Agentic AI verändert die Spielregeln für Künstliche Intelligenz grundlegend. Modelle müssen sich heute nicht mehr nur auf Anfragen antworten, sondern eigenständige Ziele verfolgen und laufend an neue Gegebenheiten anpassen. Genau deshalb ist Post-Training längst keine einmalige Feinschliff-Phase mehr, sondern ein kontinuierlicher Prozess. Die NVIDIA Vera Rubin Plattform wurde entwickelt, um diesen sicheren Kreislauf zu optimieren und die Intelligenz pro Dollar auf ein neues Level zu heben.

Warum Post-Training zur Daueraufgabe wird

Früher galt Post-Training als letzter Schritt vor dem Deployment. Heute beginnt damit ein neuer Betriebsmodus. Agentic Modelle agieren in Umgebungen, die sich wöchentlich ändern können. Neue Werkzeuge kommen hinzu, Edge-Cases tauchen in der Produktion auf und jede Bereitstellung bringt eigene Codebasen und Richtlinien mit sich.

Diese Dynamik macht Post-Training zu einem endlosen Kreislauf. Neue Probleme aus der Produktion fließen zurück in den Trainingsprozess. Die benötigte Rechenleistung wächst dabei nicht, weil einzelne Durchläufe größer werden, sondern weil die Durchläufe niemals aufhören. Agentic AI hat damit ein neues Compute-Muster für Post-Training eingeführt.

Vom statischen Modell zum adaptiven Agenten

Ein generatives Modell antwortet auf einen Prompt. Ein agentisches Modell muss planen, verschiedene Werkzeuge nutzen und aus Zwischenfällen im laufenden Betrieb lernen. Genau hier entsteht Intelligenz: nicht durch das Auswendiglernen von Antworten, sondern durch Reinforcement Learning aus kontinuierlichem Trial and Error.

Der Compute-Kreislauf der Agentic AI

Bei jedem Post-Training-Schritt schreibt das Modell einen Versuch, also einen Forward Pass. Dieser Versuch wird bewertet, und das Feedback aktualisiert die Gewichte im Backward Pass. Über Millionen solcher Versuche hinweg wächst die Intelligenz des Modells. Dieser Loop ist hochkomplex und erfordert eine Orchestrierung tausender paralleler Umgebungen.

Intelligence per Dollar als neue Leitmetrik

Das Ziel von Post-Training ist klar: Die Ausbeute jedes Forward und Backward Pass maximieren. Während der Forward Pass, also die Inferenz, in Kosten pro Token gemessen wird, sitzt die Metrik Intelligence per Dollar eine Ebene höher. Sie beantwortet die Frage, was es kostet, ein Modell zu entwickeln und zu halten, das seinen sich wandelnden Einsatzzweck kontinuierlich erfüllt.

Beide Metriken konkurrieren nicht, sondern ergänzen sich. Jede Verbesserung bei den Kosten pro Token senkt auch die Kosten für die Intelligenzentwicklung. Umgekehrt steigert jeder Punkt mehr Intelligenz den Wert jedes einzelnen Tokens, den die Inferenz-Fabrik ausliefert. Kosten pro Token messen also die Betriebsausbeute, Intelligence per Dollar misst, ob sich die Investition in die Modellintelligenz rentiert.

Nemotron 3 Ultra zeigt das Potenzial in der Praxis

Mit NVIDIA Nemotron 3 Ultra steht ein offenes 550-Milliarden-Parameter-Mixture-of-Experts-Modell zur Verfügung, das mit einer vollständig dokumentierten Post-Training-Pipeline auf Basis von NVIDIA NeMo RL arbeitete. Im Benchmark SWE-bench verified erreichte das Modell 71,7 Prozent. Das bedeutet: Etwa sieben von zehn realen Software-Bugs aus Open-Source-Projekten konnten erfolgreich behoben werden.

Von Blackwell zu Vera Rubin: Die Effizienzsprünge

Die NVIDIA Blackwell Plattform senkt die Kosten pro Durchlauf und macht das häufige Post-Training des agentischen Zeitalters wirtschaftlich. Die NVIDIA Vera Rubin Plattform setzt diesen Weg fort und trainiert die größten Modelle mit nur einem Viertel der GPUs der Blackwell-Generation. Sie wurde End-to-End entwickelt, um Intelligence per Dollar für agentisches Post-Training zu maximieren: mehr Rollouts pro Durchlauf, mehr parallele Umgebungen und Post-Training-Zyklen, die niemals stoppen.

Praxisbeispiele: So nutzen Unternehmen die neue Infrastruktur

Zahlreiche Player aus der Industrie setzen bereits auf die optimierte Post-Training-Infrastruktur von NVIDIA und bereiten sich auf die Vera Rubin Plattform vor.

Prime Intellect setzt auf Vera CPUs

Prime Intellect betreibt ein eigenes Labor, das fortlaufend Open-Source-Modelle auf NVIDIA Blackwell weitertrainiert und NVIDIA Dynamo für die Inferenzorchestrierung nutzt. Für die Zukunft plant das Unternehmen mit Vera Rubin, Reinforcement-Learning-Umgebungen zu skalieren und mehr Rollouts pro Durchlauf zu generieren. Durch die Integration von NVIDIA Vera CPUs konnte Prime Intellect bei realistischen RL-Workloads im Vergleich zu x86-Architekturen im Durchschnitt 30 Prozent mehr Durchsatz pro CPU erzielen.

Perplexity und Together AI optimieren ihre Stacks

Perplexity betreibt seinen RL-Post-Training-Stack asynchron über hunderte NVIDIA GPUs. Ein RDMA-basiertes Gewichtstransfer-System synchronisiert dabei Modelle mit Billionen Parametern in unter zwei Sekunden zwischen Trainings- und Inferenzknoten. Die daraus resultierenden Qwen3 235B Modelle werden anschließend auf NVIDIA GB200 NVL72 Systemen ausgeliefert.

Together AI bietet Post-Training as a Service an, darunter Supervised Fine-Tuning, Reinforcement Learning und Direct Preference Optimization. Die Dienste laufen auf der AI Native Cloud Plattform des Unternehmens und sind bereits auf NVIDIA Infrastruktur und optimierte Kernel-Bibliotheken abgestimmt. Auch Together AI plant den Einsatz der Vera Rubin Plattform.

Fazit

Post-Training ist aus der Nachsorge zur zentralen Workload des Agentic AI-Zeitalters geworden. Die NVIDIA Vera Rubin Plattform adressiert genau diesen Wandel und liefert die Infrastruktur, die Unternehmen brauchen, um kontinuierlich lernende Modelle wirtschaftlich zu betreiben. Wer Intelligence per Dollar maximieren will, setzt auf eine durchdachte Verknüpfung von Inferenz- und Post-Training-Optimierung.

Quelle: NVIDIA Blog