NVIDIA 成立開源大模型聯盟：聯手 Mistral 打造 Nemotron 4

關起門來訓大模型太貴，單打獨鬥做開源又打不過閉源巨頭。NVIDIA 現在的解法，是把全行業最活躍的開源和應用團隊拉進同一個群聊。

在 GTC 大會上，NVIDIA 宣佈成立 Nemotron 聯盟。這不是那種掛個名發新聞稿的行業協會，而是一個要真正拿出模型的開發同盟。首批成員名單相當豪華，包括 Black Forest Labs、Cursor、LangChain、Mistral AI、Perplexity、Reflection AI、Sarvam 以及 Mira Murati 創辦的 Thinking Machines Lab。

大家湊在一起要乾的第一件事，就是聯合打造一個前沿開源基礎模型。整個模型將在 NVIDIA DGX Cloud 上完成訓練，並作為接下來 Nemotron 4 模型家族的底座全面開源。

誰出算力，誰出絕活

這場合作的分工非常清晰：NVIDIA 掏出自家最頂級的 DGX Cloud 算力、模型開發工具以及合成數據管線，而聯盟成員則把各自最壓箱底的能力拿出來拼裝。

核心的底模研發由 NVIDIA 和 Mistral AI 聯合牽頭。兩家之前就合作過 Mistral NeMo，這次 Mistral 會投入自己的模型架構、訓練技巧、多模態能力和微調工具。

其他成員的職責幾乎對準了目前開源模型最頭疼的幾個短板。文生圖和影片團隊 Black Forest Labs 負責多模態能力；擁有 1 億月下載量的 LangChain 要給模型做一套 Agent 套件，專門死磕工具呼叫、長流程推理和智慧體協作；程式碼編輯器 Cursor 則拿出真實世界的開發需求和評測資料集，幫底模在寫程式碼時避開實際開發中的坑。

此外，Perplexity 會注入高併發搜尋問答的工程經驗，Reflection AI 負責對齊與安全，印度本土 AI 團隊 Sarvam 負責多語言和語音優先能力，Thinking Machines Lab 則帶來了資料協作與 Tinker 平臺的研究。

開源陣營的一場抱團取暖

閉源大廠靠百億美元的算力和海量閉環資料築起護城河，開源團隊如果各自造輪子，很容易被算力成本拖垮。NVIDIA 這次等於直接把算力成本扛了下來，給聯盟搭了一個「公共廚房」。

與此對應的是，Mistral 在同一天還宣佈推出了 Mistral Small 4，進一步把開源模型推向輕量化和低門檻。

按照黃仁勳的說法，開源模型是創新的生命線。但對於聯盟裡的成員來說，更現實的收益是：不用自己花幾千萬美元從頭預訓練一個底座，就能在頂尖算力上烙上自己的技術印記，回頭還能直接拿開源出來的成品質押給自己的商業客戶。

為什麼重要

我們認為，這是開源大模型生態一次極其聰明的抱團，也是 NVIDIA 在商業戰略上的一記妙招。

對開發者和企業來說，這一步的價值在於「不用再給閉源 API 打工」。過去企業用開源模型，常常遇到程式碼能力不如 Claude、智慧體工具呼叫動不動死迴圈的問題。現在 Cursor 和 LangChain 親自把評測集和 Agent 腳手架塞進預訓練階段，未來的 Nemotron 4 很可能是一顆天生就懂工具呼叫和工程程式碼的種子，大家基於它做行業微調的成功率會高很多。

從行業競爭來看，這直接衝著 OpenAI、Google 和 Anthropic 的圍牆花園而去。單靠 Mistral 打不過 GPT-4.5，單靠 LangChain 調教不好開源小模型，但當 NVIDIA 把算力和全鏈路技術棧捏在一起時，開源陣營就有了能與閉源旗艦正面對抗的工程集團軍。

不過，這種多方聯盟也有顯而易見的隱患。大模型訓練是極其精密的系統工程，資料配比、訓練超引數的微調容不得半點分歧。八九家獨立商業公司聚在一起，各家都有自己的小算盤和獨立商業模型，誰能對最終模型的成敗負總責？合成數據和評測權重聽誰的？一旦協同效率不及閉源大廠的中央集權，聲勢浩大的聯盟就可能流於形式。但無論如何，有人願意買單讓開源力量擰成一股繩，這對整個 AI 開發者生態都是一件好事。