NVIDIA 推出 Nemotron 3：革命性开放模型系列赋能下一代智能体AI开发
新闻摘要
英伟达发布了 Nemotron 3 系列开放模型，标志着智能体 AI 开发的重大进展。该系列模型分为 Nano、Super 和 Ultra 三个层级，引入了突破性的混合专家混合（hybrid mixture-of-experts）架构，旨在应对企业从单一模型聊天机器人向复杂多智能体 AI 系统过渡过程中开发者面临的日益严峻的挑战。
此次发布于 2025 年 12 月 15 日，彰显了英伟达在人工智能领域开放创新的承诺。首席执行官黄仁勋强调，Nemotron 将先进 AI 转化为开放平台，为开发者提供了大规模构建智能体系统所需的透明度和效率。
开创性架构驱动新的效率标准
Nemotron 3 系列采用了创新的混合潜在专家混合（hybrid latent mixture-of-experts）架构，从根本上重塑了 AI 模型处理复杂、多步骤任务的方式。这种架构方法允许模型仅激活特定任务所需的参数，从而显著提高计算效率，同时保持或超越准确性基准。
英伟达的工程团队通过这一设计实现了卓越的性能提升。Nano 模型虽然是该系列中最小的模型，但其吞吐量提升幅度却达到了其前代的四倍。这为部署多智能体系统的企业带来了切实的成本节约，推理令牌生成成本降低高达 60%。
混合架构结合了 Transformer 技术和选择性参数激活，使模型能够有效地跨不同工作负载需求进行扩展。这种灵活性使开发者能够精确匹配模型的大小和能力以满足其应用需求，从轻量级的助手任务到复杂的战略规划工作流。
三层方法满足多样化的企业需求
Nemotron 3 Nano：规模化效率
Nemotron 3 Nano 现已上市，在开放模型领域树立了计算成本效率的新标杆。该模型拥有 300 亿个总参数，每次仅激活 30 亿个，非常适合软件调试、内容摘要、AI 助手工作流和信息检索等特定应用。
独立 AI 基准测试组织 Artificial Analysis 将 Nemotron 3 Nano 评为同类尺寸中最开放、最高效的模型。该模型支持令人印象深刻的 100 万个令牌上下文窗口，使其能够在扩展的多步推理任务中保持连贯性和准确性——这对于需要持续上下文理解的智能体应用至关重要。
Nano 提供的吞吐量提升对于运营多智能体系统的组织尤为重要，因为令牌生成速度直接影响用户体验和运营成本。早期测试表明，该模型能够处理大量并发请求，而响应质量不会下降。
Nemotron 3 Super：协作智能
Nemotron 3 Super 定于 2026 年上半年发布，面向需要大量协作智能体以最小延迟运行的应用。Super 模型拥有约 1000 亿个参数，每个令牌激活 100 亿个，针对 IT 工单自动化、客户服务协调和复杂工作流管理等场景进行了优化。
该模型在 Blackwell 架构上采用了英伟达超高效的 4 位 NVFP4 训练格式，显著降低了内存需求，同时保持了与更高精度格式相当的准确性。这一效率突破使组织能够在现有基础设施上部署更大的模型，而无需进行昂贵的升级。
Nemotron 3 Ultra：高级推理引擎
作为该系列的旗舰模型，Nemotron 3 Ultra 拥有约 5000 亿个参数，每个令牌激活高达 500 亿个。Ultra 模型也计划于 2026 年上半年上市，它将作为一种先进的推理引擎，为需要深度研究能力和战略规划支持的 AI 工作流提供服务。
Ultra 的设计支持复杂的决策场景，在这些场景中，周全性和分析深度比响应速度更重要。该模型的架构使其能够处理大量信息集，识别不同数据源之间的模式，并生成全面的分析输出。
全面的生态系统支持快速开发
英伟达的发布远不止模型本身，还包含了一个完整的开发生态系统，旨在加速专业化 AI 智能体的创建。该公司发布了涵盖预训练、后训练和强化学习数据集的 3 万亿个令牌的训练数据——这是开发者社区前所未有的资源。
这些数据集为创建针对特定行业需求定制能力的领域专业化智能体奠定了基础。这些集合包含了丰富的推理模式、编码工作流和多步任务执行策略示例，开发者可以利用这些示例来训练符合其独特用例的模型。
Nemotron Agentic Safety Dataset 通过提供真实的遥测数据来评估和加强智能体系统的安全性，从而解决了 AI 开发中的一个关键空白。随着组织部署日益自主的 AI 系统，强大的安全评估框架对于维护信任和合规性至关重要。
英伟达还发布了 NeMo Gym 和 NeMo RL，这些开源库提供了专门为强化学习工作流设计的训练环境和后训练基础设施。这些工具与用于安全性和性能验证的 NeMo Evaluator 相结合，创建了一个集成的开发环境，显著降低了构建生产级智能体系统的复杂性。
行业采用预示市场信心
来自不同行业的领先企业已开始将 Nemotron 模型集成到其运营中。埃森哲、德勤和安永正在探索在专业服务领域的应用，而 Oracle Cloud Infrastructure、ServiceNow 和 Zoom 等技术领导者则将这些模型集成到其平台中。
ServiceNow 首席执行官 Bill McDermott 强调了此次合作在定义智能体 AI 实施新标准方面的潜力。ServiceNow 的智能工作流自动化与 Nemotron 3 的能力相结合，为企业运营带来了前所未有的效率和准确性机会。
AI 驱动的搜索和研究领导者 Perplexity 宣布计划使用一种智能体路由器架构，该架构将工作负载在 Nemotron 3 Ultra（用于专业任务）和专有模型（在这些模型具有独特优势时）之间进行分配。这种混合方法优化了性能、成本和专业功能之间的平衡。
