Nvidia开源Nemotron 3 Super：专为复杂Agent工作流设计的开放模型

Nvidia开源Nemotron 3 Super：为复杂Agent工作流而生的混合架构模型

发布概述

2026年3月11日，Nvidia正式发布Nemotron 3 Super，一款专为复杂多Agent应用设计的开源大语言模型。Nvidia以宽松许可证完全开放了模型权重、训练数据集和训练方案，标志着这家GPU巨头在开源AI领域的重大战略转向。

三合一混合架构的技术突破

最大技术亮点是三合一混合MoE架构，这是业界首次在生产级模型中成功集成三种不同的计算范式。Mamba层提供O(n)线性注意力，高效处理长上下文序列，解决了传统Transformer在超长文本上的二次方复杂度瓶颈；Transformer层保持复杂推理和精确信息检索能力，确保模型在关键推理步骤上不丢失精度；MoE路由在120B总参数中每次推理仅激活12B，以十分之一的计算成本获得120B级模型的综合能力。整体吞吐量比上一代提升超过5倍，这意味着相同硬件上可服务5倍以上的并发用户。

Agent原生训练策略

训练在10万亿精选Token上完成，大幅强化了推理和编程能力。关键创新在于Agent原生训练：模型在大量模拟Agent环境中进行交互式强化学习，不仅学会回答问题，还学会了规划任务分解、执行工具调用、处理执行失败、迭代多步工作流。这与传统的指令微调有本质区别——传统模型学的是问答对，Nemotron 3 Super学的是完整的任务执行循环。

目标应用场景

两大核心场景：软件开发Agent，覆盖代码理解、Bug定位、自动修复到测试生成的完整流程，在SWE-bench测试中表现突出；网络安全SOC自动化，安全事件自动分析分类和响应，将平均响应时间从小时级压缩到分钟级。此外模型在法律文档分析、金融研究报告生成等知识密集型Agent场景也展现了强竞争力。

行业意义与开源策略

多平台可用：Nvidia NIM、Hugging Face、OpenRouter、Perplexity。行业意义深远：MoE加SSM混合架构成为新设计范式，Agent原生模型作为独立品类正式出现。Nvidia的开源策略形成精巧的商业飞轮：模型免费开源推动开发者采用，开发者部署推动GPU和推理平台需求，GPU销售反哺研发投入。这是首个大规模验证Mamba加Transformer加MoE三合一架构的生产级模型，很可能定义下一代开源LLM的基准设计标准。

对开发者生态的影响

Nemotron 3 Super的开源不仅仅是代码和权重的发布，更重要的是完整训练方案的公开。这意味着其他研究机构和企业可以在此基础上进行定制化训练，针对特定领域（如医疗、法律、金融）构建专用Agent模型。Nvidia同时提供了详细的训练配方文档，包括数据配比、学习率调度策略、RL训练的奖励函数设计等。

MoE+SSM的技术趋势

从技术演进角度看，Nemotron 3 Super验证了一个重要假设：Mamba（SSM）和Transformer并非竞争关系，而是互补关系。Mamba在处理长序列时效率更高但在精确信息检索上有局限，Transformer在推理上更强但计算成本高。混合架构让模型能够根据任务特性动态选择最优计算路径，这种自适应能力正是Agent工作流所需要的。

商业模式创新

Nvidia的开源策略揭示了一种新的商业逻辑：模型本身不是利润中心，而是生态系统的入口。当开发者基于Nemotron 3 Super构建应用时，他们自然需要Nvidia的GPU进行推理，需要NIM平台进行部署优化，需要企业级支持服务。这种免费增值模式（freemium）已被证明在开发者生态中极为有效——Redis、Docker、Kubernetes都是先开源再商业化的成功案例。