一句话看懂：英伟达发布开放权重模型 Nemotron 3.5 Lightning，用不到同级模型四分之一的活跃参数，在智能基准上与 OpenAI 的 gpt-oss-120b 打平，同时跑出同类最快的推理速度——这是在算力成本压力下，大模型竞赛从“拼参数”转向“拼效率”的又一个信号。
事件核心：发生了什么
英伟达于 8 月 11 日发布了 Nemotron 3.5 系列的首个模型 Lightning。它延续了上一代 Nemotron 3 Nano 30B A3B 的混合 Mamba-Transformer 架构，总参数量为 316 亿，但每次推理仅激活 36 亿参数，属于典型的稀疏激活小模型。
据独立评测平台 Artificial Analysis 的数据，Lightning 在 Intelligence Index 上得分为 24，比上一代提升 9 分，与 OpenAI 的 gpt-oss-120b 持平，略低于英伟达自家、体量大四倍的 Nemotron 3 Super（26 分）。在同尺寸模型中，它仍落后于 Qwen3.6 35B A3B（32 分）和 Meta 的 Muse Glimmer（35 分）。
英伟达显然把差异化押在了速度上。用最终版 NVFP4 权重测试，Lightning 的吞吐量接近每秒 670 token，是 Google Gemini 3.5 Flash-Lite（386 token/s）的近两倍，完成一项智能基准任务仅约 0.5 分钟，而 Qwen3.6 35B A3B 需要约 3.5 分钟。更大的提升体现在 agent 能力上：其在 GDPval-AA v2 的 Elo 评分达 824，超过 gpt-oss-120b（800）和自家更大的 Nemotron 3 Super（698）；Terminal-Bench v2.1 得分也从 7% 跃升至 24.3%。
为什么重要
Lightning 是英伟达“效率优先”路线迄今最明确的产品级验证。去年英伟达研究员在一篇被广泛讨论的论文中提出，百亿参数以下的模型可以胜任多数 agent 工作负载，成本仅为 700 亿到 1750 亿参数模型的十分之一到三十分之一。Lightning 用 316 亿总参数、36 亿激活参数实现了接近更大模型的成绩，同时在 agent 基准上反超自家大模型，说明小模型与稀疏激活的组合并非单纯妥协，而是能在特定场景下形成差异化优势。
这也让英伟达在开放权重模型领域找到了自己的位置：不追求与 Qwen、Meta 争夺“最强小模型”称号，而是锚定高吞吐、低成本、适合 agent 流水线的实用场景。对开发者而言，更关键的变量是：当模型质量差距缩小到可接受范围，单次推理成本与每秒能处理的请求数，往往比榜单名次更影响落地决策。
对用户/开发者/创作者的影响
对开发者最直接的价值是成本和速度。近乎两倍于同级竞品的 token 吞吐，意味着在相同预算下能服务更多请求，或将延迟压得更低，这对 agent 类应用（如代码审查、自动化测试、多步工具调用）尤其友好。Lightning 在 agent 基准上的表现大幅超越上一代，说明英伟达针对这类工作负载做了专门的训练优化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
目前该模型已提供 BF16 和 NVFP4 两种权重，NVFP4 版本在智能基准上仍保持 24 分，说明低精度量化的质量损失控制得不错，这进一步降低了下游部署的硬件门槛。模型采用 OpenMDW-1.1 宽松许可，支持百万 token 上下文，并通过 DeepInfra、Fireworks、FriendliAI、CoreWeave、Nebius、Crusoe 等多家服务商提供 serverless 推理，开发者无需自建 GPU 集群即可快速接入。对于普通用户，短期内最大感知变化可能来自 API 定价下调，或在同样价格下获得更快的响应速度。
值得关注的后续
目前公开信息显示，Lightning 已开放权重和推理服务，但有几件事值得继续跟踪：一是社区实际使用中，NVFP4 版本在长上下文和复杂 agent 任务上的表现是否真如基准测试那样接近 BF16 版本；二是这一速度优势能否转化为商业上稳定的低价 API 供给，还是会因推理需求激增而出现排队或限流；三是 Qwen、Meta 是否会针对“效率竞争”调整自己的小模型策略，尤其是 Meta 的 Muse Glimmer 已在该尺寸区间占据智能领先位置。英伟达的路线能否跑通，最终还得看开发者是否愿意为速度放弃几个百分点的智能分数。
