Prime Intellect Lab 上线 Nemotron 3 Ultra 后训练支持

在 Lab 上对 Nemotron 3 进行后训练

AI 已从模型转向智能体，这些智能体不再局限于解决单个问题，而是能够通过工具调用、子智能体委派以及长周期迭代来执行完整的广泛范围项目。

NVIDIA 的 Nemotron 系列正是为这一范式而构建。Nemotron 3 Ultra——一个拥有 550B 参数、55B 激活参数的混合专家模型——专为前沿推理与编排而打造，并配有用于语音的 Nemotron 3.5 ASR 和用于护栏的 Nemotron 3.5 Content Safety。Ultra 开箱即处于开放前沿水平：在 RULER@1M 上达到 95%，在 IFBench 上达到 82%，在 SWE-bench Verified 上达到 65–70.4%，并在 Pi、OpenHands、Hermes、OpenCode 和 Mini SWE Agent 上保持一致。

一个强大的开放模型只是智能体的起点。要让 Nemotron 3 Ultra 针对你的特定工作流和数据实现专业化，你需要一个可重复的后训练循环。定义任务、构建环境、运行强化学习（RL）、评估、部署、将生产轨迹反馈回来，然后重复。

NVIDIA 正是按照这一循环构建了 Ultra——它使用多教师同策略蒸馏（Multi-Teacher On-Policy Distillation）在 NVIDIA 开放的 NeMo RL 和 Gym 库中进行了后训练。Lab 让你能够进行自己的后训练——带上你的工作流、你的环境、你的轨迹，持续对 Nemotron 进行专业化。

团队已经在使用 Prime Intellect Lab 对开放模型进行后训练，使其在自己的工作流上超越闭源前沿系统，而现在同样的托管循环也已开放，可使用 Prime Intellect Hosted Training 对 Nemotron 进行后训练。

在 Prime Intellect Lab 上对 Nemotron 进行后训练的 Day-0 支持

NVIDIA Nemotron 3 Ultra 已在 Prime Intellect Lab（我们的托管后训练平台）上获得全面支持，并提供以下 Day-0 支持：

• 在 Blackwell B200/B300（以及可用的 NVL72）上进行托管 RL 训练，具备原生 vLLM 推理、NCCL 权重广播以及 Prime-RL 训练器。
• Environments Hub 中的 2,500+ 个开放 RL 环境，涵盖 SWE、智能体搜索、工具使用、数学、科学、网络安全、机器人仿真等，均封装在我们的 verifiers 框架中，并可在 Prime Sandbox 中运行。
• 在 Nemotron 所针对的基准上进行托管评估，包括 SWE-bench Verified、BrowseComp、τ²-Bench Telecom、Terminal-Bench Hard、IFBench、AA-LCR、GPQA Diamond、RULER-1M。你可以在数十个相关基准上评估 Nemotron 和你的训练运行。
• 通过 LoRA 和全权重适配器实现一键推理，经由 NVIDIA Dynamo 提供服务，以实现高效路由、自动扩缩容和 KV 卸载。
• 持续改进循环，利用生产轨迹回流到下一次 RL 运行中，使你基于 Nemotron 的智能体能够借助新数据持续改进。

在最简单的情况下：

# Set up a Lab workspace with starter configs
prime lab setup

# Install an env from the Hub
prime env install primeintellect/opencode-swe

# Evaluate the new Nemotron Ultra on it
prime eval run opencode-swe -m nvidia/nemotron-3-ultra-550b-a55b --hosted

就是这样。无需搭建集群，无需配置推理服务器，无需接通评估工具链。

更多文档：https://docs.primeintellect.ai/hosted-training/getting-started

在开放环境上进行 RL 的效果

一年多来，我们一直在我们的环境库上训练和消融开放前沿模型。以下数字是在 INTELLECT-3.1 及我们技术栈上的类似开放模型上测得的

• SWE-bench Verified。在我们极简的 bash + edit 工具链中，对 R2E-Gym-Subset-Validated（4.5k 任务）进行训练，可为 30B 级 MoE 模型带来干净、单调的提升。
• BrowseComp。在 DeepDive 环境上训练 INTELLECT-3.1，将 BrowseComp 从 7.8% 提升至 14.2% —— 这是饱和度最低的基准之一
• τ²-Bench Telecom。我们的合成 tau2-synth 环境高度还原真实的 Telecom 领域物理特性，并能稳定提升 Telecom 分数；同一套工厂方法可泛化到企业级工具调用。
• 推理 RL 阶段。opencode-math、opencode-science、opencode-cp 和 opencode-lean 构成了每个 INTELLECT 模型的推理阶段，并能干净地迁移到 Nemotron 形态的架构上。

面向企业的开箱即用路径

Nemotron 系列开放模型速度快，专为智能体打造。企业应当能够直接交付智能体，而无需组建庞大的内部 RL 基础设施团队。这正是 Prime Intellect Lab 的用途所在。

借助 Lab，企业可以：

• 开箱即用地从 Nemotron 3 Ultra 起步（已在 Prime Intellect Lab 上完全集成）
• 带入自己的任务（工作流、评估、模拟或真实数据）
• 构建或挑选环境 —— 你可以从 2,500+ 个开放环境中选择，也可以与应用研究团队合作共同设计一个新环境（使用 verifiers，可在 Prime Sandbox 中运行）
• 运行托管 RL —— Lab 在 Blackwell 上处理训练器、推理、权重同步、检查点和在线评估
• 一键部署 —— 我们提供专用或无服务器推理、原生 LoRA 适配器，通过 NVIDIA Dynamo 提供服务
• 闭环 —— 记录生产轨迹，之后反馈到下一轮训练中，实现持续学习

这一模式已投入生产：

• Ramp 使用 Lab 对 FastAsk 进行后训练，FastAsk 是一个 35B 检索子智能体（Qwen3.5-35B-A3B），针对其自身的财务电子表格工作流，达到 66.25% 的精确匹配准确率，而 Claude Opus 4.6 为 61.88%（高出约 4 个百分点），延迟为 Haiku 级别（比 Opus 快约 27%），并且在 RL 数小时内比其基础模型提升 +10 个百分点。如今向 Nemotron 开放的正是同一套托管闭环。
• Zapier 在 Lab 上构建了 AutomationBench，并将其从静态记分卡转变为实时 RL 训练环境，能够捕获奖励黑客行为并实时修复。

同一套打法现在也适用于 Nemotron。

为什么这对开放生态很重要

这是第一次，封闭实验室内部运行的完整后训练闭环 —— 环境、RL 训练器、评估、推理、持续学习 —— 在 Blackwell 上、在一个已处于开放前沿的模型家族上公开可用。这改变了谁能构建出制胜的智能体：

• 一家 AI 原生初创公司可以拿 Nemotron 3.5，在自己的生产轨迹上进行后训练，为其工作流打造前沿智能体模型。
• 一家大型企业可以将从模型权重到训练数据再到环境定义的一切，全部保留在自己的主权部署之内。
• 一个学术实验室可以开展后训练实验，而不必花费巨资

每家公司都在成为 AI 公司，而赢家将拥有这个闭环：交付、学习、训练、重复。Nemotron 为开放生态提供了一个专为智能体打造的前沿模型。Prime Intellect 为每个团队提供了让它为己所用的技术栈 —— 在 Blackwell 上，在开放环境中，只需数天

开始使用

• 模型卡： NVIDIA Nemotron 3 Ultra 550B A55B BF16
• 环境中心： 浏览 RL 环境
• 文档： 阅读文档
• Lab： 了解 Prime Intellect Lab
• 联系我们： 预约通话 · 开始训练