英伟达想再砸 10 亿美元投 Figure,黄仁勋押注人形机器人,还想靠投资几千个模型摆脱对大客户的依赖,细节不少。
#Nemotron
做 RL 训练的朋友看下,CoreWeave 这个功能把换检查点的时间砍掉约 15 倍,Nemotron 实测 BrowseComp 涨了 8 个多点。
NVIDIA 拿 Nemotron 加 OpenShell 做了个电信排障智能体,没预案的故障它能自己查方案、先在仿真里试一遍再动手。
Sluicebox 拿 Nemotron 3 Ultra 做了个叫 Lucy 的供应商数据智能体,算碳足迹的成本降了 51–80%,做企业 Agent 的可以看看怎么落地。
NVIDIA 的 Nemotron Labs 搞了场专家直播,专门讲怎么评估 Agent 技能,做智能体开发的话可以看看他们的评估思路。
Salesforce 和英伟达一起搞了个叫 Koa 的模型,专门给企业用,处理销售和客服这些实际业务,比 Claude 和 ChatGPT 更省钱,还不会泄露客户数据,是个不错的备选方案。
Salesforce 和 Nvidia 联合发布了新的推理模型 Koa,这个模型在数学和逻辑推理方面表现很棒,适合做销售、营销和客服工作。
英伟达自己家的 Nemotron 模型,现在成了企业客户处理最机密业务的首选,比 Anthropic 和 OpenAI 的模型更安全。
NVIDIA 新发布的 Nemotron 3 Embed 8B 模型在网页检索任务上表现很棒,比之前的一些模型更好。
NVIDIA 新发布的 Nemotron 3 Embed 8B 模型在网页搜索相关任务上表现很好,值得看看。
英伟达和 Palantir 联手,用英伟达的 Nemotron 模型,在 Palantir 平台上给供应链做优化,客户能自己训练模型,保证数据安全。
想做智能体又怕模型太贵太慢?Nemotron 3.5 Lightning只有3B活跃参数,在Fireworks上直接就能调。
AgileRL 把 Nemotron 3.5 Lightning 放到 Arena 上微调,6 小时就能超过 Claude Sonnet 5,训练完权重还归你。
Reasonable微调了NVIDIA的30B开源模型,形式化证明通过率胜过50倍大的模型,生成还更快。博客还拆解了模型怎么作弊。
Trajectory 一键后训练 Nemotron 3.5 Lightning,测试冲到 8.3% 超 Opus 4.6,小模型按客户定制能落地。
NVIDIA开源了30B MoE,激活才3B,跑起来便宜,还配了个路由器帮你省钱,搞智能体的可以看看。
NVIDIA 把 Nemotron 3.5 Lightning 的权重、数据和配方全开放了,想自己改模型的话直接上 Hugging Face 就能拿,比闭源省事多了。
NVIDIA新出的轻量MoE,30B参数只激活3B,跑智能体任务比同类快30%,想省算力可以试试。
想用强化学习训开源模型?看看这个Prime Intellect实操教程,Nemotron Labs手把手带你跑通RL训练。
这篇论文解释了为什么最近万亿参数模型(比如Nemotron、Kimi、Qwen)能又大又好——Gated Delta Networks混合了Mamba和注意力,效率翻倍还不掉精度。
NVIDIA的Nemotron 3 Embed 8B在LMEB和RTEB两个排行榜都拿了第一,适合做智能体长期记忆的检索。
LangChain 分享了怎么用 Deep Agents 调优 Nemotron 3 Ultra,有具体方法,做 agent 的可以看看。