内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。

AI导读

英伟达开源1200亿参数Nemotron 3 Super模型，专为复杂智能体设计：100万Token上下文窗口解决"推理税"难题，混合专家架构使吞吐量提升5倍，开发者可免费获取权重并微调。

内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。

内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。

AI导读

英伟达开源1200亿参数Nemotron 3 Super模型，专为复杂智能体设计：100万Token上下文窗口解决"推理税"难题，混合专家架构使吞吐量提升5倍，开发者可免费获取权重并微调。

内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。

内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。

AI导读

英伟达开源1200亿参数Nemotron 3 Super模型，专为复杂智能体设计：100万Token上下文窗口解决"推理税"难题，混合专家架构使吞吐量提升5倍，开发者可免费获取权重并微调。

内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。

内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。

AI导读

英伟达开源1200亿参数Nemotron 3 Super模型，专为复杂智能体设计：100万Token上下文窗口解决"推理税"难题，混合专家架构使吞吐量提升5倍，开发者可免费获取权重并微调。

内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。

内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。

AI导读

英伟达开源1200亿参数Nemotron 3 Super模型，专为复杂智能体设计：100万Token上下文窗口解决"推理税"难题，混合专家架构使吞吐量提升5倍，开发者可免费获取权重并微调。

内容由AI智能生成

3 月 12 日消息，英伟达公司昨日（3 月 11 日）发布博文，宣布推出 Nemotron 3 Super 开源大模型，是其迄今为止最强大的开源权重 AI 模型。

IT之家注：开源权重模型（Open-weight AI models）是指将决定 AI 模型行为的关键参数（权重）向公众免费开放的模型。与完全闭源的模型（如 GPT-4）不同，开发者可以下载并在自己的设备上运行或微调这些模型。

Nemotron 3 Super 模型拥有 1200 亿参数，采用混合专家（MoE）架构（推理时仅激活 120 亿），专为大规模运行复杂智能体（Agentic AI）系统设计。

该模型结合了先进的推理能力，能够为自主智能体高精度地完成任务。Perplexity、Palantir 和西门子等行业巨头目前已将其应用于搜索、软件开发、电信和半导体设计等核心工作流中。

随着企业将 AI 应用从聊天机器人转向多智能体，往往面临两大瓶颈：“上下文爆炸”与“推理税”。多智能体交互会产生最多 15 倍的 Token 量，导致成本飙升和目标偏移；同时，复杂智能体每步都需要推理，让系统变得昂贵且迟钝。

Nemotron 3 Super 为解决这些问题，配备了 100 万 Token 的上下文窗口。这让智能体能够将完整的工作流状态保留在内存中，从而防止目标偏移，并大幅降低多步推理的成本。

在架构与性能方面，该模型采用了混合专家（MoE）架构，将吞吐量提升了 5 倍，准确率比前代翻倍。具体而言，其 Mamba 层使内存和计算效率提高了 4 倍，而 Transformer 层则负责高级推理。

此外，模型引入了“潜在 MoE（Latent MoE）”新技术，以单个专家的计算成本激活四个专家；并支持多 Token 预测，让推理速度提升 3 倍。在英伟达 Blackwell 平台上，该模型以 NVFP4 精度运行，相比 Hopper 架构上的 FP8，内存需求更低且推理速度快 4 倍。

英伟达对该模型采取了高度开放的策略。官方不仅遵循宽松许可证开源了模型权重，还公布了完整的训练方法，包括超 10 万亿 Token 的数据集和评估配方。在实际场景中，它能一次性加载完整代码库进行端到端调试，或瞬间读取数千页财务报告。

开发者目前可通过 Hugging Face、各大云服务商（谷歌云、甲骨文，及即将上线的 AWS 和 Azure）获取该模型。同时，它已被打包为 NVIDIA NIM 微服务，支持无缝部署制本地数据中心和云端。