快速阅读: 据彭博社报道，英伟达发布Nemotron 3开源大模型系列，包含Nano、Super和Ultra三个版本，参数最高达5000亿，旨在降低企业AI部署成本并提升精度；其中Nano版已上线Hugging Face，上下文窗口扩展至100万token，性能超越GPT-OSS。
英伟达近日发布其开源大语言模型Nemotron系列的第三代产品，旨在提升生成式人工智能在企业应用中的准确性与成本效率。新推出的Nemotron 3家族包含三个版本：Nano（300亿参数）、Super（1000亿参数）和Ultra（5000亿参数），显著扩展了模型规模与性能。
其中，Nano版本已上线HuggingFace平台，上下文窗口扩大至100万token，为前代产品的七倍，每秒处理速度提升四倍。英伟达表示，该系列模型聚焦解决企业在部署生成式AI时面临的高计算成本与预测精度问题。公司生成式AI软件副总裁卡里·布里斯基指出，Nemotron 3致力于实现开放性、效率与智能的统一。
Super版本预计2026年1月推出，Ultra版本将于同年3月至4月发布。布里斯基强调，英伟达今年在HuggingFace上的开源贡献和代码库数量居行业首位，正积极争取在开源AI领域的领导地位。
与此同时，Meta Platforms近期在开源AI领域的影响力有所减弱。自2023年2月推出Llama模型以来，其一度成为开发者关注焦点，但2025年4月发布的Llama 4反响平平，并引发开发方式争议。目前，Llama系列已跌出LMSYS LMArena排行榜前100名，被谷歌Gemini、xAI的Grok、Anthropic的Claude、OpenAI的GPT-5.2以及DeepSeek、阿里云Qwen、Moonshot AI的Kimi K2等模型超越。
第三方机构Artificial Analysis的排名数据与Menlo Ventures最新《生成式AI现状》报告均显示，企业对开源模型的采用率从2024年的19%降至当前的11%，部分归因于Llama缺乏重大更新。此外，据彭博社报道，Meta内部正推进代号“Avocado”的新项目，可能以闭源形式发布，标志着其长期倡导的开源战略或将发生重大转向。
近日，针对有关开源人工智能发展面临挑战的说法，英伟达高级管理人员布里斯基表示，尽管部分模型热度有所下降，但整体开源生态依然活跃。她指出，阿里巴巴的Qwen系列模型和深度求索（DeepSeek）等开源模型在企业中广泛应用，许多公司正基于这些模型进行微调和部署。
当前，企业应用人工智能主要面临三大挑战。首先是成本优化。布里斯基强调，单一模型难以支撑完整的AI应用，企业普遍采用前沿闭源模型与开源模型相结合的方式，通过智能路由选择最合适的模型，以平衡性能与成本。其次是模型专业化需求。不同行业如网络安全、电子设计自动化和医疗健康等，对AI能力要求各异。前沿模型虽具备通用能力，但出于数据安全考虑，企业更倾向于在本地部署开源模型，并由领域专家完成“最后一公里”的定制化适配。
第三大挑战是推理成本激增。随着用户提出的问题日益复杂，单次查询所调用的大模型次数显著上升。布里斯基透露，一年前每次查询平均调用约10次大模型，今年初增至50次，目前已达100次，导致文本、图像等输出令牌的生成成本快速攀升。
为应对上述问题，英伟达推出Nemotron 3系列模型，采用新型“潜在混合专家”（Latent Mixture of Experts）架构。该技术通过压缩模型权重存储内存，在保持低延迟和高带宽的同时，显著提升计算效率。据称，其Nano版本在输出准确性和每秒生成令牌数方面已超越OpenAI的GPT-OSS模型。
此外，英伟达同步开源了用于预训练、后训练及强化学习的数万亿令牌训练数据，并在HuggingFace平台发布完整源代码及专门用于智能体安全评估的数据集，旨在提升企业对模型透明度的信任。
近日，有关人工智能模型开源透明度的讨论引发业界关注。据知情人士透露，Meta公司在其Llama系列大模型开发过程中未公开训练数据集，仅发布了模型权重。在去年与英伟达合作将Llama 3.1模型通过“蒸馏”技术转化为更小规模的Nemotron模型时，Meta亦未向后者提供任何训练数据支持。相关人士表示，即便作为紧密合作伙伴，英伟达也未能获得用于模型优化的关键数据，不得不自行探索技术路径。
当前，开源人工智能模型的透明度正面临挑战。麻省理工学院研究人员近期对HuggingFace平台上的代码仓库开展广泛调研，发现真正符合开源标准的模型数量呈下降趋势，主要表现为模型训练数据的可用性与披露程度显著降低。研究指出，根据开放源代码促进会的定义，真正的开源AI模型不仅需开放权重，还应提供足够详细的训练数据信息；缺乏后者，仅能称为“开放权重”模型，而非完整意义上的“开源”。
英伟达与Meta在AI战略上存在明显差异。Meta正投入数百亿美元建设AI数据中心，亟需通过AI业务展现盈利能力以稳定投资者信心。而作为全球市值最高的企业，英伟达则致力于维系开发者对其芯片平台的依赖，该平台构成其主要收入来源。Meta首席执行官扎克伯格近期表示，公司正推进Llama 4的后训练优化，并已成立超级智能实验室（MSL），旨在开发具备前沿能力的新一代模型。与此同时，英伟达方面强调，大语言模型和生成式AI将成为未来软件开发的核心平台，并承诺长期提供技术支持。
(以上内容均由Ai生成)
引用自：ZDNet科技媒体
