英伟达发力了，新模型在 OpenClaw 成功率排行榜杀进前五，目前免费用|agent|nvidia|复杂度|英伟达|调用|阶跃星辰

我之前的文章，测试 N 多开源模型，尤其是本地部署系列，评论区永远有一个高频问题：能不能接入 OpenClaw（小龙虾）？

大多数其实都不行，理由也很简单——模型能力不足是最核心、最致命的短板。Agent 的自动化、工具调用、多步骤任务执行能力，全都建立在大模型的基础能力之上。模型不行，Agent 就是个花瓶。

打开 PinchBench 排行榜（）就知道了，排在前面的清一色是旗舰闭源模型。你用一个小模型跑 Agent，和用筷子喝汤差不多，工具不对。

最近英伟达有个开源模型 Nemotron-3-Super 杀进 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 个百分点。

最关键的一点：前五里面，它是唯一的开源模型。另外四个全是 Anthropic 和 OpenAI 的闭源旗舰，都是拿钱砸出来的。

而且，它这个数据还是被CREATIVE脱了后腿的，它没有文生图的能力

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这一项也只有70%

这模型的强项非常像一个“干活型” Agent 大脑：写脚本、改文件、跑流程、处理任务，确实强；但你要它靠长期上下文记忆、或者靠创意型表达去吃分，它就没那么惊艳。

换句话说，它更像一个靠谱的工程经理加执行助手，不太像一个文艺青年。

PinchBench 测的是什么？

可能有同学不了解这个榜单。

简单说，PinchBench 测的是模型驱动 AI Coding Agent 执行真实编码任务的能力。不是做选择题，不是写作文，而是：

文件读写操作
代码修改和重构
工具调用和 API 交互
多步骤复杂任务
出错后的自我修复

这些恰恰是 OpenClaw 这类 AI Coding Agent 的核心能力。所以 PinchBench 的排名非常实在——它基本决定了模型驱动 Agent 的实际表现。

这也是为什么我之前一直说：与小龙虾最搭配的大模型，大多都是旗舰模型。

这货凭什么这么强？

先上硬参数：

指标

数值

总参数量

120B

激活参数量

仅 12B

架构

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

支持推理开/关（enable_thinking=True/False）

量化精度

NVFP4（训练即量化，不是后量化）

Nemotron 3 Super 120B A12B 不是“穷人版 Opus”，它更像是 NVIDIA 亲自下场，给 Agent 赛道递了一张旗舰级入场券。

架构设计有点东西

Nemotron-3-Super 不是传统的纯 Transformer，而是一个三合一混合体：

Mamba-2（状态空间模型）：擅长处理长序列，线性复杂度。这也是它能支持 1M 上下文的关键——传统 Transformer 的注意力机制在超长序列上会被二次复杂度卡死。

MoE（混合专家）：120B 参数里每次只激活 12B。用的是 LatentMoE，先把 token 投射到更小的潜在维度做路由，精度更高、开销更低。

Attention 层：在关键位置保留注意力机制，保证关键信息不丢。

三者配合，NVIDIA 管这叫 LatentMoE 架构。又快又准。

还有一个彩蛋：Multi-Token Prediction（MTP）。模型训练时不只预测下一个 token，而是同时预测后面好几个 token。推理的时候可以做 speculative decoding，生成速度直接起飞。

NVFP4 量化，几乎零损失，毕竟就是英伟达独创的

下面这张图是官方的基准对比：

基准

BF16 原版

FP8

NVFP4

MMLU-Pro

HMMT Feb25（含工具）

GPQA（无工具）

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。这不是传统的"训完再量化"，而是训练的时候就在 FP4 精度下跑，模型天然适配低精度推理。

这才是真正的实用主义工程——精度不丢，显存还省。

训练方法论：这次是真开源

NVIDIA 这次把"开源"两个字做到了实处：

预训练数据：25T+ tokens，全部公开（Nemotron Pre-Training Datasets）
后训练数据：SFT + RL 数据集，全部公开（Nemotron Post-Training v3）
训练配方：完整训练脚本在 GitHub 上
评估工具：NeMo Evaluator SDK，可以复现所有 benchmark 结果
RL 环境：NeMo Gym，异步 GRPO 多环境强化学习

训练三大阶段：预训练 → SFT（合成代码、工具调用、指令跟随等） → RL（数学、代码、科学、工具使用等多环境 GRPO）。

怎么体验？

方式一：NVIDIA API（最快上手）

直接去build.nvidia.com注册，免费额度直接用。

在线对话体验，零门槛。

方式二：OpenRouter 等第三方 API

很多 API 平台已经上架了。但是要注意：PinchBench 上免费版nemotron-3-super-120b-a12b:free只拿了 75.0%，和付费版 85.6% 差了超过 10 个百分点。省钱和效果之间，得想清楚。

方式三：本地部署（硬核玩家）

支持 vLLM 和 SGLang，单卡 B200-80GB 即可运行：

# 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

推理参数官方建议：temperature=1.0，top_p=0.95，所有场景通用。

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

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