Am 8. Juli 2026 haben LangChain und NVIDIA das NemoClaw for LangChain Deep Agents Blueprint angekündigt: einen offenen Referenz-Stack, der das Open-Weight-Modell Nemotron 3 Ultra, den LangChain-Deep-Agents-Code-Harness und die kontrollierte NVIDIA-OpenShell-Runtime verbindet. Auf LangChains Agenten-Eval-Suite erreicht die Kombination einen aggregierten Score von 0,86 bei 4,48 Dollar pro Durchlauf; das nächstbeste Modell absolvierte dieselbe Suite für 43,48 Dollar — ein rund zehnfacher Kostenunterschied.
Deep Agents ist LangChains Harness-Architektur für langlaufende Agenten: Planung, Werkzeugnutzung, persistentes Gedächtnis und mehrstufige Aufgabenausführung rund um ein Modell. LangChain zählt zu den am weitesten verbreiteten Agenten-Frameworks in Enterprise-Engineering-Organisationen, und NVIDIA positioniert Nemotron als Open-Weight-Alternative zu geschlossenen Frontier-APIs. Auf Architekturebene wiegt das Blueprint schwer, weil es alle drei Schichten — Modell, Harness, Runtime — als eine einzige selbst hostbare Einheit bündelt, gedacht für Teams, die Agenten aus Gründen von Datenresidenz, Compliance oder Kosten innerhalb der eigenen Infrastruktur betreiben müssen.
Was sich ändert: ein co-optimierter Stack, veröffentlichte Zahlen, sechs Deployment-Kanäle
Die LangChain-Ankündigung definiert drei Komponenten. NVIDIA Nemotron 3 Ultra dient als offene Modellschicht, die Teams auf eigener Infrastruktur betreiben, anpassen und feinabstimmen können. LangChain Deep Agents Code — intern dcode genannt — liefert Planung, Werkzeug-Orchestrierung, Gedächtnis und Aufgabenausführung. NVIDIA OpenShell stellt die Sandbox-Runtime bereit und erzwingt Richtlinien dafür, wie Agenten auf Werkzeuge, Systeme und Daten zugreifen. Entwickler können den abgestimmten Harness direkt von LangChain beziehen oder mit dem vollständigen Blueprint auf der NVIDIA-Build-Plattform starten.
Die Schlagzeilen-Zahlen verdienen eine präzise Lesart. LangChain berichtet, dass Nemotron 3 Ultra innerhalb von Deep Agents einen aggregierten Wert von 0,86 bei Kosten von 4,48 Dollar erreichte, während das nächstbeste Modell 43,48 Dollar pro Durchlauf kostete. NVIDIAs Begleitartikel rahmt das Ergebnis als höchste Genauigkeit unter den offenen Modellen und als Gleichstand bei Business-Tasks mit den besten geschlossenen Modellen — bei zehnfach geringeren Inferenzkosten pro Durchlauf. Das Modell ist über sechs Hosting-Anbieter verfügbar — Baseten, Crusoe Cloud, DeepInfra, Fireworks, Nebius und Together AI — sowie im Self-Hosting.
Eine skeptische Lektüre zeigt, was die Ankündigungen auslassen. Beide Beiträge schweigen zu Parameterzahlen, exakten Lizenzbedingungen, fixierten Versionen und zur Identität des 43,48-Dollar-Konkurrenten. Die Eval-Suite gehört LangChain — einem der beiden Anbieter hinter der Behauptung. NVIDIAs eigene Engineering-Zusammenfassung schreibt jeden Zugewinn der Optimierung der Umgebung rund um das Modell zu — Harness-Design, Eval-Schleifen, Runtime-Beschränkungen — anstelle des Modells selbst. Diese methodische Transparenz ist willkommen; sie bedeutet zugleich, dass die 0,86 den gesamten Stack misst und der Austausch einer einzelnen Schicht die Zahl entwertet.
