大模型这几年有个默认玩法：参数越大越强，越大越贵。
英伟达前两天发了个新模型，有点反着来。
Nemotron 3.5 Super VL，总参数 1200 亿，每次只激活 120 亿。IT之家 10 月 15 日报道。
同一个模型，总参数和激活参数差了十倍。这中间的账，值得算一算。
一、它把什么塞进了一个模型
按官方说法，这个模型面向的是「需要持续运行、执行多步骤任务的 AI 智能体」。
以前做智能体，常见做法是拼积木：一个模型管推理，一个管看图，一个管调工具，中间用代码串起来，串得多了，哪一环出错都得挨个查。Nemotron 3.5 Super VL 的做法，是把它们合到一个模型里，推理、指令遵循、工具调用，加上文本、图像、文档、视频的理解，都在同一个模型内完成，省掉了中间那层拼接。
官方举的场景挺具体：代码测试与调试、跨网站信息检索、文档分析、网络安全威胁识别、视频内容检索。
二、1200亿和120亿，不是笔误
这是整篇最该讲清楚的地方。
MoE，混合专家架构。你可以把它想成一个大团队，1200 亿参数是全部人手，但每处理一个任务，只叫醒其中 120 亿的那一小队。人没少招，但每次开会的只有一部分。这样既有大团队的储备，又不至于每次都全员出动、把成本烧光。
英伟达给的说法是：在单张 GPU 上执行智能体任务时，这个模型的吞吐量最高能达到同规模其他开放模型的 5 倍。
「同规模其他开放模型」具体指哪些、测试条件怎么设的，报道里没细说，我手上也没有完整评测报告，【暂无相关资料】。
这个 5 倍，先按厂商口径听。
三、几个企业案例，数字挺硬
官方公布了三家客户的落地情况。
Scale AI 给媒体娱乐公司 Skydance 定制了一个供应商信用处理智能体，官方预计，这块工作负载的推理成本降低 97.5%，延迟降低 80%。金融运营平台 Ramp，在做收据图像转结构化数据，把收据里的商户、日期、支付信息抽成 JSON，官方预计吞吐量最高提升 50%，延迟降低 90%。AI21 和一家 AI 安全公司 Alice 合作，用定制模型做威胁情报和漏洞分析，相关任务准确率提升 40%。
【个人看法】这几个数字是厂商自报的「预计」，不是第三方跑出来的成绩，也没写清楚是在什么硬件、什么并发下测的。参考可以，别直接拿来算自己的账。
四、端侧那个版本，更值得留意
同一天还发了两款 Bolt 端侧模型。
其中 Nemotron 3.5 Bolt 74B-A9B 24GB：740 亿总参数、90 亿激活，靠原生 2 位量化，把模型压到了 24GB，官方说它面向本地智能体任务，支持 llama.cpp、vLLM、Ollama、Unsloth、LM Studio 这些常见本地推理工具。另一款 Bolt E4B 4GB，面向本地语音助手、交互角色、嵌入式界面，计划 10 月 23 日推出。
24GB 这个数，懂行的会有感觉。
它意味着，一张消费级显卡，可能就装得下。
五、训练的账，也一起公开了
英伟达这次连训练配方都放了出来：基础模型、后训练模型、量化模型的权重，加上训练配方、数据集、强化学习环境。
规模方面，官方给的是：预训练和持续预训练加起来用了约 26 万亿词元，后训练用了约 380 万个样本，还在数十种环境里做了强化学习。开放的数据集覆盖智能体工具调用、金融推理、指令遵循、长上下文、公平性、视觉语言理解。
【个人看法】把配方和数据一起放出来，是这几家做开源模型的共同打法。
对开发者是好事。对后来者也是门槛，谁的生态转得快，谁的模型用的人才就多。
六、这事的分量在哪
这次发布最值得记的，不是 1200 亿这个数。
它说明了一件事：推理成本，正在慢慢取代参数规模，成为新的赛场。
至于效果到底怎么样，我手头只有厂商口径和二手报道，没实测过，【本人未实测】。
你会为了跑一个本地智能体，专门配台机器吗？
（本文素材来自 IT之家 2026 年 10 月 15 日公开报道，引用数据均为英伟达官方口径。）