NVIDIA PAIR – darmowe narzędzie rozdzielające zadania agentów AI między komputery w domowej sieci

IFA w Berlinie to zwykle festiwal telewizorów i pralek, ale NVIDIA od kilku edycji robi z tej imprezy poligon dla własnych pomysłów na sztuczną inteligencję. Tym razem firma Jensena Huanga pokazała pakiet narzędzi ułatwiających uruchamianie agentów AI lokalnie, bez wysyłania danych do chmury. Wśród nich znalazło się PAIR, czyli projekt odpowiadający na problem znany każdemu, kto próbował odpalić kilku agentów jednocześnie na jednej karcie graficznej.

NVIDIA udostępnia darmowe narzędzie Personal AI Router, które kieruje niezależne zadania inferencji agentów AI do komputerów w tej samej sieci. Projekt wykorzystuje m.in. automatyczne wykrywanie urządzeń i szyfrowanie połączeń, ale nie łączy pamięci GPU w jeden wspólny zasób.

Chiński model Qwen3.8-Max-0902 depcze po piętach Anthropic Claude Opus 5. Kosztuje przy tym znacznie mniej

NVIDIA podczas IFA 2026 zaprezentowała PAIR, czyli Personal AI Router. To darmowe narzędzie open source, które pozwala połączyć kompatybilne komputery w lokalnej sieci i kierować między nimi niezależne zadania inferencji. Pomysł jest prosty. Gdy agent uruchamia kilka subagentów jednocześnie, zamiast obciążać wszystkie zadania jednym GPU, PAIR może przekazać je do różnych dostępnych maszyn. Router automatycznie wykrywa węzły w sieci i uwzględnia ich dostępność, obciążenie, działający silnik oraz obecność potrzebnego modelu. PAIR wykorzystuje mDNS do wykrywania urządzeń, a komunikacja między sparowanymi komputerami jest zabezpieczona przez wzajemne uwierzytelnianie TLS (mTLS). Do obsługi inferencji narzędzie współpracuje z Ollamą i LM Studio, udostępniając zgodne z nimi lokalne punkty końcowe. NVIDIA podkreśla, że rozwiązanie nie wymaga przebudowy aplikacji czy środowiska agenta korzystającego z obsługiwanych interfejsów.

HVCI trafi na więcej pecetów z Windows 11. Microsoft włączy izolację jądra bez pytania o zgodę

Jest jednak ważne ograniczenie. PAIR nie łączy pamięci kart graficznych w jeden wspólny zasób, nie tworzy wirtualnego GPU i nie dzieli pojedynczego modelu między komputery. Każde niezależne żądanie trafia w całości do jednego węzła, który musi mieć wystarczającą pamięć, aby uruchomić dany model AI. Jeśli więc komputer ma zostać wykorzystany do konkretnego zadania, odpowiedni model musi być dostępny lokalnie na tym węźle. Beta PAIR działa na Windows 11, Linuksie i macOS. NVIDIA wymienia wśród obsługiwanego sprzętu karty GeForce RTX 2000 i nowsze, profesjonalne RTX PRO z architekturą Turing lub nowszą, DGX Spark oraz komputery Apple z układami M4 i nowszymi. Dzięki temu w jednym klastrze można łączyć również maszyny z różnymi systemami operacyjnymi.

GPT-6 Astra oficjalnie. OpenAI mówi o przełomie w korzystaniu z komputera i przeglądarki

NVIDIA pokazała działanie rozwiązania na przykładzie Hermesa i pięciu subagentów. W demonstracji trzy urządzenia z PAIR ukończyły zadanie w 8 minut i 48 sekund, podczas gdy pojedynczy RTX Spark potrzebował 18 minut. Wynik pokazuje główną zaletę rozwiązania. PAIR zwiększa dostępny potencjał dla zadań, które można wykonywać równolegle, zamiast próbować zamienić kilka kart w jeden większy akcelerator AI. Premiera PAIR zbiegła się z zapowiedzią nowych komputerów NVIDIA RTX Spark z układem GB10. Urządzenia mają oferować do 1 PFLOPS mocy obliczeniowej, 128 GB zunifikowanej pamięci i 20-rdzeniowy procesor Grace. Nowe konstrukcje firm Acer i Lenovo mają trafić na rynek w październiku 2026 roku. PAIR jest natomiast dostępny jako bezpłatna beta, więc pomysł wykorzystania kilku komputerów do lokalnej inferencji można sprawdzić bez kupowania nowego sprzętu.

Źródło: NVIDIA Blog, GitHub, Tom’s Hardware