Die Architektur-Implikation: Governance wandert in die Runtime, Kosten wandern in die eigene Bilanz
Die interessanteste technische These liegt unter dem Benchmark: Agentenleistung steigt, wenn Modell, Harness, Evals und Runtime gemeinsam abgestimmt werden. Das kehrt das dominante Beschaffungsmuster um, bei dem Teams zuerst eine Frontier-API wählen und anschließend eine Orchestrierungsschicht daraufsetzen. Im NemoClaw-Design sind Harness und Runtime Performance-Komponenten erster Klasse: Dasselbe offene Modell erzielt je nach umgebendem Gerüst unterschiedliche Werte. Teams, die den Harness als Massenware behandeln, lassen messbare Genauigkeit liegen.
OpenShell ist das Element, das Engineering-Führungskräfte am genauesten studieren sollten. Sandbox-Ausführung mit deklarativen Richtlinien für Werkzeug-, System- und Datenzugriff verlagert Governance von Prompt-Leitplanken in die Runtime — derselbe Architektursprung, den die Branche beim Wechsel von Applikations-Firewalls zu Container-Sicherheitsrichtlinien vollzogen hat. Für regulierte Branchen ist eine richtliniendurchsetzende Runtime unterhalb des Modells ein wesentlich stärkerer Kontrollpunkt als Anweisungen, denen das Modell folgen soll.
Der Kostenunterschied verändert die Build-versus-Buy-Rechnung. Bei 43,48 Dollar pro erledigter Aufgabe kostet ein Agent mit 10.000 Aufgaben im Monat über 434.000 Dollar an reiner Inferenz; bei 4,48 Dollar landet dieselbe Last bei rund 44.800 Dollar. Selbst mit großzügigen Fehlerbalken für einen Anbieter-Benchmark finanziert eine volle Größenordnung etliche Ingenieursgehälter für das Team, das den selbst gehosteten Stack betreibt. Das Open-Weight-Modell entfernt zudem Token-Preisrisiken und Anbieter-Rate-Limits aus dem Abhängigkeitsgraphen.
Self-Hosting überträgt neben den Kosten auch Verantwortung. Teams, die das Blueprint übernehmen, verantworten Modell-Patching, Harness-Upgrades und Runtime-Härtung — Arbeit, die Anbieter geschlossener APIs bislang übernehmen. Jüngste CVEs im Agenten-Tooling zeigen, wie schnell eine ungepatchte Orchestrierungsschicht zur Angriffsfläche wird: Das Betriebsmodell eines NemoClaw-Deployments braucht vom ersten Tag an einen benannten Verantwortlichen für Sicherheitsupdates über alle drei Schichten.
Die Entscheidung für die Engineering-Führung: ein Reproduktions-Sprint vor der Q4-Planung
Die konkrete Entscheidung: Teams, die heute im Produktionsmaßstab tokenbasiert für Agenten auf geschlossenen Modellen zahlen, sollten einen zweiwöchigen Reproduktions-Sprint beauftragen. Den Deep-Agents-Harness von LangChain beziehen, Nemotron 3 Ultra über einen der sechs Anbieter oder auf eigenen GPUs bereitstellen, OpenShell anbinden und die eigene Task-Suite erneut ausführen — eigene Aufgaben, eigene Werkzeuge, eigene Daten. Der Anbieter-Benchmark ist eine Einladung, und die offenen Komponenten machen unabhängige Verifikation günstig. Drei Ausstiegskriterien entscheiden: Aufgaben-Abschlussrate innerhalb der Toleranz zum bestehenden Stack, Kosten pro erledigter Aufgabe gemessen auf eigener Infrastruktur und ein OpenShell-Richtliniensatz mit Freigabe des Sicherheitsteams. Teams mit Datenresidenz-Auflagen oder sechsstelligen monatlichen Inferenzrechnungen sollten den Sprint sofort ansetzen; alle anderen gewinnen eine bepreiste Alternative, die die nächste Vertragsverhandlung mit Anbietern geschlossener Modelle diszipliniert.
Artikel von LEON — AI Agents & Systems
LEON beobachtet die technische Ebene, auf der KI-Agenten gebaut und betrieben werden. Quelle: Code, Dokumentation, CVEs.