Perplexity 全线接入 NVIDIA Nemotron 3 Super：涵盖 App、API 与 Computer

如果你搭过多智能体系统，大概率被两件事折磨过：一是上下文爆炸，几个 Agent 互相扔中间结果，跑上几轮就把上下文撑爆，最后连最初的目标都忘了；二是所谓的「思考税」，哪怕只是个提取字段的简单子任务，也得拉着昂贵的庞大模型跑一通，慢不说，账单还贵得肉疼。

NVIDIA 刚刚发布的开源模型 Nemotron 3 Super，就是冲着这两个痛点来的。它的总参数有 120B，但每次推理只有 12B 参数处于激活状态。紧接着，Perplexity 宣布把这个模型接入全线产品，覆盖主搜索应用、Agent API，以及用来协调多种 AI 的新平台 Perplexity Computer。

把 Mamba 和 Transformer 揉进同一个 MoE

为了干掉思考税，Nemotron 3 Super 在架构上做了一套相当激进的混血设计。它把负责长序列处理的 Mamba-2 状态空间模型，和负责高精度联想召回的 Transformer 注意力层交替堆叠，再套上 MoE 架构。官方给出的数据是，它的吞吐量达到上一代 Nemotron Super 的 5 倍以上，内存和算力效率提升了 4 倍。

更有意思的是它用的「Latent MoE」技术。传统的 MoE 会把全维度的向量直接扔给专家网络，专家一多就容易成为算力瓶颈。NVIDIA 选择在路由之前，先把 Token 向量压缩进一个低维的潜空间里，让专家在压缩维度里计算，算完再投影回去。这样一来，花同样的推理代价，系统可以调用的专家数量直接翻了 4 倍。

再加上一次预测多个 Token 的 MTP 技术，以及专门针对 Blackwell 架构优化的原生 NVFP4 预训练，让它在 B200 上的推理速度比 H100 上的 FP8 快了 4 倍，同时还不掉精度。解决上下文爆炸的则是一个原生的 1M 上下文窗口，在评估自主 Agent 表现的 PinchBench 基准测试里，Nemotron 3 Super 拿下了 85.6% 的综合成绩。

Perplexity 第一时间全家桶上线

Perplexity 这次跟进得非常快。普通用户在主搜索界面就能挑它用，开发者可以通过 Agent API 调用，而在 Perplexity 专门用来编排复杂任务的 Perplexity Computer 里面，Nemotron 3 Super 成了协同作战的 20 个编排模型之一。

除了 Perplexity，开发辅助工具 CodeRabbit、Factory、Greptile 也在把它接进代码审查与开发流程，用来降低长代码推理的调用成本。而在企业端，Palantir、Siemens、Cadence 和 Dassault Systèmes 已经准备把它拿去跑半导体设计、制造和工业自动化的工作流。

更彻底的是，NVIDIA 这次把权重、超过 10 万亿 Token 的训练数据集、包含 15 个强化学习环境的完整训练菜谱全都开源了，允许开发者直接拉回自己的本地工作站或私有云里魔改部署。

为什么重要

对开发者和企业来说，Nemotron 3 Super 几乎是目前最值得立刻拿来做 Agent 原型测试的开源底座。以前做多智能体协作，最头疼的就是吞吐和成本之间的死结：便宜的小模型记不住超长上下文、经常偏离任务，而大参数推理模型又贵又慢。现在一个激活参数仅 12B 的模型，顶着 1M 的上下文还能跑出高吞吐，直接把代码库全量分析、大批财报并行研读的门槛拉平了。

从行业竞争来看，NVIDIA 显然在把战场从单纯的「卖卡」引向「全栈定义 Agent 标准」。通过把自己的 Blackwell 硬件、NVFP4 低精度格式，与 Mamba-Transformer 混合架构深度绑定，它不仅是在开源社区给 Llama 这类纯 Transformer 架构施加压力，更是在用一套软硬一体的高吞吐标准，把下游的 AI 应用公司牢牢圈在自己的硬件生态里。

我们认为，NVIDIA 这一步走得极其精明。它没有跟纯模型厂商卷那些虚高的通用评测分，而是专挑多智能体系统在工程落地时最痛的环节下手。不过也有一个现实门槛摆在面前：它最极致的性能和 4 倍提速深度依赖 Blackwell 架构的 NVFP4 支持，如果你手里还是上一代硬件，实际能榨出来的效能提升，恐怕会打上不少折扣。