7 月 20 日消息，英伟达今日推出了全新推理模型套件 OpenReasoning-Nemotron。该套件包含四个基于 Qwen-2.5 微调的模型，参数规模分别为 1.5B、7B、14B 和 32B，全部源自 6710 亿参数的 DeepSeek R1 0528 大模型。通过“蒸馏”这一过程，英伟达成功将这一超大规模模型压缩成更轻量的推理模型，降低了部署门槛，使得即使在标准游戏电脑上也能进行高级推理实验，避免了高昂的 GPU 与云计算成本。
据了解，英伟达此次模型的核心优势并非在于训练手段的复杂创新，而是依托强大的数据支撑。公司利用 NeMo Skills 生成了 500 万个涵盖数学、科学与编程的解答数据集，并通过纯监督学习方式对模型进行微调。经测试，32B 模型在 AIME24 数学竞赛中获得 89.2 分，在 HMMT 2 月赛中达到 73.8 分，甚至最小的 1.5B 模型也分别拿下 55.5 和 31.5 分，展现出良好的推理与解题能力。
英伟达将 OpenReasoning-Nemotron 定位为科研探索的有力工具，四个模型的完整检查点将在 Hugging Face 开放下载，便于研究人员基于此进行强化学习等进一步实验，或针对特定任务定制优化。同时，模型支持“GenSelect 模式”，即每个问题可生成多种解答版本，通过筛选最优解来提升准确率。在该模式下，32B 模型在多项数学与编程基准测试中已达到甚至超越 OpenAI o3-high 的表现。
值得一提的是，英伟达此次模型训练全程未引入强化学习，仅采用监督微调，为社区提供了干净且处于技术前沿的起点，便于未来开展强化学习相关研究。对于拥有高性能游戏 GPU 的玩家及个人开发者而言，这套模型让本地运行接近业界最先进水平的推理模型成为现实。
