لو بتشغّل AI agents بفاتورة شهرية على Claude Managed Agents أو OpenAI Assistants، الخبر ده ممكن يوفّرلك 30-40% خلال 3 شهور. لكن القرار مش "هاجر بكرة" — القرار بالظبط: إمتى NVIDIA OpenShell + Nemotron 3 Super يختصرلك فاتورة وبيئة، وإمتى Managed Agents لسه الخيار الأوفر لفريقك.
NVIDIA OpenShell + Nemotron 3 Super: البديل المفتوح لـ Agent Toolkits المُدارة
اللي حصل فعلاً في 21 أبريل 2026
في اليوم الثاني من Adobe Summit (21 أبريل 2026)، Adobe شغّلت أول عرض إنتاجي مباشر لـ CX Enterprise Coworker بالكامل على NVIDIA Agent Toolkit: OpenShell كـ runtime آمن، Nemotron 3 Super كـ "مخ" الـ agent، و AI-Q كـ blueprint لربطهم بـ Adobe Experience Platform. أول ما يظهر agent إنتاجي Enterprise-grade بدون اعتماد على OpenAI أو Anthropic في الـ inference.
قبل ما ندخل في القرار والأرقام، خلينا نفهم المكوّنات بمثال بسيط الأول.
المفاهيم بمثال من حياتك قبل التقني
تخيّل إنك لسه عيّنت موظف جديد في شركة مالية. قبل ما تدّيله لابتوب الشغل، بتحدّدله بالظبط: يدخل على أي ملفات؟ ينفع يبعت إيميلات لمين؟ يصرف فلوس في أي حدود؟ بتكتب السياسات دي على ورقة قبل يومه الأول. لو حاول يعمل حاجة خارج الورقة، النظام يوقفه.
ده بالظبط اللي OpenShell بيعمله مع الـ agents. بيحدّد policies (صلاحيات وقيود) قبل الـ agent ما يشتغل. أي call على أداة، أي network request، أي ملف — كله بيعدّي أولاً من policy layer قبل ما يتنفّذ.
أما Nemotron 3 Super، هو "مخ" الـ agent اللي بيفكّر. خلّيها ببساطة: زي Claude أو GPT لكن مفتوح المصدر، وتقدر تشغّله على سيرفرك أو على Cloud بتختاره.
الآن بالتقني الدقيق
OpenShell runtime بيعمل process-level isolation فوق Linux cgroups + seccomp، مع policy engine يقبل قواعد بصيغة YAML. كل tool call بيمر على الـ policy layer قبل الـ execution، وفيه أداة openshell inspect للـ audit trail بعد كل جلسة.
Nemotron 3 Super هو hybrid Mamba-Transformer MoE model بـ 120B parameter إجمالي، منهم 12B بس active في كل forward pass. الـ Mamba layers بتدّي long-context efficiency، والـ MoE بيقلّل compute المستهلك. النتيجة العملية: متوسط acceptance length 3.45 token لكل verification step على SPEED-Bench (مقابل 2.70 لـ DeepSeek-R1)، يعني ~3× wall-clock speedup من غير ما تحتاج draft model منفصل للـ speculative decoding.
الأرقام اللي تحتاجها للقرار
- PinchBench (اختبار خاص بأداء agents): 85.6% — أعلى score بين أي open model في فئته.
- SWE-Bench عبر OpenHands: 60.47 — قريب من Claude Sonnet 4.6.
- AIME25: 90.21 — مستوى reasoning رياضي متقدّم.
- MMLU-Pro: 83.73.
- Throughput: 5× أعلى من Nemotron Super الأول، 2.2× من GPT-OSS-120B، و7.5× من Qwen3.5-122B-A10B على input 8K و output 64K.
