NVIDIA Build 무료 AI와 Agentic Skills, 무엇부터 봐야 할까?

AI briefing NVIDIA Build

🧠

NVIDIA Build 무료 AI와 Agentic Skills, 무엇부터 봐야 할까?

NVIDIA Build에 공개된 AI 모델과 Agentic Skills는 수가 많고 용어도 전문적이라 처음 보면 꽤 복잡합니다. 이 글은 모델과 스킬의 차이를 먼저 정리하고, 실제로 어떤 용도로 보면 좋은지 입문자 기준으로 풀어본 정리입니다.

NVIDIA Build에는 다양한 AI 모델과 Agentic Skills가 공개되어 있습니다. 이름만 보면 전부 비슷한 AI 기능처럼 보이지만, 실제로는 성격이 조금 다릅니다. AI 모델은 직접 입력을 받아 답변·이미지·음성·분석 결과를 만드는 엔진에 가깝고, Agentic Skill은 Codex, Cursor, Claude Code 같은 AI 에이전트가 NVIDIA 도구를 더 잘 사용하도록 알려주는 작업 설명서에 가깝습니다.

쉽게 말하면, AI 모델은 자동차의 엔진이고 Agentic Skill은 운전 매뉴얼이나 작업 절차서에 가깝습니다. 둘 다 AI 개발에 도움이 되지만, 쓰임새는 다릅니다.

1. NVIDIA Build AI 모델은 무엇인가?

NVIDIA Build의 AI 모델은 텍스트 생성, 코딩, 이미지 이해, OCR, 음성 인식, 번역, 영상 분석, 안전성 검토 등 다양한 작업을 수행하는 모델 카탈로그입니다. 일부 모델은 무료 엔드포인트로 바로 테스트할 수 있고, 일부는 다운로드하거나 NIM 형태로 배포해 사용할 수 있습니다.

핵심만 보면

• Free Endpoint: NVIDIA Build에서 무료로 테스트 가능한 API 엔드포인트
• Downloadable: 직접 내려받거나 자체 환경에 배포 가능한 모델
• Partner Endpoint: 외부 파트너 모델 또는 파트너 기반 엔드포인트
• 주의할 점: 무료라고 해서 운영 서비스에 무제한으로 쓸 수 있다는 뜻은 아닙니다. 호출량, 토큰 한도, 속도 제한은 로그인 후 상세 페이지에서 확인해야 합니다.

2. 눈에 띄는 AI 모델 정리

아래는 NVIDIA Build에서 확인할 수 있는 모델 중, 일반 개발자나 자동화 업무 관점에서 먼저 살펴볼 만한 항목들입니다. 모델 수가 계속 바뀔 수 있기 때문에, 여기서는 “전체 사용 설명서”라기보다 “무엇을 먼저 보면 좋은지”에 가까운 요약으로 보는 것이 좋습니다.

코딩·추론·에이전트 작업용

1. nemotron-3-ultra-550b-a55b — 코딩, 계획 수립, 도구 호출, 긴 문맥 추론에 특화된 대형 모델입니다. 에이전트형 작업을 테스트할 때 먼저 볼 만합니다.
2. nemotron-3-super-120b-a12b — Ultra보다 가벼운 성격의 reasoning/coding 모델입니다. 긴 문맥과 도구 호출이 필요한 작업에 적합합니다.
3. nemotron-3-nano-30b-a3b — 비교적 가벼운 축에 속하는 reasoning/coding 모델입니다. 실험이나 빠른 프로토타입에 적합합니다.
4. deepseek-v4-flash — 빠른 코딩, 에이전트 작업, 긴 컨텍스트 처리에 초점을 둔 모델입니다.
5. deepseek-v4-pro — 더 무거운 코딩·추론 작업에 적합한 모델입니다.
6. glm-5.1 — 에이전트 워크플로, 코딩, 긴 추론 작업에 사용할 수 있는 범용 모델입니다.
7. mistral-medium-3.5-128b — 텍스트 생성, 코딩, 에이전트 작업에 두루 사용할 수 있는 범용 LLM입니다.
8. minimax-m3 — 멀티모달 MoE 모델로 reasoning, coding, tool-calling 작업에 초점이 있습니다.

문서·OCR·RAG용

1. nemotron-ocr-v2 — 복잡한 문서 이미지, 표, 실제 촬영 이미지에서 텍스트를 읽는 OCR 모델입니다.
2. nemotron-ocr-v1 — 문서 이미지의 텍스트와 구조를 분석하는 OCR 모델입니다.
3. nemotron-table-structure-v1 — 문서 안의 표, 차트, 제목 같은 요소를 감지하는 데 특화되어 있습니다.
4. llama-nemotron-embed-1b-v2 — 문서 검색과 RAG 검색용 임베딩 모델입니다.
5. llama-nemotron-rerank-1b-v2 — 검색된 문서 중 어떤 문서가 질문에 더 관련 있는지 다시 순위를 매기는 reranker입니다.
6. llama-nemotron-embed-vl-1b-v2 — 이미지 문서 검색에 활용할 수 있는 멀티모달 retrieval 모델입니다.

