英伟达发布新一代开源大模型Nemotron 3 Super，专为AI智能体设计。该模型采用创新的Mamba-MoE混合架构，参数总量1200亿，激活参数仅120亿，推理效率大幅提升，速度暴增300%，同时保持卓越任务成功率，成为开源社区焦点。
Meta发布新一代自研AI芯片MTIA3，旨在减少对外部算力依赖。该芯片专为推荐系统和推理任务定制，在内部测试中，其推理效能已超越英伟达H100。
英伟达计划五年投资260亿美元研发开放权重AI模型，从硬件巨头转向深度参与AI核心模型研发，推动开源生态发展。
Meta计划在2027年底前部署四代自研AI芯片，以减少对英伟达等外部供应商的依赖，为AI业务提供定制化算力支持，以在全球AI竞赛中掌握主动权。
Bytedance
$0.8
Input tokens/M
$8
Output tokens/M
256
Context Length
Chatglm
$2
128
$0.5
-
Anthropic
$21
$105
200
Tencent
$4
28
Alibaba
131
$2.4
$9.6
32
Deepseek
8
$1
Openai
$84
$420
Moonshot
$32
262
Baidu
bartowski
这是英伟达Qwen3-Nemotron-32B-RLBFF大语言模型的GGUF量化版本，使用llama.cpp工具进行多种精度量化，提供从BF16到IQ2_XXS共20多种量化选项，适用于不同硬件配置和性能需求。
nvidia
Nemotron-Flash-3B 是英伟达推出的新型混合小型语言模型，专门针对实际应用中的低延迟需求设计。该模型在数学、编码和常识推理等任务中展现出卓越性能，同时具备出色的小批量低延迟和大批量高吞吐量特性。
lmstudio-community
这是英伟达OpenReasoning Nemotron 14B的量化版本，由bartowski基于llama.cpp提供GGUF量化。
这是英伟达OpenReasoning Nemotron 7B模型的GGUF量化版本，专门用于文本生成任务。该模型通过LM Studio社区模型亮点计划提供，支持高效的推理和部署。
英伟达推出的高性能7B参数语言模型，专注于数学和代码推理任务，支持128k上下文长度。
基于英伟达AceReason-Nemotron-7B的GGUF量化版本，专注于数学与代码推理，支持128k tokens长上下文
基于英伟达AceReason-Nemotron-14B的GGUF量化版本，专注于数学与代码推理任务，支持128k tokens长上下文
DevQuasar
Cosmos-Reason1-7B是英伟达发布的7B参数规模的基础模型，专注于图文转文本任务。
Nemotron-Flash-3B是英伟达开发的新型混合小型语言模型，专为低延迟应用设计，在数学、编码和常识推理等任务上表现出色，具有优异的性能和效率平衡。
由英伟达发布的4B参数规模大语言模型，支持128k tokens上下文长度，专为推理、对话及RAG等任务优化
Nemotron-H-56B-Base-8K是英伟达开发的大型语言模型，采用混合Mamba-Transformer架构，支持8K上下文长度和多语言文本生成。
英伟达Isaac GR00T N1是全球首个面向通用人形机器人推理与技能的开源基础模型，具有20亿参数规模。
基于英伟达AceInstruct-7B模型的量化版本，使用llama.cpp进行量化，支持多种量化类型，适用于代码、数学和通用领域任务。
AceMath-7B-Instruct是英伟达推出的专为数学推理设计的指导模型，基于改进版Qwen架构开发，擅长通过思维链(CoT)推理解决英文数学问题。
Raj-Maharajwala
基于英伟达Llama 3 - ChatQA的保险领域特定语言模型的GGUF量化版本，针对保险相关的查询和对话进行了微调。
英伟达定制的大型语言模型，旨在提升大语言模型生成回复对用户查询的有用性。
Nemotron-Mini-4B-Instruct是英伟达开发的专为角色扮演、检索增强生成和函数调用优化的响应生成模型，基于Minitron-4B-Base微调，支持4096个token的上下文长度。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
