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

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%

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"
      }
    }
  }
}

HuggingFace 模型页（含完整部署指南）：https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4

说完好的，说说现实问题：

GPU 门槛还是高。B200-80GB 不是消费级显卡，你的 4090 跑不了，或许可以等等Unsloth对极致量化版。DGX Spark 是 NVIDIA 推的桌面方案，但价格也不便宜。对大多数个人开发者来说，API 调用更现实。

Benchmark ≠ 实战。PinchBench 85.6% 很好看，但实际项目中的复杂度、特定语言框架支持、长时间多轮对话的稳定性，都得实测才知道。

开源 Agent 模型的格局正在变

Qwen 3.5-122B-A10B 也值得关注——同样是 MoE 架构，122B 总参数 / 10B 激活，和 Nemotron 思路非常接近。两家不约而同选了 100B+ 总参数、10B 级别激活的 MoE 路线，这不是巧合。

MoE + 混合架构正在成为开源 Agent 模型的主流技术路线。用小激活量撬动大参数量，在效率和能力之间找到一个甜点。

制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个，谢谢你看我的文章，我们下篇再见！