老黄入局吃龙虾！英伟达发布最强开源 Agent 推理模型

📌 一句话摘要

英伟达发布 120B 参数开源 MoE 模型 Nemotron 3 Super，凭借 Mamba-Transformer 混合架构与 Blackwell 深度优化，在智能体推理与长文本任务中表现卓越。

📝 详细摘要

文章详细报道了英伟达最新发布的开源大模型 Nemotron 3 Super。该模型拥有 120B 参数，采用 MoE（混合专家）架构，在智能体控制（PinchBench）、代码攻坚（SWE-Bench）等多个基准测试中位居开源模型前列。技术核心在于其混合了 Mamba-2 与 Transformer 架构，兼顾了长序列处理效率与全局关联精度；同时引入 Latent MoE 降低推理成本，并原生适配 Blackwell 架构的 NVFP4 格式。此外，英伟达披露了未来五年投入 260 亿美元发展开源 AI 的战略，旨在通过软件实操定义未来硬件进化路径。

💡 主要观点

- Nemotron 3 Super 在智能体控制与代码任务中展现出顶尖的开源性能。 在 PinchBench 和 SWE-Bench 等测试中，该模型显著超越了 GPT-OSS，证明了其在复杂多步流程和软件工程任务中的实战能力。

混合 Mamba-Transformer 架构解决了长文本处理的效率与精度矛盾。 利用 Mamba-2 的线性时间复杂度处理长序列，并在关键层插入 Transformer 全局注意力，确保百万级上下文下的精准检索。

Latent MoE 与多 token 预测技术大幅提升了推理吞吐量。 通过低秩潜空间投影减少路由开销，并利用共享权重并行预测未来 token，使推理速度达到上一代模型的 5 倍以上。

原生 NVFP4 预训练实现了软硬件的深度协同优化。 模型在预训练阶段即适配 Blackwell 架构特性，使其在 B200 芯片上的推理速度比 H100 提升 4 倍，且内存需求更低。

英伟达通过巨额投资开源生态，旨在实现“软件定义硬件”的战略闭环。 投入 260 亿美元研发开源模型，不仅是为了构建生态，更是通过模型运行压力测试获取数据，反哺并规划未来的硬件架构。

💬 文章金句

- 这种设计交织使用了具备线性时间复杂度的 Mamba-2 层来处理长序列任务，并在关键深度插入了 Transformer 全局注意力层。

• 模型在 B200 芯片上跑出了比 H100 快四倍的推理速度，在极大降低内存需求的同时，依然维持了稳健的准确率表现。
• 这里的考核标准不再是简单的对话满意度，深入到了工具调用的准确性、功能代码的可执行性以及复杂计划的完整性等核心维度。
• 英伟达已经悄悄备好了 260 亿美元巨资，将在未来五年内将这笔充足弹药全盘倾注于构建开源 AI 模型。
• 真正实现由软件实操来定义硬件进化的技术路径。

📊 文章信息

AI 评分：89

来源：量子位

作者：克雷西

分类：人工智能

语言：中文

阅读时间：11 分钟

字数：2521

标签： 英伟达, Nemotron 3 Super, 开源模型, MoE, Mamba-Transformer

阅读完整文章