120B 指参数量约为 1200 亿的大语言模型规格,当前主要代表是英伟达于 2026 年 10 月中旬开源的 Nemotron 3.5 Super VL——一个采用 MoE(混合专家)架构的原生视觉多模态模型。由于 MoE 架构下每个 token 仅激活约 12B 参数,这类 120B 模型在能力与推理成本之间取得了平衡,成为近期能够在消费级硬件上本地部署的最大规模开源权重模型之一。它的发布也使 120B 这一档位成为开源社区关注的焦点。
Nemotron 3.5 Super VL 的发布与部署
英伟达在 2026 年 10 月 15 日前后发布并开源了 Nemotron 3.5 Super VL,这是一个 120B 参数的 MoE 多模态智能体模型,官方强调其每 token 仅激活 12B 参数,兼顾多模态理解与智能体能力。相关报道见 NVIDIA 开源 Nemotron 3.5 Super VL:120B MoE 多模态智能体模型,每 token 仅激活 12B 与 NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL,120B 参数 MoE 架构。
部署门槛是该模型讨论度最高的部分。有用户实测其量化版本可以运行在 64GB 内存的 Mac 上,NVIDIA Nemotron 3.5 Super VL 120B 量化版可跑在 64GB Mac 上。同时 Cline 已将其接入为免费模型,NVIDIA Nemotron 3.5 Super VL 免费登陆 Cline,120B 参数视觉模型,并纳入 5 款免费模型之列,与 Nemotron 3.5 文本版、Poolside Laguna S 2.1 等一同开放,见 Cline 接入 5 款免费模型:Nemotron 3.5、Poolside Laguna S 2.1 等。
当前焦点与观察点
一是规模竞赛与生态背景。同一周内美国开源权重模型连发三款——Nemotron 3.5、Muse Spark Open 与 Beam 1.0(美国开源权重模型一周连发三款),120B 正是这轮开源潮中的代表性规格。
二是能力边界的争议。一项 arXiv 研究测试了工具调用故障场景,发现 120B 模型的容错表现并不优于 20B 模型(MCP-Injector研究:工具故障下120B模型容错并不优于20B),提示参数规模并不必然带来智能体鲁棒性的提升。
综合来看,120B 档位当前的核心观察点在于:MoE 稀疏激活能否让大参数模型真正下沉到本地设备,以及规模优势在智能体实际任务中是否成立。