AI 智能體現(xiàn)在已經(jīng)能夠解決多步驟問題、編寫生產(chǎn)級代碼并在多個領域擔任通用助手。但要充分發(fā)揮其潛力，還需要在控制成本的前提下加入先進的邏輯推理模型。

NVIDIA Nemotron系列在生態(tài)系統(tǒng)中強大的開放模型基礎上，通過使用 NVIDIA 開源合成數(shù)據(jù)集、先進的技術以及工具，進一步提升了模型的準確性、效率和透明度。使得創(chuàng)建實用、適配、高性能的 AI 智能體成為了可能。

該系列最新發(fā)布的 Llama Nemotron Super 48B v1.5 版本在保持高吞吐量和計算效率的情況下，顯著提升了在數(shù)學、科學、編碼、函數(shù)調用、指令跟隨、對話等核心邏輯推理與代理任務中的性能。

該模型現(xiàn)已位居 Artificial Analysis Intelligence Index 排行榜榜首。

本文將詳細介紹這一最新 NVIDIA Nemotron 模型的準確性與推理性能、訓練方法、數(shù)據(jù)透明度、架構優(yōu)化及部署選項。

Llama Nemotron Super v1.5

領跑 Artificial Analysis 排行榜

新模型采用與原 Llama Nemotron Ultra v1 相同的方法構建而成，但使用了更多高質量的邏輯推理數(shù)據(jù)來進一步進行優(yōu)化和訓練后微調。

該模型憑借在多項邏輯推理和代理任務中展現(xiàn)出的領先性能，問鼎 Artificial Analysis Intelligence Index 排行榜。排行榜匯集 MMLU-Pro、GPQA Diamond、Humanity’s Last Exam、LiveCodeBench、SciCode、AIME 和 MATH-500 等基準測試的準確率數(shù)據(jù)。

圖 1. Artificial Analysis Intelligence Index 排行榜

根據(jù)第三方在一系列行業(yè)標準邏輯推理及指令和函數(shù)調用任務基準測試中的評估，Llama Nemotron Super v1.5 在高等數(shù)學、編碼、邏輯推理和對話指標上的表現(xiàn)優(yōu)于其他開放模型，使其穩(wěn)居 700 億參數(shù)級模型榜首。

圖 2. Llama Nemotron Super v1.5 為邏輯推理和代理任務提供更高的準確性

除了在邏輯推理和代理能力上領先外，該模型還使用能夠提高吞吐量性能 (Neural Architecture Search, 神經(jīng)架構搜索) 的后訓練方法，大幅提升了吞吐量。

圖 3. Llama Nemotron Super v1.5 為代理任務提供更高的準確性和吞吐量，降低了推理成本

最終得到了一個適合在單個 NVIDIA Hopper 架構 GPU 上運行的高性能模型，使開發(fā)者能夠開發(fā)出更加有效和高效的代理系統(tǒng)。

專為邏輯推理和代理工作負載開發(fā)

Llama Nemotron Super v1.5 使用多項 NVIDIA 核心技術開發(fā)而成：

Llama Nemotron 后訓練開源數(shù)據(jù)集

該數(shù)據(jù)集完全通過合成數(shù)據(jù)生成技術創(chuàng)建而成，其使用了 Qwen3 235B 和 DeepSeek R1 671B 0528 等先進的邏輯推理模型。它使團隊能夠生成超過 2,600 萬行高質量的函數(shù)調用、指令跟隨、邏輯推理、對話、數(shù)學和代碼數(shù)據(jù)。

發(fā)布該數(shù)據(jù)集使我們能公開透明地展示模型訓練的具體內容，讓開發(fā)者和企業(yè)更加放心地選擇 Llama Nemotron Super v1.5 作為其代理系統(tǒng)的引擎。

除了公開透明外，發(fā)布該數(shù)據(jù)集還使開發(fā)者在自行開發(fā)模型時無需投入大量的時間和精力去生成高質量數(shù)據(jù)集，降低了開發(fā)新型高性能模型的門檻。

該數(shù)據(jù)集即將在 Hugging Face 上發(fā)布，可通過數(shù)據(jù)集卡片獲得更詳細的信息。

后訓練流程

如此前文章所述，后訓練流程如下：

圖 4. Llama Nemotron Super v1.5 后訓練流程

團隊利用強化學習將該模型性能提高到極限，以此實現(xiàn)了上述邏輯推理能力。該模型經(jīng)過了多道后訓練流程，所有流程均針對需要提升的能力定制，包括監(jiān)督式微調 (SFT) 以及：

獎勵感知偏好優(yōu)化 (RPO)：使用 NVIDIA 先進的獎勵模型提升對話能力

直接偏好優(yōu)化 (DPO)：用于提升工具調用的能力

可驗證獎勵強化學習 (RLVR)：用于提升指令執(zhí)行、數(shù)學、科學等能力

這套全面的后訓練流程確保模型的每項能力都得到了訓練，將邏輯推理準確性推向了新高度。

團隊還使用了NeMo Skills評估和驗證模型檢查點，加快了迭代速度和研究周期，并實現(xiàn)可復現(xiàn)性。

以 NIM 形式提供Llama Nemotron Super v1.5

Llama Nemotron Super v1.5 很快將作為NVIDIA NIM提供，以便快速、可靠地將其部署到首選的 NVIDIA 加速基礎設施上。用戶只需使用幾行簡單命令就能完成部署，并且能夠直接集成兼容 OpenAI API 的私有端點，以提升 AI 智能體和邏輯推理應用的性能。此外，Llama Nemotron Super 的強大推理性能可根據(jù)需求自動擴展。

開始使用

Llama Nemotron Super v1.5

Llama Nemotron Super v1.5 模型在保持計算效率的同時，還提供強大的邏輯推理能力。它能夠驅動從個人開發(fā)者到大型企業(yè)的各類代理應用。

現(xiàn)可先在 NVIDIA 官網(wǎng)上試用模型。如要對模型進行測試，可通過 Hugging Face 下載檢查點，或按照模型卡片通過所提供的指令運行模型。