AI领域的"小模型"战略，正在悄然掀起一场技术革命。
继麻省理工系创业公司Liquid AI推出可嵌入智能手表的视觉模型，以及谷歌发布手机端小型AI后，英伟达也正式加入战局，推出全新轻量级语言模型Nemotron Nano v2。这款仅90亿参数的模型，在复杂推理任务中表现与阿里通义千问Qwen3-8B不相上下，部分指标甚至更优，推理速度更是最高提升6倍。
这并非偶然。英伟达此前发表的论文就明确提出"小模型才是智能体的未来"，如今他们正用实际行动践行这一理念。
更令人瞩目的是，英伟达此次罕见地开源了模型训练所需的绝大部分数据，包括庞大的预训练语料库，展现出前所未有的开放态度。
20万亿token的数据量，为Nemotron Nano v2提供了坚实的训练基础。
性能媲美Qwen，速度六倍提升
官方测试显示，Nemotron Nano v2在多项复杂推理基准测试中，准确率与顶尖开源模型Qwen3-8B持平甚至超越，同时响应速度最高可达后者的6倍。这一突破使其在资源有限的边缘设备上展现出巨大潜力。
该模型由英伟达从零开始训练，旨在打造能同时胜任推理与非推理任务的"全能选手"。其核心特性包括：
- 支持"思考过程"显式输出：先生成完整推理链条，再给出最终结论
- 提供"思考预算控制"功能：可设定用于推理的token数量，平衡速度与质量
英伟达工程师Oleksii Kuchaiev透露："我们最初沿用Qwen3的方案，但发现模型仍会在后台'偷偷'推理。通过针对性训练截断思维链，最终解决了这个问题。"
全面开源，细节透明
实测数据显示，Nemotron Nano v2表现亮眼：
- 推理模式下：AIME25得分72.1%，MATH500高达97.8%
- 指令遵循任务：IFEval得分90.3%
- 长上下文任务：RULER 128K测试达78.9%
训练流程分为三个阶段：
- 预训练：FP8精度，20万亿token，支持128k长上下文
- 后训练：采用SFT、GRPO等技术优化，引入5%截断推理数据
- 压缩：通过剪枝与蒸馏，可在单张NVIDIA A10G GPU上高效运行
英伟达还开源了两个关键基础版本，为研究者提供了宝贵的中间态资源。
揭秘66万亿token数据宝库
本次开源的Nemotron-Pre-Training-Dataset-v1数据集总量达66万亿token，包含：
- 升级版网络数据：支持15种语言问答
- 数学专用数据：1330亿token，LaTeX格式
- 精选代码数据：覆盖11种编程语言
- 高质量指令数据：整合STEM、学术等多领域
这些数据规模之大，展现了AI模型对知识的惊人需求。
开放战略的深远影响
与部分科技巨头收紧闭源策略形成鲜明对比，英伟达近期开源动作频繁且彻底。从Llama Nemotron Super v1.5到本次的Nemotron Nano v2，都彰显其开放共赢的战略意图。
这种选择将为AI产业带来怎样的影响？让我们拭目以待。
论文：
https://research.nvidia.com/labs/adlr/files/NVIDIA-Nemotron-Nano-2-Technical-Report.pdf
模型：
https://huggingface.co/collections/nvidia/nvidia-nemotron-689f6d6e6ead8e77dd641615
试用：
https://build.nvidia.com/nvidia/nvidia-nemotron-nano-9b-v2
