow consumes 5 to 30 times more tokens per task than a chatbot query, and inference is already about 85% of enterprise AI budgets, according to ', { href: 'https://www.hpcwire.com/bigdatawire/this-just-in/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents/', text: 'BigDATAwire coverage' }, '. In other words: choosing the right model and architecture is the biggest cost lever there is.'] },
        { type: 'p', text: 'That is where the open model comes in. Running on your infrastructure, it usually comes out 6 to 20 times cheaper than an equivalent closed-model API. LangChain Harrison Chase sums up why bundle it all into a blueprint: memory, tool use, evaluation, and model behavior compound when the team can tune all four together, instead of treating each as a separate box.' },
        { type: 'h2', text: 'Why it matters for anyone implementing AI' },
        { type: 'p', text: 'The practical read is blunt: you do not need the most expensive model to have a serious agent in production. You need the right workbench around it. The path NemoClaw draws (an open model on your infra, a harness that orchestrates, evaluation to measure, and a runtime you control) is the same one that separates the pilot that impresses from the agent the operation trusts. And it changes the project question: not "which is the best model," but "which is the right model for this task, at this cost."' },
        { type: 'h2', text: 'The Moore reading' },
        { type: 'p', text: ['For us this confirms the third way of applying agents that we champion: building the agent-ready software, the workbench that makes everything scale. The value is not in paying for the most expensive model, it is in assembling the right combination of model, harness, evaluation, and runtime on top of your data. It is the same thesis as ', { to: 'cobrar-por-resultado', text: 'charging for the result' }, ', not the promise: if cost per task drops 10x, what matters is how much value each agent delivers, not what the token costs.'] },
        { type: 'p', text: ['The recommendation we draw: before subscribing to the premium model for everything, test an open model with evaluation on your real case and route by task, the simple case on the cheap model, the hard case on the strong one. And do it ', { to: 'integrar-com-o-que-o-time-ja-usa', text: 'integrated with what the team already uses' }, ', not on an island. Model choice became an architecture and budget decision, not a technical detail.'] },
        { type: 'p', text: 'An honest caveat: a benchmark is a benchmark. The 0.86 at $4.48 is LangChain own test, on a specific eval set. The real number shows up when you measure on your case, with your data and your tools. Which is, again, why evaluation belongs on the workbench from the start.' },
        { type: 'h2', text: 'Frequently asked questions' },
        { type: 'h3', text: 'Is NemoClaw free?' },
        { type: 'p', text: 'It is an open blueprint, a reference architecture you can adopt. The costs come from the infrastructure where you run the model and from partner tools, not from a closed license on top.' },
        { type: 'h3', text: 'Do I need NVIDIA GPUs?' },
        { type: 'p', text: 'The official path uses NVIDIA Nemotron and the OpenShell runtime, so yes, it is designed to run on NVIDIA GPUs, whether on your infra or via inference partners like Crusoe, Fireworks, or Together AI.' },
        { type: 'h3', text: 'Is it for real production?' },
        { type: 'p', text: 'That is the stated goal: to build, evaluate, and deploy agents in production at enterprise standard. As always, what decides is not the model, it is the evaluation and governance process around it.' },
        { type: 'ul', items: [
          [{ href: 'https://www.langchain.com/blog/langchain-and-nvidia-launch-the-nemoclaw-deep-agents-blueprint', text: 'LangChain: the NemoClaw blueprint with Deep Agents' }],