이미지·영상·멀티모달용

1. cosmos3-nano — 텍스트나 이미지 프롬프트를 바탕으로 물리 세계를 고려한 영상을 생성하는 모델입니다.
2. cosmos3-nano-reasoner — 이미지와 비디오를 보고 물리적 상황을 이해하는 데 초점을 둔 VLM입니다.
3. cosmos-reason2-8b — 이미지·비디오 기반 물리 세계 이해에 적합한 모델입니다.
4. qwen-image — 텍스트 기반 이미지 생성 모델입니다. 다국어 텍스트 렌더링이 강점으로 소개됩니다.
5. qwen-image-edit — 기존 이미지를 편집하는 모델입니다. 텍스트 편집이나 subject consistency가 중요한 작업에 유용합니다.
6. synthetic-video-detector — AI로 생성된 영상인지 탐지하는 모델입니다.
7. Active Speaker Detection — 영상에서 누가 말하고 있는지 감지하는 모델입니다.
8. LipSync — 입력된 음성에 맞춰 영상 속 입 모양을 맞추는 모델입니다.

음성·번역·안전성용

1. nemotron-asr-streaming — 실시간 영어 음성 인식 모델입니다.
2. nemotron-voicechat — 음성 대화형 AI에 활용할 수 있는 모델입니다.
3. chatterbox-multilingual-tts — 다국어 TTS 모델로, 음성 에이전트나 브랜드 보이스 작업에 활용할 수 있습니다.
4. riva-translate-4b-instruct-v1_1 — 번역에 특화된 모델입니다.
5. nemotron-3.5-content-safety — 유해 콘텐츠, 독성 표현, 안전성 검토에 사용하는 모델입니다.
6. nemotron-content-safety-reasoning-4b — 단순 분류보다 정책 기반 판단이 필요한 안전성 검토에 적합합니다.
7. gliner-pii — 텍스트 안의 개인정보, 민감정보를 탐지하는 모델입니다.

3. Agentic Skills는 무엇인가?

Agentic Skills는 모델처럼 직접 답변을 생성하는 AI가 아닙니다. AI 에이전트가 CUDA-X, Omniverse, NeMo, RAG Blueprint, Jetson, cuOpt 같은 NVIDIA 도구를 더 정확하게 쓰도록 알려주는 지시문 묶음입니다.

예를 들어 Codex나 Cursor에게 “NVIDIA RAG Blueprint를 배포해줘”라고 말하면, 에이전트가 대충 추측해서 명령어를 만들 수도 있습니다. 그런데 해당 Skill이 설치되어 있으면, 에이전트는 NVIDIA가 제공한 절차와 제약을 참고해 더 안정적으로 작업할 수 있습니다.

주의할 점

Skill을 설치한다고 해서 GPU 자원, API 호출권, 클라우드 사용량이 무료로 생기는 것은 아닙니다. Skill은 “작업을 잘 수행하도록 돕는 설명서”이고, 실제 실행에는 Docker, CUDA, GPU, Kubernetes, Jetson, Omniverse, NeMo 같은 별도 환경이 필요할 수 있습니다.

4. 눈에 띄는 Agentic Skills 정리

RAG·검색·문서 기반 AI

1. rag-blueprint — RAG 파이프라인을 배포하고 구성하는 Skill입니다. 문서 검색형 AI를 만들 때 먼저 볼 만합니다.
2. rag-eval — RAG 결과가 좋은지 평가하는 Skill입니다. 검색 품질과 답변 품질을 점검할 때 유용합니다.
3. rag-perf — RAG 성능을 측정하고 병목을 분석하는 Skill입니다.
4. nemo-retriever — NeMo Retriever 기반 문서 검색·질의응답 작업에 활용할 수 있습니다.

모델 평가·학습·운영

1. nemo-evaluator-plugin — 모델 평가 워크플로를 구성하는 Skill입니다.
2. nemo-automodel-distributed-training — 대규모 LLM/VLM 분산 학습 작업을 돕습니다.
3. nemo-automodel-model-onboarding — 새 모델을 NeMo 워크플로에 편입할 때 사용합니다.
4. launch-nemo-rl — NeMo-RL 기반 RLHF, GRPO, DPO, SFT 계열 작업을 실행할 때 참고할 수 있습니다.
5. nemotron-customize — Nemotron 모델 커스터마이즈 흐름을 지원합니다.

