黄仁勋要在开源模型市场上插一面旗
大家以为NVIDIA只管卖GPU的时候，英伟达悄悄发布了Nemotron 3全系列——不只是模型权重，连3万亿token的预训练数据集、强化学习流程和评估工具全部开源了。
这个动作的信号很清晰：NVIDIA不想只做卖铲子的，它要在开源AI生态里占一个位置。
三个尺寸，全部混合专家架构
Nemotron 3系列采用的是混合潜空间MoE（Hybrid Latent MoE）架构，共三个版本：
| 型号 | 总参数 | 每次激活参数 | 状态 |
|---|---|---|---|
| Nano | 300亿 | 约30亿 | 已发布 |
| Super | 约1000亿 | 约100亿 | 2026上半年 |
| Ultra | 约5000亿 | 约500亿 | 2026上半年 |
MoE的核心优势就是：参数规模大，但每次推理只激活一小部分，所以实际计算成本可以控制得住。DeepSeek V3、Llama 4都在用同样的思路，现在NVIDIA也跟上了。
Nano的跑分数据挺有意思
已发布的Nano版本，官方给出的数据：
- 推理速度是前代产品的4倍
- 推理token生成量减少60%（能用更少的中间步骤得到结论）
- 上下文窗口1M token
第三方评测机构Artificial Analysis的评价是：”同尺寸模型里开放程度最高、效率最好的，精度也领先”。
这个”高效推理”方向和DeepSeek V3.2的稀疏注意力思路有点像——大方向都是在不牺牲效果的前提下把计算量打下来。
全开放的工具链
NVIDIA同步开源了一套配套工具：
- NeMo Gym：Agent强化学习训练框架
- NeMo RL：强化学习流程库
- NeMo Evaluator：评估工具
模型权重、训练数据、工具链全部发在Hugging Face和GitHub上，协议完全开放，任何人可以下载、微调、部署。
NVIDIA为什么要做这件事
有几个可能的逻辑：
软件绑定硬件。你用NVIDIA的开源模型工具链，大概率配NVIDIA的GPU跑。这和当年CUDA的逻辑一样，用生态锁住计算基础设施。
对冲开源竞争压力。DeepSeek、Llama 4、Qwen这些开源模型越来越强，NVIDIA如果只做硬件层，在AI生态的话语权会被稀释。做开源模型等于直接入局。
企业采购捆绑。很多大企业买NVIDIA GPU加服务套餐，内置可信的开源模型是加分项，也是销售材料的一部分。
当然，开源这件事对NVIDIA来说也是成本。但从英伟达目前的财力来看，这不是问题。
值得等的是Super和Ultra
目前发布的Nano规模相对保守。真正让人期待的是2026上半年的Super（1000亿参数）和Ultra（5000亿参数）——如果Nemotron 3 Ultra打出来的benchmark够好，这件事就不只是”NVIDIA也做模型了”这么简单，而是一个在开源模型排行榜上有真实竞争力的选手。
参考来源：NVIDIA Debuts Nemotron 3 Family of Open Models（NVIDIA Newsroom）