# 英伟达开源 Nemotron 3 Super：120B 模型只激活 12B 参数，跑 agent 任务吞吐量翻五倍

> 原标题：New NVIDIA Nemotron 3 Super Delivers 5x Higher Throughput for Agentic AI

- 来源：NVIDIA 博客
- 发布时间：2026-03-11T16:00:21.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/3414
- 原文：https://blogs.nvidia.com/blog/nemotron-3-super-agentic-ai/

## 摘要

英伟达发了 Nemotron 3 Super，一个总参数量 120B、但每次推理只激活 12B 参数的混合专家模型。它用了混合 MoE、隐式 MoE 和一次预测多个 token 的技术，上下文窗口拉到 100 万 token。官方说在跑 agent 这类多步骤任务时，吞吐量比之前方案高 5 倍；如果搭配 Blackwell 的 NVFP4 精度，推理速...

## 推荐理由

这是一条扎实的模型发布消息，H、K、R 三点都踩中了。H 靠 5 倍吞吐这个具体承诺抓眼球；K 把参数量、激活量、上下文长度、训练规模和硬件对比都列清楚了，信息密度高；R 在于开放权重和配方，不是只给个模型让你猜。没给更高分是因为关键性能数据都来自 NVIDIA 自家博客，还没看到第三方验证，这点先别太激动。

## 锐评

英伟达这次发的 Nemotron 3 Super，核心思路是用混合专家模型（MoE）把总参数堆到120B，但每次推理只激活12B参数，相当于用大模型的脑容量、小模型的计算量来干活。官方说跑 agent 这类多步骤任务时，吞吐量比之前方案高5倍，搭配 Blackwell 的 NVFP4 精度还能再快4倍。训练数据量超过10万亿 token，上下文窗口拉到100万 token，还开源了权重、训练配方和强化学习环境，方便别人复现和微调。

不过这篇博客是产品发布稿，不是技术论文。5倍吞吐量具体测的是什么任务、跟哪个方案比、在什么硬件条件下测的，正文都没说清楚。10万亿 token 的训练数据也没披露来源和配比，模型在非英伟达生态里的表现还是个问号。开源是好事，但实际效果得等第三方跑分和业务场景验证。