영상·비전 AI

1. deepstream-dev — NVIDIA DeepStream 기반 영상 분석 파이프라인 개발에 사용합니다.
2. deepstream-import-vision-model — 비전 모델을 DeepStream에 가져오는 작업을 돕습니다.
3. vss-ask-video — 영상에 질문하는 Video Search and Summarization 작업에 활용됩니다.
4. vss-search-archive — 대규모 영상 아카이브 검색에 사용합니다.
5. vss-summarize-video — 긴 영상을 요약하는 작업에 적합합니다.
6. vss-generate-video-report — 영상 분석 결과를 리포트 형태로 정리하는 작업에 사용합니다.

Jetson·Physical AI·Omniverse

1. jetson-quick-start — Jetson BSP 작업을 빠르게 시작하는 Skill입니다.
2. jetson-diagnostic — Jetson 장치 상태를 점검하는 데 사용합니다.
3. jetson-flash-image — Jetson 이미지를 플래싱하는 작업을 돕습니다.
4. jetson-llm-serve — Jetson에서 LLM을 서빙하는 워크플로에 사용합니다.
5. omniverse-cad-to-simready — CAD 데이터를 Omniverse/SimReady 자산으로 변환하는 작업에 사용합니다.
6. omniverse-usd-performance-tuning — 대형 USD 씬의 성능을 튜닝하는 데 도움을 줍니다.
7. physical-ai-neural-reconstruction — 현실 세계 데이터를 바탕으로 neural reconstruction을 수행하는 Physical AI 계열 Skill입니다.
8. physical-ai-video-data-augmentation — Physical AI 학습용 영상 데이터를 증강하는 작업에 사용합니다.

최적화·GPU 데이터 처리

1. cuopt-routing-api-python — 차량 경로, 배송 경로 같은 routing optimization 작업에 활용할 수 있습니다.
2. cuopt-numerical-optimization-api-python — 선형계획, 이차계획 등 수치 최적화 문제에 사용할 수 있습니다.
3. accelerated-computing-cudf — pandas와 유사한 DataFrame 작업을 GPU로 가속하는 cuDF 관련 Skill입니다.
4. cupynumeric-migration-readiness — 기존 NumPy 코드를 GPU 기반 cuPyNumeric으로 옮길 수 있는지 점검하는 데 사용합니다.
5. cudaq-guide — CUDA-Q 기반 양자/하이브리드 양자 컴퓨팅 워크플로를 시작할 때 참고할 수 있습니다.

5. 어떤 사람에게 유용할까?

일반 사용자가 단순히 챗봇을 쓰려는 목적이라면 NVIDIA Build의 모든 모델과 Skill을 깊게 볼 필요는 없습니다. 하지만 개발자, 자동화 담당자, AI 서비스 프로토타입을 만드는 사람, 제조·영상·로보틱스·시뮬레이션 영역을 다루는 사람이라면 꽤 흥미로운 선택지가 많습니다.

• 문서 자동화를 한다면 OCR, table structure, embedding, reranker 모델을 먼저 보면 좋습니다.
• 코딩 에이전트를 쓴다면 Nemotron, DeepSeek, Mistral, GLM 계열 모델과 Agentic Skills를 함께 볼 만합니다.
• 영상 분석을 한다면 DeepStream, VSS, synthetic-video-detector, Active Speaker Detection 계열이 눈에 들어옵니다.
• 제조·시뮬레이션 쪽이라면 Omniverse, Physical AI, cuOpt, Jetson 관련 Skill을 관심 있게 볼 수 있습니다.

정리

NVIDIA Build의 AI 모델은 “무엇을 생성하거나 분석할 것인가”에 가깝고, Agentic Skills는 “AI 에이전트가 NVIDIA 도구를 어떻게 제대로 사용할 것인가”에 가깝습니다. 따라서 둘을 같은 목록으로만 보면 복잡하지만, 역할을 나누면 훨씬 이해하기 쉽습니다.

개인적으로는 처음부터 전체 목록을 다 보려고 하기보다, 목적별로 접근하는 편이 좋다고 봅니다. 문서 자동화라면 OCR/RAG 모델부터, 코딩 자동화라면 reasoning/coding 모델과 Skills부터, 영상·제조·로보틱스라면 DeepStream, Omniverse, Jetson, Physical AI 쪽부터 보는 식입니다.

참고

1. NVIDIA Build Models: https://build.nvidia.com/models
2. NVIDIA Skills GitHub: https://github.com/NVIDIA/skills
3. NVIDIA Skills Documentation: https://docs.nvidia.com/skills
4. NVIDIA Developer Blog - Verified Agent Skills: https://developer.nvidia.com/blog/nvidia-verified-agent-skills-provide-capability-governance-for-ai-agents/