          [{ href: 'https://www.prnewswire.com/news-releases/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents-302820446.html', text: 'PR Newswire: official LangChain and NVIDIA announcement' }],
          [{ href: 'https://www.hpcwire.com/bigdatawire/this-just-in/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents/', text: 'BigDATAwire: NemoClaw coverage and the cost figures' }],
        ] },
      ],
    },
    es: {
      title: 'LangChain y NVIDIA lanzan un blueprint para correr agentes de IA de código abierto a 10x menos costo',
      dek: 'NemoClaw junta el modelo abierto Nemotron 3 Ultra, el harness Deep Agents y un runtime de NVIDIA. En la prueba de LangChain entregó 0,86 de score por US$ 4,48, contra US$ 43,48 del competidor más cercano.',
      body: [
        { type: 'lead', text: ['LangChain y NVIDIA lanzaron NemoClaw, un blueprint para que las empresas construyan y pongan agentes de IA en producción usando modelos abiertos. En la propia evaluación de agentes de LangChain, la combinación alcanzó ', { b: '0,86 de score por US$ 4,48, cerca de 10x más barato que el modelo competidor más cercano, que costó US$ 43,48' }, '.'] },
        { type: 'table', headers: ['Dato', 'Qué significa'], rows: [
          [{ b: '0,86 por US$ 4,48' }, [{ href: 'https://www.langchain.com/blog/langchain-and-nvidia-launch-the-nemoclaw-deep-agents-blueprint', text: 'Score de Nemotron 3 Ultra con Deep Agents en el eval de LangChain' }]],
          [{ b: 'US$ 43,48' }, 'Costo del modelo competidor más cercano en la misma prueba, cerca de 10x más caro'],
          [{ b: '5x más rápido' }, 'Inferencia de Nemotron 3 Ultra en tareas agénticas largas'],
          [{ b: 'hasta 30% menos costo' }, 'En tareas agénticas complejas, según NVIDIA'],
          [{ b: '6x a 20x' }, 'Ahorro típico de modelos abiertos frente a APIs de modelos cerrados'],
          [{ b: '85%' }, 'Porción de la inferencia en el presupuesto total de IA de las empresas'],
        ] },
        { type: 'h2', text: 'Qué es NemoClaw' },
        { type: 'p', text: ['Anunciado el 8 de julio, ', { href: 'https://www.prnewswire.com/news-releases/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents-302820446.html', text: 'NemoClaw' }, ' no es un producto cerrado, es una arquitectura de referencia con tres piezas que encajan. ', { b: 'Nemotron 3 Ultra' }, ' es el modelo abierto de NVIDIA, más chico y rápido, hecho para agentes que corren mucho tiempo. ', { b: 'Deep Agents' }, ' es el harness de LangChain que maneja planificación, uso de herramientas, memoria y evaluación. Y ', { b: 'OpenShell' }, ' es el runtime de NVIDIA para ponerlo en producción con seguridad.'] },
        { type: 'p', text: ['La idea es que la empresa arme agentes sobre sus propios datos y herramientas. En palabras de Jensen Huang, de NVIDIA, "toda empresa puede construir agentes a medida que entienden su negocio, usan sus herramientas y transforman conocimiento en acción". El blueprint ya está disponible para evaluación, con socios como EY, Baseten, Fireworks, Nebius, Crusoe, DeepInfra y Together AI ayudando a correr los modelos en producción.'] },
        { type: 'h2', text: 'Por qué el costo se desploma' },
        { type: 'p', text: ['El telón de fondo es la cuenta de agentes que venimos siguiendo. Un flujo agéntico consume de 5 a 30 veces más tokens por tarea que una pregunta de chatbot, y la inferencia ya es cerca del 85% del presupuesto de IA de las empresas, según la ', { href: 'https://www.hpcwire.com/bigdatawire/this-just-in/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents/', text: 'cobertura de BigDATAwire' }, '. Es decir: elegir el modelo y la arquitectura correctos es la mayor palanca de costo que existe.'] },
