Не установлено по доступным источникам.
NVIDIA · ТРЕКЕР МОДЕЛИ
Nemotron 3.5 Lightning
Nemotron 3.5 Lightning — модель с архитектурой Mixture-of-Experts (MoE) и общим объёмом 30 млрд параметров, из которых активируется 3 млрд параметров на токен. Отчётные результаты: 86% точности на PinchBench и выполнение задач на 30% быстрее по сравнению с сопоставимыми моделями. Модель доступна для интерактивной оценки на build.nvidia.com; веса расположены на Hugging Face, API-доступ возможен через OpenRouter. При тонкой настройке возможны проблемы с балансировкой маршрутизатора; квантизация по‑разному влияет на слои маршрутизации и рекуррентные проекционные слои.ТЕКУЩИЙ СНИМОК2/5 РАЗДЕЛОВ С ДАННЫМИ
Главные характеристики в одном месте.
Не установлено по доступным источникам.
Не установлено по доступным источникам.
Точность на PinchBench и скорость выполнения задачУказана точность 86% на PinchBench при одновременном выполнении задач на 30% быстрее, чем у сопоставимых моделей.
Доступность интерактивной оценкиДоступна для интерактивной оценки на build.nvidia.com.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
БЕНЧМАРКИ · Точность на PinchBench и скорость выполнения задачДАННЫЕ РАЗРАБОТЧИКА
Указана точность 86% на PinchBench при одновременном выполнении задач на 30% быстрее, чем у сопоставимых моделей.
ВОЗМОЖНОСТИ · Активация параметров в Mixture-of-ExpertsДАННЫЕ РАЗРАБОТЧИКА
Использует архитектуру Mixture-of-Experts, которая активирует 3 млрд из 30 млрд параметров на токен.
ВОЗМОЖНОСТИ · Пропускная способность по сравнению с плотными моделямиДАННЫЕ РАЗРАБОТЧИКА
При равном общем числе параметров обеспечивает большую пропускную способность по токенам, чем сопоставимые плотные модели (например, Gemma 4 31B), хотя преимущество по задержке уменьшается при высокой конкурентности.
ВОЗМОЖНОСТИ · Общее число параметровДАННЫЕ РАЗРАБОТЧИКА
Общий объём параметров указан как 30 млрд.
ДОСТУПНОСТЬ · Доступность интерактивной оценкиДАННЫЕ РАЗРАБОТЧИКА
Доступна для интерактивной оценки на build.nvidia.com.
ОГРАНИЧЕНИЯ · Ограничения при тонкой настройке и квантизацииДАННЫЕ РАЗРАБОТЧИКА
Тонкая настройка MoE-моделей требует осторожности, чтобы избежать дисбаланса маршрутизатора; квантизация по-разному влияет на слои маршрутизации и рекуррентные проекционные слои по сравнению с компонентами плотных моделей.
ЧТО ИЗМЕНИЛОСЬ