英偉達發佈Nemotron 3系列，融合Mamba與Transformer架構，高效處理長上下文並降低資源消耗。該系列專爲自主執行復雜任務的AI代理系統設計，包含Nano、Super、Ultra三款型號。目前Nano已上市，Super和Ultra預計2026年上半年推出。
Nvidia近期收購開源工作負載管理系統Slurm的主要開發者SchedMD，並推出新一代開放AI模型Nemotron 3系列。此舉旨在推動開源技術發展，支持高性能計算和人工智能創新。Slurm自2002年推出以來，已成爲高性能計算和AI領域的重要工具。
英偉達加速構建AI生態，本週宣佈收購高性能計算調度系統Slurm開發商SchedMD，併發布開源大模型家族Nemotron 3，全面押注AI智能體與物理智能。Slurm作爲全球主流超算調度系統，將強化英偉達基礎設施層實力。
Nvidia發佈小型語言模型Nemotron-Nano-9B-v2，擁有9億參數，較原版12億大幅縮減，旨在單臺A10GPU高效運行。該模型採用混合架構，適應實際部署需求，推動小型模型發展。
一款高效的推理與聊天大語言模型。
將Common Crawl轉化為精細的長期預訓練數據集
多模態語音大型語言模型
由NVIDIA定製的大型語言模型，提升查詢回答的幫助性。
nvidia
NVIDIA Nemotron Parse v1.1 TC 是一款先進的文檔語義理解模型，能夠從圖像中提取具有空間定位的文本和表格元素，生成結構化註釋，包括格式化文本、邊界框和語義類別。相比前一版本，速度提升20%，並保留無序元素的頁面順序。
NVIDIA Nemotron Parse v1.1 是一款先進的文檔解析模型，專門用於理解文檔語義並提取具有空間定位的文本和表格元素。它能夠將非結構化文檔轉換為機器可讀的結構化表示，克服了傳統OCR在處理複雜文檔佈局時的侷限性。
NVIDIA Nemotron Nano v2 12B VL是一款強大的多模態視覺語言模型，支持多圖像推理和視頻理解，具備文檔智能、視覺問答和摘要功能，可用於商業用途。
Llama Nemotron Reranking 1B是NVIDIA開發的專門用於文本檢索重排序的模型，基於Llama-3.2-1B架構微調，能夠為查詢-文檔對提供相關性對數得分，支持多語言和長文檔處理。
Llama Nemotron Embedding 1B模型是NVIDIA開發的專為多語言和跨語言文本問答檢索優化的嵌入模型，支持26種語言，能夠處理長達8192個標記的文檔，並可通過動態嵌入大小大幅減少數據存儲佔用。
Nemotron-Flash-3B 是英偉達推出的新型混合小型語言模型，專門針對實際應用中的低延遲需求設計。該模型在數學、編碼和常識推理等任務中展現出卓越性能，同時具備出色的小批量低延遲和大批量高吞吐量特性。
mlx-community
這是一個基於NVIDIA Nemotron架構的49B參數大語言模型，已轉換為MLX格式並進行了4位量化，專門為Apple Silicon芯片優化，提供高效的文本生成能力。
unsloth
NVIDIA Nemotron Nano 9B v2 是 NVIDIA 開發的一款高性能大語言模型，採用 Mamba2-Transformer 混合架構，支持多語言推理和聊天任務，在多個基準測試中表現優異，特別支持運行時'思考'預算控制功能。
Mungert
NVIDIA Nemotron Nano 12B v2是由NVIDIA開發的大語言模型，採用Mamba2-Transformer混合架構，具有120億參數。該模型支持多語言處理，在多個基準測試中表現出色，特別擅長推理任務，支持運行時推理預算控制。
cpatonn
NVIDIA Nemotron Nano 12B v2是由NVIDIA從頭訓練的大型語言模型，專為推理和非推理任務設計。採用混合Mamba2-Transformer架構，支持多語言，具備可控推理能力，可根據用戶需求生成推理過程或直接給出答案。
QuantFactory
這是 NVIDIA Nemotron Nano 12B v2 模型的 GGUF 量化版本，採用混合 Mamba-2 和 Transformer 架構，支持多語言推理和聊天功能，具有 120 億參數，支持長達 128K 的上下文長度。
bartowski
這是NVIDIA Nemotron-Nano-12B-v2模型的Llamacpp imatrix量化版本，提供多種量化選項，從BF16到極低比特率的IQ2量化，幫助用戶在不同硬件條件下高效運行該模型。
這是NVIDIA Nemotron-H-47B-Reasoning-128K模型的量化版本，使用llama.cpp的imatrix技術進行優化。該模型支持128K上下文長度，專為推理任務設計，提供了從BF16到極低比特率的多種量化選項，適合不同硬件配置和性能需求。
這是NVIDIA Nemotron-H-8B-Reasoning-128K模型的Llamacpp imatrix量化版本，提供多種量化類型的模型文件，以滿足不同硬件和性能需求。支持128K上下文長度，專為推理任務優化。
這是NVIDIA Nemotron-Nano-9B-v2模型的量化版本，使用llama.cpp b6317版本進行量化處理。該模型提供了多種量化選項，包括bf16、Q8_0、Q6_K_L等，適用於不同的硬件和使用場景，方便用戶部署和使用。
這是NVIDIA Nemotron Nano 9B v2模型的4位量化版本，專為Apple Silicon優化，使用MLX框架轉換。該模型是一個9B參數的大型語言模型，支持多語言文本生成任務。
NVIDIA Nemotron Nano 12B v2 是由 NVIDIA 從零開始訓練的大語言模型，專為推理和非推理任務設計。該模型採用混合架構，結合 Mamba-2 和注意力層，支持多語言處理，並可通過系統提示控制推理能力。
grimjim
Magnolia-v3-medis-remix-12B-GGUF是基於mergekit技術合併的12B參數量化模型，以Mistral Nemo為主要組件，融合了醫學微調作為噪聲組件，適用於文本生成任務，採用Apache-2.0許可證。
NVIDIA OpenReasoning - Nemotron - 32B的量化版本，通過llama.cpp進行量化處理，減少模型存儲和計算資源需求，便於部署。
lmstudio-community
這是英偉達OpenReasoning Nemotron 14B的量化版本，由bartowski基於llama.cpp提供GGUF量化。
%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)
