Agentische Webentwicklungsfähigkeiten für NVIDIA Nemotron 3.5 Super 120B VL

Vor Kurzem haben wir Vorab-Zugang zu NVIDIAs Nemotron 3.5 Super 120B VL erhalten und hatten die Gelegenheit, einige Experimente mit dem neuen Modell durchzuführen. Unser Ziel war es, das Modell mithilfe von Reinforcement Learning um agentische Fähigkeiten zur Webentwicklung zu erweitern. Durch den Einsatz einer ACP-basierten Ausführungsumgebung mit OpenCode v2 und einem Playwright-MCP-Server kann das Modell seine eigene Arbeit nun direkt im Browser visuell überprüfen – genau wie es menschliche Entwicklerinnen und Entwickler tun würden. Unser mittels Reinforcement Learning feinabgestimmtes Modell erzielt nun bessere Ergebnisse bei geringerem Tokenverbrauch.

Normalerweise ist das Fine-Tuning eines 120B-Modells in einem rechenintensiven Reinforcement-Learning-Setup, das zahlreiche Generierungsschritte erfordert, sehr kostspielig. Unser LoRA-basierter Ansatz hält den Ressourcenbedarf jedoch in Grenzen und ermöglicht es uns, einen solchen Proof of Concept mit vergleichsweise geringen Investitionen umzusetzen.

Ein herzliches Dankeschön geht erneut an NVIDIA für den frühzeitigen Zugang zum Modell und die freundliche Unterstützung während unserer gesamten Experimente!

Weitere Informationen finden Sie in unserem Artikel auf Hugging Face.