英偉達發力了，新模型在 OpenClaw 成功率排行榜殺進前五，目前免費用

我之前的文章，測試 N 多開源模型，尤其是本地部署系列，評論區永遠有一個高頻問題：能不能接入 OpenClaw（小龍蝦）？

大多數其實都不行，理由也很簡單——模型能力不足是最核心、最致命的短板。Agent 的自動化、工具調用、多步驟任務執行能力，全都建立在大模型的基礎能力之上。模型不行，Agent 就是個花瓶。

打開 PinchBench 排行榜（）就知道了，排在前面的清一色是旗艦閉源模型。你用一個小模型跑 Agent，和用筷子喝湯差不多，工具不對。

最近英偉達有個開源模型 Nemotron-3-Super 殺進 PinchBench 前五

直接看排行榜：

**85.6% 的成功率超越了 Claude Opus 4.5（85.4%），只比 GPT-5.4 低了 0.4 個百分點。

最關鍵的一點：前五里面，它是唯一的開源模型。另外四個全是 Anthropic 和 OpenAI 的閉源旗艦，都是拿錢砸出來的。

而且，它這個數據還是被CREATIVE脫了后腿的，它沒有文生圖的能力

• 
  

  Basic、Calendar、Coding、File Ops都是100%

• Data Analysis到了98%

• Research是90%

• Comprehension是91%

• Organization是89%

• 但Creativity只有18%

• Memory甚至只有0%

• Context這一項也只有70%

這模型的強項非常像一個“干活型” Agent 大腦：寫腳本、改文件、跑流程、處理任務，確實強；但你要它靠長期上下文記憶、或者靠創意型表達去吃分，它就沒那么驚艷。

換句話說，它更像一個靠譜的工程經理加執行助手，不太像一個文藝青年。

PinchBench 測的是什么？

可能有同學不了解這個榜單。

簡單說，PinchBench 測的是模型驅動 AI Coding Agent 執行真實編碼任務的能力。不是做選擇題，不是寫作文，而是：

• 文件讀寫操作

• 代碼修改和重構

• 工具調用和 API 交互

• 多步驟復雜任務

• 出錯后的自我修復

這些恰恰是 OpenClaw 這類 AI Coding Agent 的核心能力。所以 PinchBench 的排名非常實在——它基本決定了模型驅動 Agent 的實際表現。

這也是為什么我之前一直說：與小龍蝦最搭配的大模型，大多都是旗艦模型。

這貨憑什么這么強？

先上硬參數：

指標

數值

總參數量

120B

激活參數量

僅 12B

架構

LatentMoE（Mamba-2 + MoE + Attention 混合）

上下文窗口

1M tokens

最低 GPU 需求

1× B200-80GB 或 1× DGX Spark

推理模式

支持推理開/關（enable_thinking=True/False）

量化精度

NVFP4（訓練即量化，不是后量化）

Nemotron 3 Super 120B A12B 不是“窮人版 Opus”，它更像是 NVIDIA 親自下場，給 Agent 賽道遞了一張旗艦級入場券。

架構設計有點東西

Nemotron-3-Super 不是傳統的純 Transformer，而是一個三合一混合體：

Mamba-2（狀態空間模型）：擅長處理長序列，線性復雜度。這也是它能支持 1M 上下文的關鍵——傳統 Transformer 的注意力機制在超長序列上會被二次復雜度卡死。

MoE（混合專家）：120B 參數里每次只激活 12B。用的是 LatentMoE，先把 token 投射到更小的潛在維度做路由，精度更高、開銷更低。

Attention 層：在關鍵位置保留注意力機制，保證關鍵信息不丟。

三者配合，NVIDIA 管這叫 LatentMoE 架構。又快又準。

還有一個彩蛋：Multi-Token Prediction（MTP）。模型訓練時不只預測下一個 token，而是同時預測后面好幾個 token。推理的時候可以做 speculative decoding，生成速度直接起飛。

