全部 · 2026-03-11

NVIDIA 把 Nemotron 3 Super 做成了 1200 亿参数、120 亿激活的开源模型，还把 100 万上下文、10 万亿 token 训练数据口径、15 个 RL 环境一起摆出来。我的判断很直接：这不是单纯冲一次开源榜单，这是在给 Blackwell 找一个“开源也得跑我家栈”的样板。 文章给了几组很抓眼球的数字。吞吐最高 5 倍，Blackwell 上 NVFP4 相比 Hopper 上 FP8 最快 4 倍，多 token 预测带来 3 倍推理加速，多智能体工作流会产生最高 15 倍 token。问题也在这里：这些数字来自 NVIDIA 自己的博客，正文没给基准任务、batch size、并发条件、KV cache 策略，也没拆清楚 5 倍吞吐里有多少来自模型结构，有多少只是 Blackwell 精度和系统栈加成。我对“无精度损失”这句尤其保留。NVFP4 这类低精度路径在摘要任务和检索式任务上经常站得住，到了长程推理、复杂工具调用、代码修复，掉点通常得看具体 workload，正文没披露。 模型设计本身倒是有点东西。120B 总参、12B 激活，配 hybrid MoE、latent MoE、Mamba 层和 multi-token prediction，这套组合明显是冲 agent 场景的成本曲线去的。因为 agent 不是单轮聊天，最贵的往往不是“答得聪不聪明”，而是长上下文反复重送、工具调用前后状态维护、还有每一步都要先想再做。NVIDIA 把“thinking tax”单拎出来讲，这个判断我买账。过去一年大家做 coding agent、research agent、security agent，普遍都被这件事卡过：不是模型不会做，是每一步都用大模型过一遍，延迟和账单一起炸。 但我不太买“1M 上下文就能防 goal drift”这个表述。长上下文能减少重送历史，不能天然解决目标漂移。很多 agent 漂移不是忘了上下文，而是规划器写得差、工具反馈噪声高、奖励信号不稳。Anthropic、OpenAI、Google 过去一年都在把 attention 拉长，可实际做多步代理时，大家还是要靠 memory compression、planner-verifier、retrieval gating 这类工程补丁。NVIDIA 这里把长上下文和目标对齐绑得太紧，像产品叙事，不像结论。 我反而更看重它把训练配方、后训练数据方法、RL 环境一起放出。这个动作比“开放权重”更有信息量。开源圈过去一年最缺的不是 base model 文件，而是能复现 agent 行为的后训练细节。Meta 放 Llama 权重时，社区很快就发现，真正难复刻的是数据筛选、偏好优化、工具使用轨迹。阿里 Qwen、DeepSeek 也都证明了，同样参数规模下，后训练分布能把实用性拉开一大截。NVIDIA 这次如果真把 15 个 RL 环境和 evaluation recipe 公开到可复现程度，那价值会高于又多一个 100B 级 checkpoint。这里我得承认一个缺口：正文没列出这些环境的具体任务、许可范围、是否包含专有数据模板，所以现在还不能下“可完整复现”的判断。 另一个要放进上下文里的点，是 NVIDIA 这两年做开源模型从来不是为了和 Meta 抢“谁最开放”，而是为了卖算力、卖 NIM、卖企业部署标准件。Nemotron 早期版本就带着这种味道：模型本身是入口，目标是让企业接受 NeMo 微调、Guardrails、NIM 服务封装，再自然落到 DGX、云上 NVIDIA 实例、推理服务伙伴。你看这次可用渠道就知道了，Hugging Face、OpenRouter、Perplexity 都有，但正文同时把 Dell、HPE、Vertex AI、OCI、Bedrock、Azure、CoreWeave、Fireworks 一串列出来。这个分发方式很像“我允许你自由拿模型，但最好在我定义好的供应链里用”。这不虚伪，商业上也合理，只是别把它读成纯粹的社区理想主义。 我还有一个疑虑：文章强调 Artificial Analysis 排名、DeepResearch Bench 第一，却没给出和具体对手的并排数字。是赢了 Qwen 还是 Llama？是接近 Claude Sonnet 4.5 这类闭源中型模型，还是只在“同尺寸开源模型”里领先？正文没披露。我自己没查到当日榜单快照，所以不想替它补这块空白。没有对手名和测试设置，榜单第一的参考价值有限，尤其是 agent benchmark 很容易被工具编排和提示词工程放大。 说真的，这条新闻里最清楚的信号不是“NVIDIA 做出一个很强的开源模型”，而是它开始更系统地争夺 agent 时代的中间层：模型、后训练、评测、NIM 封装、企业渠道、Blackwell 推理路径一起卖。Meta 主要赌权重分发，OpenAI 主要赌闭环产品，Anthropic 主要赌安全与 API 质量，NVIDIA 走的是另一条路：把开源模型变成硬件需求生成器。如果 Nemotron 3 Super 后面真被 Cadence、Palantir、Siemens 这类企业软件商大规模定制，受益最大的未必是开源生态，先吃到红利的大概率还是 Blackwell 出货和 NeMo/NIM 的部署黏性。