        { type: 'p', text: 'Ahí entra el modelo abierto. Corriendo en tu infraestructura, suele salir de 6 a 20 veces más barato que la API de un modelo cerrado equivalente. Harrison Chase, de LangChain, resume por qué juntar todo en un blueprint: memoria, uso de herramientas, evaluación y comportamiento del modelo se potencian cuando el equipo puede ajustar las cuatro cosas juntas, en vez de tratar cada una como una caja separada.' },
        { type: 'h2', text: 'Por qué importa para quien implementa IA' },
        { type: 'p', text: 'La lectura práctica es directa: no necesitás el modelo más caro para tener un agente serio en producción. Necesitás el workbench correcto alrededor. El camino que dibuja NemoClaw (un modelo abierto en tu infra, un harness que orquesta, evaluación para medir y un runtime que controlás) es el mismo que separa al piloto que impresiona del agente en el que la operación confía. Y cambia la pregunta del proyecto: no es "cuál es el mejor modelo", es "cuál es el modelo correcto para esta tarea, a este costo".' },
        { type: 'h2', text: 'La lectura de Moore' },
        { type: 'p', text: ['Para nosotros esto confirma la tercera forma de aplicar agentes que defendemos: construir el software listo para agentes, el workbench que hace que todo escale. El valor no está en pagar por el modelo más caro, está en armar la combinación correcta de modelo, harness, evaluación y runtime sobre tus datos. Es la misma tesis de ', { to: 'cobrar-por-resultado', text: 'cobrar por el resultado' }, ', no por la promesa: si el costo por tarea baja 10x, lo que importa es cuánto valor entrega cada agente, no cuánto cuesta el token.'] },
        { type: 'p', text: ['La recomendación que sacamos: antes de suscribir el modelo premium para todo, probá un modelo abierto con evaluación en tu caso real y enrutá por tarea, el caso simple en el modelo barato, el difícil en el fuerte. Y hacelo ', { to: 'integrar-com-o-que-o-time-ja-usa', text: 'integrado a lo que el equipo ya usa' }, ', no en una isla. La elección de modelo pasó a ser decisión de arquitectura y de presupuesto, no un detalle técnico.'] },
        { type: 'p', text: 'Una salvedad honesta: un benchmark es un benchmark. El 0,86 por US$ 4,48 es una prueba de la propia LangChain, en un set de evaluación específico. El número real aparece cuando medís en tu caso, con tus datos y tus herramientas. Que es, de nuevo, por qué la evaluación va en el workbench desde el arranque.' },
        { type: 'h2', text: 'Preguntas frecuentes' },
        { type: 'h3', text: '¿NemoClaw es gratis?' },
        { type: 'p', text: 'Es un blueprint abierto, una arquitectura de referencia que podés adoptar. Los costos vienen de la infraestructura donde corrés el modelo y de las herramientas de los socios, no de una licencia cerrada por encima.' },
        { type: 'h3', text: '¿Necesito GPUs de NVIDIA?' },
        { type: 'p', text: 'El camino oficial usa el modelo Nemotron de NVIDIA y el runtime OpenShell, así que sí, está pensado para correr en GPUs NVIDIA, sea en tu infra o vía socios de inferencia como Crusoe, Fireworks o Together AI.' },
        { type: 'h3', text: '¿Sirve para producción de verdad?' },
        { type: 'p', text: 'Ese es el objetivo declarado: construir, evaluar y desplegar agentes en producción con estándar corporativo. Como siempre, lo que decide no es el modelo, es el proceso de evaluación y gobernanza a su alrededor.' },
        { type: 'ul', items: [
          [{ href: 'https://www.langchain.com/blog/langchain-and-nvidia-launch-the-nemoclaw-deep-agents-blueprint', text: 'LangChain: el blueprint NemoClaw con Deep Agents' }],
          [{ href: 'https://www.prnewswire.com/news-releases/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents-302820446.html', text: 'PR Newswire: anuncio oficial de LangChain y NVIDIA' }],
          [{ href: 'https://www.hpcwire.com/bigdatawire/this-just-in/langchain-and-nvidia-launch-nemoclaw-deep-agents-blueprint-for-enterprise-agents/', text: 'BigDATAwire: cobertura de NemoClaw y las cifras de costo' }],
        ] },
      ],
    },
  },
});