Perplexity 全線接入 NVIDIA Nemotron 3 Super：涵蓋 App、API 與 Computer

如果你搭過多智慧體系統，大機率被兩件事折磨過：一是上下文爆炸，幾個 Agent 互相扔中間結果，跑上幾輪就把上下文撐爆，最後連最初的目標都忘了；二是所謂的「思考稅」，哪怕只是個提取欄位的簡單子任務，也得拉著昂貴的龐大模型跑一通，慢不說，賬單還貴得肉疼。

NVIDIA 剛剛釋出的開源模型 Nemotron 3 Super，就是衝著這兩個痛點來的。它的總引數有 120B，但每次推理只有 12B 引數處於啟用狀態。緊接著，Perplexity 宣佈把這個模型接入全線產品，覆蓋主搜尋應用、Agent API，以及用來協調多種 AI 的新平臺 Perplexity Computer。

把 Mamba 和 Transformer 揉進同一個 MoE

為了幹掉思考稅，Nemotron 3 Super 在架構上做了一套相當激進的混血設計。它把負責長序列處理的 Mamba-2 狀態空間模型，和負責高精度聯想召回的 Transformer 注意力層交替堆疊，再套上 MoE 架構。官方給出的資料是，它的吞吐量達到上一代 Nemotron Super 的 5 倍以上，記憶體和算力效率提升了 4 倍。

更有意思的是它用的「Latent MoE」技術。傳統的 MoE 會把全維度的向量直接扔給專家網路，專家一多就容易成為算力瓶頸。NVIDIA 選擇在路由之前，先把 Token 向量壓縮排一個低維的潛空間裡，讓專家在壓縮維度裡計算，算完再投影回去。這樣一來，花同樣的推理代價，系統可以呼叫的專家數量直接翻了 4 倍。

再加上一次預測多個 Token 的 MTP 技術，以及專門針對 Blackwell 架構最佳化的原生 NVFP4 預訓練，讓它在 B200 上的推理速度比 H100 上的 FP8 快了 4 倍，同時還不掉精度。解決上下文爆炸的則是一個原生的 1M 上下文視窗，在評估自主 Agent 表現的 PinchBench 基準測試裡，Nemotron 3 Super 拿下了 85.6% 的綜合成績。

Perplexity 第一時間全家桶上線

Perplexity 這次跟進得非常快。普通使用者在主搜尋介面就能挑它用，開發者可以通過 Agent API 呼叫，而在 Perplexity 專門用來編排複雜任務的 Perplexity Computer 裡面，Nemotron 3 Super 成了協同作戰的 20 個編排模型之一。

除了 Perplexity，開發輔助工具 CodeRabbit、Factory、Greptile 也在把它接進程式碼審查與開發流程，用來降低長程式碼推理的呼叫成本。而在企業端，Palantir、Siemens、Cadence 和 Dassault Systèmes 已經準備把它拿去跑半導體設計、製造和工業自動化的工作流。

更徹底的是，NVIDIA 這次把權重、超過 10 萬億 Token 的訓練資料集、包含 15 個強化學習環境的完整訓練菜譜全都開源了，允許開發者直接拉回自己的本地工作站或私有云裡魔改部署。

為什麼重要

對開發者和企業來說，Nemotron 3 Super 幾乎是目前最值得立刻拿來做 Agent 原型測試的開源底座。以前做多智慧體協作，最頭疼的就是吞吐和成本之間的死結：便宜的小模型記不住超長上下文、經常偏離任務，而大引數推理模型又貴又慢。現在一個啟用引數僅 12B 的模型，頂著 1M 的上下文還能跑出高吞吐，直接把程式碼庫全量分析、大批財報並行研讀的門檻拉平了。

從行業競爭來看，NVIDIA 顯然在把戰場從單純的「賣卡」引向「全棧定義 Agent 標準」。通過把自己的 Blackwell 硬體、NVFP4 低精度格式，與 Mamba-Transformer 混合架構深度繫結，它不僅是在開源社群給 Llama 這類純 Transformer 架構施加壓力，更是在用一套軟硬一體的高吞吐標準，把下游的 AI 應用公司牢牢圈在自己的硬體生態裡。

我們認為，NVIDIA 這一步走得極其精明。它沒有跟純模型廠商卷那些虛高的通用評測分，而是專挑多智慧體系統在工程落地時最痛的環節下手。不過也有一個現實門檻擺在面前：它最極致的效能和 4 倍提速深度依賴 Blackwell 架構的 NVFP4 支援，如果你手裡還是上一代硬體，實際能榨出來的效能提升，恐怕會打上不少折扣。