Cadence推出 Maestro AI 模型組合，為跨半導體與系統設計工作流程的 Cadence AI Super Agents 提供核心動力。透過將這些模型與強化學習迴路，以及 Cadence 飽經市場驗證的 EDA 與系統設計自動化工具深度整合，Cadence 打造出一個高度整合的代理式工程平台，旨在提升設計成果、縮短上市時程，並透過遞迴式自我優化 (Recursive Self-Improvement) 持續改善效能。
Maestro 技術為客戶提供一個安全、由 Cadence 管理的平台，在結合卓越的領域專業知識與智慧的同時，也賦予客戶自信創新所需的掌控、選擇權與彈性。Maestro 的模型組合包含多種大小與架構，融合了領域專用的後訓練大語言模型 (Post-trained LLMs)、經訓練的決策模型 (Trained Decision Models) 以及自我改善的 Agent 技能。透過與 Cadence AI Super Agents—AuraStack、ChipStack、InnoStack 及 ViraStack，以及 EDA/系統設計自動化工具的整合及強化學習，Maestro 在雲端與本地環境中調配前沿模型、開源權重模型與領域專用模型，為複雜的工程工作流程注入高度專業的智慧。
初步結果顯示，相較於通用型基底模型，Maestro 在結果品質 (Quality of Results, QoR) 上提升了高達 30%，Token 利用效率提升高達 5 倍。這些效益源於一個整合 Cadence 領域知識、精選工程資料集、AI Super Agents、EDA 與系統設計自動化工具以及評估架構的垂直整合學習環境。Cadence 的原則性演算機制與確定性求解器能夠對照工程目標、約束條件與 Ground Truth 評估輸出成果，為強化學習與遞迴改善建立封閉且經過驗證的反饋迴路。
Cadence 的學習環境將互補的 AI 能力統一於單一工作流程中。前沿與開源權重模型提供廣泛的語言、推理與多模態能力；Maestro AI 模型組合則為複雜的晶片與系統設計提供專門的領域知識。在接收到高階設計目標後，Cadence AI Super Agents 會解析設計意圖、拆解任務、協調 Maestro 模型組合與其他頂尖前沿及開源模型，並驅動 Cadence EDA 與系統設計自動化工具。此綜合解決方案能解析規格、生成設計內容、分析結果、評估取捨，並根據工程需求、成本與安全性指導決策。包含 NVIDIA Nemotron 及其他模型在內的 Maestro 模型組合，可進一步利用客戶的專有數據、設計與工作流程進行後訓練 (Post-training)；透過平衡 EDA/系統設計自動化工具呼叫與LLM調用，在保持執行效率的同時顯著降低 Token 使用量。
包含 AI 超級代理、Maestro AI 模型組合與 EDA 工具在內的完整 Cadence Agentic 環境，均可運行於 Cadence 安全雲端平台、公有雲，或客戶端本地環境中，以滿足資料隱私、安全性與佈署需求。Cadence 與 NVIDIA 亦透過整合 NVIDIA OpenShell 參考架構，共同致力於 Agent 安全性的提升。
