Nemotron 3 Ultra by NVIDIA NVIDIA 推出的 Nemotron 3 Ultra 是一款专为长时间运行智能体设计的 550B MoE 模型，推理速度提升 5 倍，成本降低 30%，适用于复杂编码和深度研究。 热门评论 PH 用户NVIDIA 刚发布了 Nemotron 3 Ultra，一个 550B 的开源前沿模型，专为长时间运行的 AI 智能体打造。大多数前沿推理模型都针对单轮准确率做了优化。但智能体任务不同：智能体会规划、调用工具、委派给子智能体、处理失败、并在多轮对话中把历史信息传回模型。随着会话变长，token 成本叠加，模型也开始丢失上下文。Nemotron 3 Ultra 通过混合 Mamba-Transformer 架构解决了这个问题，能在长上下文序列中保持召回能力；同时采用 NVFP4 量化，在 Blackwell 上相比 BF16 每 GPU 吞吐量提升了 5 倍。发布内容如下：总参数量 550B，通过 LatentMoE 激活 55B 活跃参数——这样你获得前沿推理能力，但不必每生成一个 token 都激活整个模型；原生支持高达 1M token 的上下文窗口，能处理大型代码库、长工具调用链和多文档合成；多 token 预测层缩短了长输出和多轮工作流的生成时间；针对 OpenClaw、Hermes Agent 和 LangChain Deep Agents 进行了后训练，在智能体测试集（而非单纯聊天基准）上表现准确；采用多教师同策略蒸馏，从 10 多个领域特定教师模型（覆盖代码、数学和工具使用）获取密集反馈进行训练；全部开放权重、合成训练数据及后训练配方，采用 OpenMDW-1.1 许可发布。P.S. 我追踪科技、SaaS 和 AI 领域的最新重磅发布，关注获取通知 → @rohanrecommendsPH 用户550B 参数（55B 活跃）、1M 上下文、300 tok/秒。应该是目前美国最强的开源权重模型了——而且目前在 @Kilo Code 上免费可用。哎哟，挺狠的。PH 用户重磅发布。我感兴趣的不是“更大的上下文窗口”这个噱头，而是它对实际智能体运行的意义——智能体大部分工作在于规划、工具调用、回溯以及跨时间保持状态。我很好奇你们看到人们是如何将 Nemotron 3 Ultra 与检索或外部记忆结合使用的。在 1M 上下文窗口下，这一层是否变得不那么重要了？或者只是把决策点转移到了“哪些该留在记忆里，哪些直接传入运行”上？PH 用户很多前沿模型在原始推理能力上不断提升，但上下文管理仍然是个独立的瓶颈。你们观察到的结果是，长周期智能体工作负载更多受益于模型本身的改进，还是受益于更好的检索和记忆外围层？ 热门产品Rohan Chaubey2026-06-05原文 打开互动版
大多数前沿推理模型都针对单轮准确率做了优化。但智能体任务不同：智能体会规划、调用工具、委派给子智能体、处理失败、并在多轮对话中把历史信息传回模型。随着会话变长，token 成本叠加，模型也开始丢失上下文。
Nemotron 3 Ultra 通过混合 Mamba-Transformer 架构解决了这个问题，能在长上下文序列中保持召回能力；同时采用 NVFP4 量化，在 Blackwell 上相比 BF16 每 GPU 吞吐量提升了 5 倍。
发布内容如下：总参数量 550B，通过 LatentMoE 激活 55B 活跃参数——这样你获得前沿推理能力，但不必每生成一个 token 都激活整个模型；原生支持高达 1M token 的上下文窗口，能处理大型代码库、长工具调用链和多文档合成；多 token 预测层缩短了长输出和多轮工作流的生成时间；针对 OpenClaw、Hermes Agent 和 LangChain Deep Agents 进行了后训练，在智能体测试集（而非单纯聊天基准）上表现准确；采用多教师同策略蒸馏，从 10 多个领域特定教师模型（覆盖代码、数学和工具使用）获取密集反馈进行训练；全部开放权重、合成训练数据及后训练配方，采用 OpenMDW-1.1 许可发布。
P.S. 我追踪科技、SaaS 和 AI 领域的最新重磅发布，关注获取通知 → @rohanrecommends
哎哟，挺狠的。
我很好奇你们看到人们是如何将 Nemotron 3 Ultra 与检索或外部记忆结合使用的。在 1M 上下文窗口下，这一层是否变得不那么重要了？或者只是把决策点转移到了“哪些该留在记忆里，哪些直接传入运行”上？
你们观察到的结果是，长周期智能体工作负载更多受益于模型本身的改进，还是受益于更好的检索和记忆外围层？