英偉達近日宣布了一項重大進展，推出了其全新的推理模型套件——OpenReasoning-Nemotron。這一套件內嵌了四個精心構建的模型，它們均基于Qwen-2.5進行微調，參數規模覆蓋1.5B至32B不等，源頭直指擁有6710億參數的龐然大物——DeepSeek R1 0528大模型。通過“蒸餾”技術，英偉達成功實現了大模型的輕量化，使得這些推理模型能夠在標準游戲電腦上流暢運行，極大地降低了部署門檻，繞開了高昂的GPU與云計算成本。
OpenReasoning-Nemotron的核心競爭力并不在于訓練技術的突破性創新，而是源于其背后強大的數據支撐。英偉達利用NeMo Skills精心打造了500萬個涵蓋數學、科學與編程領域的解答數據集，通過純監督學習的方式對模型進行微調。經過嚴格測試，32B模型在數學競賽AIME24中斬獲89.2分，在HMMT 2月賽中亦獲得73.8分，即便是參數最少的1.5B模型，也分別取得了55.5分和31.5分的佳績，充分展現了其卓越的推理與解題能力。
英偉達將OpenReasoning-Nemotron定位為科研探索的強大助力，四個模型的完整檢查點將在Hugging Face平臺開放下載，為研究人員提供了強化學習等進一步實驗的堅實基礎，同時也便于他們針對特定任務進行定制優化。該模型還支持“GenSelect模式”，即針對每個問題生成多種解答版本，通過篩選最優解來進一步提升準確率。在這一模式下，32B模型在多項數學與編程基準測試中，表現甚至超越了OpenAI的o3-high水平。
尤為英偉達在訓練這些模型時，全程未引入強化學習，僅采用監督微調的方式，為社區提供了一個干凈且技術前沿的起點，為未來的強化學習相關研究開辟了廣闊空間。對于擁有高性能游戲GPU的玩家及個人開發者而言，這套模型無疑是一個巨大的福音，使他們能夠在本地運行接近業界最先進水平的推理模型，極大地推動了推理技術的發展與普及。