NVFP4 量化，幾乎零損失，畢竟就是英偉達獨創的

下面這張圖是官方的基準對比：

Nemotron-3-Super 基準精度對比圖

基準

BF16 原版

FP8

NVFP4

MMLU-Pro

HMMT Feb25（含工具）

GPQA（無工具）

LiveCodeBench v6

IFBench

Arena-Hard-V2

RULER-500 @128k

有意思吧？NVFP4 版本在 HMMT、GPQA、IFBench 上甚至反超了 BF16 原版。這不是傳統的"訓完再量化"，而是訓練的時候就在 FP4 精度下跑，模型天然適配低精度推理。

這才是真正的實用主義工程——精度不丟，顯存還省。

訓練方法論：這次是真開源

NVIDIA 這次把"開源"兩個字做到了實處：

• 預訓練數據：25T+ tokens，全部公開（Nemotron Pre-Training Datasets）

• 后訓練數據：SFT + RL 數據集，全部公開（Nemotron Post-Training v3）

• 訓練配方：完整訓練腳本在 GitHub 上

• 評估工具：NeMo Evaluator SDK，可以復現所有 benchmark 結果

• RL 環境：NeMo Gym，異步 GRPO 多環境強化學習

訓練三大階段：預訓練 → SFT（合成代碼、工具調用、指令跟隨等） → RL（數學、代碼、科學、工具使用等多環境 GRPO）。

怎么體驗？

方式一：NVIDIA API（最快上手）

直接去build.nvidia.com注冊，免費額度直接用。

在線對話體驗，零門檻。

方式二：OpenRouter 等第三方 API

很多 API 平臺已經上架了。但是要注意：PinchBench 上免費版nemotron-3-super-120b-a12b:free只拿了 75.0%，和付費版 85.6% 差了超過 10 個百分點。省錢和效果之間，得想清楚。

方式三：本地部署（硬核玩家）

支持 vLLM 和 SGLang，單卡 B200-80GB 即可運行：

# vLLM 部署
vllm serve $MODEL_CKPT \
  --async-scheduling \
  --served-model-name nvidia/nemotron-3-super \
  --dtype auto \
  --kv-cache-dtype fp8 \
  --tensor-parallel-size 1 \
  --trust-remote-code \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_coder \
  --reasoning-parser-plugin "./super_v3_reasoning_parser.py" \
  --reasoning-parser super_v3

推理參數官方建議：temperature=1.0，top_p=0.95，所有場景通用。

部署后暴露的是 OpenAI 兼容 API，可以直接接入 OpenCode 等終端 Agent：

{
  "model": "local/nvidia-nemotron-3-super",
  "provider": {
    "local": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "http://localhost:8000/v1",
        "apiKey": "EMPTY"
      }
    }
  }
}

HuggingFace 模型頁（含完整部署指南）：https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4

說完好的，說說現實問題：

GPU 門檻還是高。B200-80GB 不是消費級顯卡，你的 4090 跑不了，或許可以等等Unsloth對極致量化版。DGX Spark 是 NVIDIA 推的桌面方案，但價格也不便宜。對大多數個人開發者來說，API 調用更現實。

Benchmark ≠ 實戰。PinchBench 85.6% 很好看，但實際項目中的復雜度、特定語言框架支持、長時間多輪對話的穩定性，都得實測才知道。

開源 Agent 模型的格局正在變

Qwen 3.5-122B-A10B 也值得關注——同樣是 MoE 架構，122B 總參數 / 10B 激活，和 Nemotron 思路非常接近。兩家不約而同選了 100B+ 總參數、10B 級別激活的 MoE 路線，這不是巧合。

MoE + 混合架構正在成為開源 Agent 模型的主流技術路線。用小激活量撬動大參數量，在效率和能力之間找到一個甜點。

制作不易，如果這篇文章覺得對你有用，可否點個關注。給我個三連擊：點贊、轉發和在看。若可以再給我加個，謝謝你看我的文章，我們下篇再見！