LangChain und NVIDIA launchen NemoClaw: Offener Agenten-Stack erzielt 10× niedrigere Kosten als Konkurrenz

LangChain und NVIDIA haben nicht einfach einen API-Wrapper veröffentlicht, sondern einen vollständigen Agenten-Blueprint, der in wenigen Minuten in der eigenen Infrastruktur zusammengestellt und ausgeführt werden kann. NemoClaw ist seit dem 8. Juli 2026 als Open-Source-Projekt verfügbar und kann mit einem einzigen Befehl gestartet werden.

Drei Schichten des offenen Agenten-Stacks

Die Architektur von NemoClaw basiert auf drei funktionalen Schichten, die zusammen ein kohärentes System bilden:

Nemotron 3 Ultra – NVIDIAs offenes Modell, das speziell für mehrstufige (Multi-Turn) Agenten-Workflows nachtrainiert wurde. Im Gegensatz zu Modellen, die für statische Prompts optimiert sind, ist Nemotron 3 Ultra auf längere Schluss­folgerungs- und Planungssequenzen ausgerichtet, die Agenten benötigen.

LangChain Deep Agents Code – der Harness, der die Aktionen des Agenten orchestriert: System-Prompts, Werkzeugbeschreibungen und Middleware, die zwischen Modell und Runtime-Umgebung koordiniert. Diese Schicht ist, wie sich zeigen wird, entscheidend für die erzielten Ergebnisse.

NVIDIA OpenShell – eine sichere Sandbox für die Codeausführung mit definierten Zugriffsrichtlinien. Der Agent führt Code in einer isolierten Umgebung mit explizit gesetzten Grenzen aus.

Benchmark: 10× niedrigere Kosten, nahezu gleiche Ergebnisse

Die Gesamtbewertung der NemoClaw-Kombination beträgt 0,86 bei Kosten von nur 4,48 $ pro Evaluierung. Der nächstbeste Konkurrent erzielt ein vergleichbares Leistungsniveau bei Kosten von 43,48 $ – NemoClaw ist fast 10× günstiger bei nahezu identischen Ergebnissen.

Zum weiteren Kontext: Claude Opus 4.8 erreicht eine Gesamtbewertung von 0,87 – einen Unterschied von 0,01 gegenüber NemoClaw, jedoch bei deutlich höheren Kosten. NemoClaw tritt damit in die Diskussion über die Paritätsgrenze zwischen offenen und geschlossenen Modellen ein.

Niedrigere Kosten haben eine strategische Bedeutung, die über einfache Einsparungen hinausgeht: Wenn die Inferenz 10× günstiger ist, kann sich ein Unternehmen leisten, systematisch Evaluierungs-Suites zu betreiben, mehrere Harness- und Agentenvarianten zu testen und spezialisierte Agenten-Teams für Projekte einzusetzen, die sonst ausschließlich von teuren geschlossenen APIs abgedeckt würden.

Ist der Harness wichtiger als das Modell?

Besonders interessant ist, wie der Sprung von 0,80 auf 0,86 in der Gesamtbewertung erzielt wurde: nicht durch erneutes Modelltraining, sondern durch Harness-Optimierung. LangChain passte den System-Prompt, die Werkzeugbeschreibungen und die Middleware-Koordination an – und erzielte eine Verbesserung von +0,06 ohne eine einzige Änderung an den Parametern des Nemotron-3-Ultra-Modells.

Das ist keine triviale technische Anekdote. Es unterstützt die These, dass der Wert von Agentensystemen zunehmend aus dem LLM selbst in die Schicht verlagert wird, die es umgibt: wie ihm Aufgaben gestellt werden, wie Werkzeuge definiert werden, wie mehrere Schritte koordiniert werden. Das Modell wird zum Motor, der Harness zum Fahrzeug. Wenn das ein wiederholbares Muster ist (und LangChain behauptet, es sei so), eröffnet sich eine neue Kategorie ingenieurtechnischer Arbeit: Harness-Optimierung als Disziplin, die ebenso wichtig ist wie das Fine-Tuning des Modells selbst.

Sicherheitsrahmen und Datenkontrolle

Für Unternehmen, die keine Daten an externe Cloud-Anbieter senden können oder wollen, bietet NemoClaw eine vollständig selbstgehostete Implementierung – die Daten bleiben On-Premises und die Infrastruktur steht unter vollständiger Kontrolle der Organisation.

Die OpenShell-Runtime verwendet einen Deny-by-Default-Ansatz für Netzwerkzugriff: Der Code des Agenten kann standardmäßig nicht mit externen Diensten kommunizieren, ohne explizite Genehmigung. Darüber hinaus umfasst die Architektur Human-Approval-Gates für kritische Operationen und einen vollständigen Audit-Trail aller Agenten-Aktionen – besonders wichtig für regulierte Branchen wie Finanzen und Gesundheitswesen.

Zielanwendungen und Unternehmenskontext

EY wurde als wichtigster Implementierungspartner für regulierte Branchen benannt. Infrastruktur-Hosting-Partner sind Baseten, Fireworks AI, Nebius, Crusoe Energy, DeepInfra und Together AI – was Verfügbarkeit in verschiedenen Regionen und auf verschiedenen Compute-Plattformen sicherstellt.

Primäre Zielanwendungen sind Legacy-Code-Migrationsprojekte: Umwandlung von COBOL in Java sowie .NET-Anwendungsmigrationen. Diese Migrationen sind seit Jahrzehnten ein Engpass bei der Digitalisierung großer Konzerne, teilweise weil bisherige KI-Tools für den systematischen Einsatz auf großen Codebases zu teuer waren. NemoClaw’s Kostenprofil eröffnet eine neue Wirtschaftlichkeit solcher Projekte und macht KI-assistierte Modernisierung von Legacy-Systemen wirtschaftlich zugänglich.