LangChain i NVIDIA lansiraju NemoClaw: otvoreni agentski stack postiže 10× niži trošak od konkurencije

LangChain i NVIDIA nisu lansirali jednostavan API wrapper, nego potpuni agentski blueprint koji se može sastaviti i pokrenuti u vlastitoj infrastrukturi u svega nekoliko minuta. NemoClaw je dostupan od 8. srpnja 2026. kao open-source projekt koji je moguće pokrenuti jednom naredbom.

Tri sloja otvorenog agentskog stacka

Arhitektura NemoClaw-a počiva na trima funkcionalnim slojevima koji zajedno čine koherentan sustav:

Nemotron 3 Ultra — NVIDIA-in otvoreni model post-treniran specifično za višeokretne (multi-turn) agentske radne procese. Za razliku od modela optimiziranih za statične prompte, Nemotron 3 Ultra usmjeren je na dulje sekvence rasuđivanja i planiranja koje agenti zahtijevaju.

LangChain Deep Agents Code — harness koji orkestrira agentove radnje: sistemski prompti, opisi alata i middleware koji koordinira između modela i runtime okruženja. Ovaj sloj je, kako će se pokazati, ključan za postignute rezultate.

NVIDIA OpenShell — sigurni sandbox za izvođenje koda s definiranim politikama pristupa. Agent izvršava kod unutar izoliranog okruženja s eksplicitno postavljenim granicama.

Benchmark: 10× niži trošak, gotovo isti rezultat

Agregatna ocjena NemoClaw kombinacije iznosi 0,86 uz trošak od samo $4,48 po evaluaciji. Sljedeći-najboljeg konkurent postiže usporedivu razinu izvedbe uz trošak od $43,48 — NemoClaw je gotovo 10 puta jeftiniji uz gotovo identičan rezultat.

Za širi kontekst: Claude Opus 4.8 postiže agregatnu ocjenu 0,87 — razliku od 0,01 u odnosu na NemoClaw, no uz značajno više troškove. NemoClaw time ulazi u raspravu o granici pariteta između otvorenih i zatvorenih modela.

Niži troškovi imaju strateški značaj koji seže izvan jednostavne uštede: kada je inference 10× jeftiniji, poduzeće si može priuštiti sustavno pokretanje evaluation suiteova, testiranje više varijanti harnessa i agenata te deployment specijaliziranih agentskih timova za projekte koje bi inače isključivo pokrivali skupi zatvoreni API-ji.

Je li harness važniji od modela?

Posebno je zanimljivo na koji je način ostvaren skok s 0,80 na 0,86 u agregatnoj ocjeni: ne ponovnim treniranjem modela, nego optimizacijom harnessa. LangChain je prilagodio sistemski prompt, opise alata i middleware koordinaciju — i time postigao poboljšanje od +0,06 bez ijedne promjene u parametrima Nemotron 3 Ultra modela.

Ovo nije trivijalna tehnička anegdota. Podupire tezu da se vrijednost agentskih sustava sve više premješta iz samog LLM-a u sloj koji ga okružuje: kako mu se postavljaju zadaci, kako se definiraju alati, kako se koordiniraju višestruki koraci. Model postaje motor, a harness — vozilo. Ako je ovo ponovljiv obrazac (a LangChain tvrdi da jest), otvara se nova kategorija inženjerskog rada: optimizacija harnessa kao disciplina jednako važna kao fine-tuning samog modela.

Sigurnosni okvir i kontrola podataka

Za poduzeća koja ne mogu ili ne žele slati podatke prema vanjskim cloud providerima, NemoClaw nudi potpuno self-hosted implementaciju — podaci ostaju on-premises, a infrastruktura je pod punom kontrolom organizacije.

OpenShell runtime koristi deny-by-default pristup mrežnom pristupu: agentov kod po defaultu ne može komunicirati s vanjskim servisima bez eksplicitnog odobrenja. Uz to, arhitektura uključuje human approval gates za kritične operacije i potpuni audit trail svih agentovih radnji — što je posebno važno za regulirane industrije poput financija i zdravstva.

Ciljana primjena i poslovni kontekst

EY je imenovan kao ključni implementacijski partner za regulirane industrije. Infrastrukturni hosting partneri uključuju Baseten, Fireworks AI, Nebius, Crusoe Energy, DeepInfra i Together AI — što osigurava raspoloživost na različitim geografijama i compute platformama.

Primarne ciljane primjene su projekti migracije naslijeđenog koda: pretvorba COBOL-a u Javu te migracije .NET aplikacija. Ove su migracije decenijama ostajale bottleneck u digitalizaciji velikih korporacija, dijelom i zato što su dosadašnji AI alati bili preskupi za sustavnu primjenu na velikim codebasevima. NemoClaw-ov cost profil otvara novu ekonomiku takvih projekata i čini sustavno AI-asistiranu modernizaciju naslijeđenih sustava ekonomski dostupnom.