英伟达近日宣布了一项重大进展，推出了其全新的推理模型套件——OpenReasoning-Nemotron。这一套件内嵌了四个精心构建的模型，它们均基于Qwen-2.5进行微调，参数规模覆盖1.5B至32B不等，源头直指拥有6710亿参数的庞然大物——DeepSeek R1 0528大模型。通过“蒸馏”技术，英伟达成功实现了大模型的轻量化，使得这些推理模型能够在标准游戏电脑上流畅运行，极大地降低了部署门槛，绕开了高昂的GPU与云计算成本。
OpenReasoning-Nemotron的核心竞争力并不在于训练技术的突破性创新，而是源于其背后强大的数据支撑。英伟达利用NeMo Skills精心打造了500万个涵盖数学、科学与编程领域的解答数据集，通过纯监督学习的方式对模型进行微调。经过严格测试，32B模型在数学竞赛AIME24中斩获89.2分，在HMMT 2月赛中亦获得73.8分，即便是参数最少的1.5B模型，也分别取得了55.5分和31.5分的佳绩，充分展现了其卓越的推理与解题能力。
英伟达将OpenReasoning-Nemotron定位为科研探索的强大助力，四个模型的完整检查点将在Hugging Face平台开放下载，为研究人员提供了强化学习等进一步实验的坚实基础，同时也便于他们针对特定任务进行定制优化。该模型还支持“GenSelect模式”，即针对每个问题生成多种解答版本，通过筛选最优解来进一步提升准确率。在这一模式下，32B模型在多项数学与编程基准测试中，表现甚至超越了OpenAI的o3-high水平。
尤为英伟达在训练这些模型时，全程未引入强化学习，仅采用监督微调的方式，为社区提供了一个干净且技术前沿的起点，为未来的强化学习相关研究开辟了广阔空间。对于拥有高性能游戏GPU的玩家及个人开发者而言，这套模型无疑是一个巨大的福音，使他们能够在本地运行接近业界最先进水平的推理模型，极大地推动了推理技术的发展与普及。