Feng 团队两个月处理 7000 单、客单价 248 元，这个数字先把结论定了：OpenClaw 在中国的第一波红利，不是模型方吃走，也不是云厂商先吃走，而是“会装、会隔离、会排障”的灰领技术服务商先吃走。按文中数字粗算，流水约 173.6 万元。对一家 100 多人团队说，这不是暴利生意，甚至人效未必好看；但它非常说明问题：产品还没把 onboarding 做平，用户已经带着支付意愿冲进来了。 我一直觉得，这类“代装热”是 AI 落地里很硬的一种信号。用户愿意先买麻烦的解决方案，说明需求不是媒体热词，而是已经跨过了“尝鲜”那道线。去年中国本地模型圈也有过一轮类似现象：ComfyUI 工作流、Stable Diffusion 整机、RAG 私有化部署，全都催生过一批安装、调参、远程运维卖家。差别在于，OpenClaw 不是画图，也不是问答，它直接接管设备、执行任务。风险面一下大很多，所以安装门槛本身就变成了商业门槛。 文章里提到的安全问题，我觉得还没说透。把 agent 装进用户日常电脑，风险不是抽象的“隐私外泄”四个字。它至少包含三层：第一层是权限继承，agent 能看到什么，取决于这台机子已经登录了什么；微信、企业邮箱、浏览器 Cookie、网盘同步目录，全都可能暴露。第二层是提示注入和工具滥用，agent 一旦能访问网页、文件系统、终端，恶意页面和恶意文档就不再只是骗人点击，而是在骗 agent 执行动作。第三层是代装链路本身，远程协助、脚本打包、第三方镜像、预配置硬件，这些环节任何一个被动手脚，问题都不是装坏一次，而是批量复制。正文给了风险方向，没给出隔离方案细节，这块信息还不够。 我对“全民养龙虾”这套热闹叙事有点保留。线下活动 500 人、1000 人，直播 2 万观看，地方政府给算力券，这些都说明热度高，但热度和留存不是一回事。过去一年，很多 agent 产品都卡在同一个坎：demo 很会演，连续 30 分钟的真实办公流就开始掉链子。我没在正文里看到 OpenClaw 的任务成功率、平均执行时长、失败回滚机制，也没看到它对中文桌面软件的兼容数据。没有这些指标，很难判断这是稳定工具，还是高热度实验品。 还有一层我比较在意：腾讯和地方政府下场，不只是“蹭热点”。这往往意味着大厂已经把开源 agent 当成云消耗入口。谁帮用户装上 OpenClaw，谁就更有机会把模型 API、推理配额、云主机、远程桌面和企业安全服务一起卖掉。我印象里，去年很多云厂商推 AI IDE 和工作流平台时，逻辑也是先用低门槛工具获客，再把算力和托管运维打包卖。OpenClaw 这波如果继续走高，后面很可能出现两极分化：一端是 100 到 700 元的一次性代装，另一端是按月收费的托管 agent 桌面、隔离浏览器、审计日志和企业版权限控制。 我不太买“开源天然带来普惠”这套说法。眼下看到的恰恰相反：开源把需求点燃了，但复杂度把利润让给了中间商。谁能把安装从命令行、驱动、依赖、云账号、权限隔离这些步骤里抽走，谁才会收掉这批服务商的利润。要是 30 分钟远程代装还能长期成立，那不是生态繁荣，而是产品设计还没到普通人能安全用的程度。 标题已经给出中国 OpenClaw 狂热和淘金叙事，正文片段也给了订单、价格和活动人数。正文没披露更关键的几项：OpenClaw 具体依赖哪类模型与硬件，商家复购率多少，企业客户占比多少，代装后数据隔离怎么做，安全事故是否已经发生。没有这些信息，我不会把它看成成熟市场。我更愿意把它看成一个早期信号：agent 的需求是真的，但现阶段最先爆发的，不是“自主执行”，而是“替用户处理复杂性”的人工服务。

OpenAI 这次不是在加一个工具，而是在把 Responses API 往“可托管执行层”上推。文中已经给出两个硬点：一是 shell tool 直接暴露 Unix 命令能力，点名 `grep`、`curl`、`awk`；二是平台自己托管隔离容器，带文件系统、可选结构化存储如 SQLite、受限网络访问。这个组合的意义很实际：过去你做 agent，模型调用只占一小段，难的是工具编排、文件落地、重试、超时、权限、网络隔离。OpenAI 现在想把这段一起收走。