NVIDIA 开源 Nemotron 3 Super：专为智能体打造，吞吐量提升 5 倍

Nemotron 3 Super 是 NVIDIA 推出的一款开源混合架构大模型，专为运行复杂的多智能体工作流设计。它的总参数量达到 1200 亿，但在实际推理时只激活其中的 120 亿参数，同时原生支持 100 万 token 的超长上下文窗口。

这颗模型的核心卖点，是解决当前 AI 智能体最头疼的两个瓶颈：上下文膨胀和思考成本。多智能体系统在反复调用工具和回传中间推理时，生成的 token 量经常是普通对话的 15 倍。Nemotron 3 Super 凭借混合架构，把整体工作流的吞吐量拉高了最高 5 倍，精度也比前代提升了最高 2 倍。

怎么做到的

能在 1200 亿参数下做到小模型的速度，关键在于三项底层架构设计的组合。

首先是 Mamba 与 Transformer 的混合主干。模型的大部分序列处理交给了 Mamba-2 层，利用状态空间模型的线性复杂度，把内存和计算效率提升了 4 倍，让 100 万 token 的长文本不再只是纸面参数；关键深度则穿插了 Transformer 注意力层，确保模型在大海捞针时不会丢失关键信息。

其次是 Latent MoE 技术。传统的专家混合架构在路由时容易遇到计算瓶颈，Nemotron 3 Super 在把 token 分配给专家前，先将其压缩到低秩潜空间。这让它能以调用单个专家的计算成本，同时激活 4 位专家协同计算。

再加上多 token 预测机制，模型每次前向传播能同时预测多个词，推理速度直接快了 3 倍。在最新的 Blackwell 平台上，它还支持原生 NVFP4 精度，相比 Hopper 平台上的 FP8 精度，推理速度最高能跑出 4 倍，而且基本没有精度损失。

效果与开放程度

在实际测试中，Nemotron 3 Super 拿下了 Artificial Analysis 同级别模型效率与准确率榜首。在衡量复杂多步研究能力的 DeepResearch Bench 和 DeepResearch Bench II 上，它驱动的研究智能体拿到了第一；在针对 OpenClaw 智能体表现的 PinchBench 基准测试中，它跑出了 85.6% 的高分。

在开放性上，NVIDIA 这次给得相当彻底。模型权重基于宽松许可证开源，一同公开的还有超过 10 万亿 token 的预训练与后训练数据配方，以及用于强化学习的 15 套训练环境和评估方法。

模型已经打包为 NVIDIA NIM 微服务，开发者可以在本地工作站、私有数据中心或各大公有云上私有化部署。如果你想快速体验，可以在 build.nvidia.com 在线测试，或者在 Hugging Face 下载权重，Perplexity 和 OpenRouter 也已经接入了该模型。

为什么重要

如果你正在搭建企业级自主智能体，或者需要让代码生成工具直接啃下整套工程代码，Nemotron 3 Super 非常值得现在就试。100 万 token 结合极低的活跃参数，意味着你不用再把长文档反复切片，智能体在几十轮工具调用之后也不容易发生目标漂移。

从行业来看，NVIDIA 显然想用软硬一体把竞争对手的门槛拉高。开源高吞吐的专用智能体模型，再配合自家 Blackwell 架构的 NVFP4 算力，表面上是免费送模型，实际上是在为下一代硬件生态铺路。对于不想被闭源模型 API 绑架的开发者来说，这算得上目前综合素质极强的一个开源底座。