初创企业生态系统也正在将 Nemotron 3 作为创新的基础。General Catalyst、Mayfield 和 Sierra Ventures 的投资组合公司正在探索这些模型的应用，以构建支持跨不同领域人机协作的 AI 助手。
主权 AI 和全球部署战略
Nemotron 3 支持英伟达更广泛的主权 AI 计划，使各国和地区能够开发符合当地数据治理要求、监管框架和文化价值观的 AI 系统。欧洲和韩国的组织正在采用开放、透明的模型来构建保持数据主权并利用尖端能力的人工智能基础设施。
这种方法解决了日益增长的全球对人工智能治理和数据隐私的担忧。通过提供组织可以在其自身基础设施内部署的完全开放的模型，英伟达使实体能够在受益于最先进的模型架构和训练方法的同时，保持对其 AI 系统的完全控制。
主权 AI 战略还支持经济发展计划，使地区能够建立国内的 AI 能力，而不是完全依赖外国云服务。人工智能开发和部署的本地化为区域创新生态系统的蓬勃发展创造了机会。
可访问的部署选项加速采用
英伟达通过与领先的推理服务提供商合作，确保了 Nemotron 3 Nano 的广泛可访问性。该模型现已通过 Baseten、DeepInfra、Fireworks、FriendliAI、OpenRouter 和 Together AI 提供，为开发者提供了适合不同运营需求和预算限制的多种部署选项。
企业 AI 和数据基础设施平台，包括 Couchbase、DataRobot、H2O.ai、JFrog、Lambda 和 UiPath，已集成了对 Nemotron 模型支持。这种广泛的平台采用减少了集成摩擦，并使组织能够以最小的干扰将模型集成到现有工作流中。
公共云可用性进一步扩大了模型的覆盖范围。AWS 将通过 Amazon Bedrock 的无服务器基础设施提供 Nemotron 3 Nano，而 Google Cloud、CoreWeave、Crusoe、Microsoft Foundry 和其他主要云提供商将在其平台中支持该模型。这种多云战略确保组织可以在其首选云环境中部署 Nemotron 模型。
对于需要最大控制和隐私的企业，英伟达将 Nemotron 3 Nano 作为 NVIDIA NIM 微服务提供。这种打包方式使得在英伟达加速基础设施上进行安全、可扩展的部署成为可能，无论是在本地还是在私有云环境中，从而确保敏感工作负载保留在组织边界内。
技术创新驱动性能领先
Nemotron 3 性能背后的技术创新超出了其核心架构特性。英伟达的工程团队采用了先进的强化学习技术，并进行了大规模的并发多环境后训练——这种方法在训练过程中将模型暴露于各种场景，提高了其在不同实际应用中泛化的能力。
Super 和 Ultra 模型中的多令牌预测能力提高了长文本生成的效率，同时提升了整体模型质量。此功能使模型能够在生成过程中提前规划，为扩展响应生成更连贯、更具上下文相关性的输出。
4 位 NVFP4 训练格式代表了训练效率的重大进步。通过在不牺牲模型准确性的情况下降低数值精度要求，英伟达使得在现有硬件配置上训练更大的模型成为可能。这通过降低模型开发的基础设施要求，使前沿模型能力更加普及。
推理时的精细推理预算控制为开发者提供了对模型行为的精细控制。此功能允许动态调整分配给不同查询的计算资源，根据具体应用需求优化响应质量和推理成本之间的平衡。
开源承诺加强开发者生态系统
英伟达决定在开放许可下发布全面的训练数据、模型权重和开发工具，这反映了其通过社区协作促进创新的战略承诺。该公司不仅提供了最终训练好的模型，还提供了基础模型和训练配方，使研究人员和开发者能够理解并在此基础上进行工作。
此次发布包括 FP8 量化和 BF16 精确格式的 Nemotron 3 Nano，以及基础预训练模型。这种透明度支持可复现性，并允许研究社区验证英伟达的说法，同时探索替代的训练方法和模型变体。
LM Studio、llama.cpp、SGLang 和 vLLM 等工具的集成支持确保开发者可以在不采用全新工具链的情况下，将 Nemotron 模型集成到其现有的开发工作流中。Prime Intellect 和 Unsloth 将 NeMo Gym 的训练环境直接集成到其平台中，进一步降低了进行高级强化学习实验的门槛。
未来展望和行业影响
Nemotron 3 的发布标志着开放模型格局的成熟，表明透明度和商业级性能并非相互排斥。随着组织日益认识到 AI 能力的战略重要性，部署、定制和控制模型的能力成为关键的竞争因素。
计划于 2026 年发布的 Super 和 Ultra 模型将完成 Nemotron 3 系列，为企业提供涵盖全部能力和效率需求范围的选择。这种分层方法使组织能够实施混合部署策略，在优化成本的同时，在最关键的地方保持性能。
英伟达的集成生态系统方法——将模型、数据和工具整合到一个统一的软件包中——为开放模型发布树立了新的标准。该公司不仅仅是发布模型权重，而是提供了成功部署和定制所需的完整基础设施。
对智能体 AI 能力的强调将 Nemotron 3 置于 AI 应用架构新兴范式转变的前沿。随着单一模型聊天机器人逐渐被协作式多智能体系统取代，专门为此用例设计的模型很可能在企业部署中获得显著的吸引力。
行业分析师预计，Nemotron 3 的开放性将加速专业化 AI 应用的创新，特别是在数据隐私、监管合规或独特的行业要求使得专有云模型不切实际的领域。领先能力与完全透明度的结合，为以前只有通过广泛的内部 AI 开发团队才能实现的定制和领域适应创造了机会。