10 月 21 日，輝達（NVIDIA）喺柏林 GTC 大會宣佈一次過開七個開放權重模型家族：語言、檢索、結構化資料、機械人、自駕車、蛋白質設計同量子運算。目標直正指向歐洲——嗰度企業同政府最在意嘅，係資料落地同部署掌控權，可以下載權重、自行託管推論嘅模型，天然就比 OpenAI、Anthropic 嘅封閉旗艦更對路。
呢單先講最核心嘅部分。Nemotron 3.5 Retriever 係建喺 Nemotron 3.5 上嘅嵌入（embedding）同重新排序（re-ranking）模型，支援 34 種語言嘅文字同影像嵌入，參數由 10 億到 80 億，並提供 Blackwell 加速器專用嘅 NVFP4 量化版本。呢類模型負責將文件轉做向量、再按相關度排序，正正係檢索增強生成（RAG，Retrieval-Augmented Generation）嘅核心組件。80 億版本喺 ViDoRe V3.1 基準上，輝達宣稱喺密集模型入面排第一——留意：呢個係廠商自評，無第三方獨立核對。
同場亮相嘅旗艦有：可處理文字同影像嘅 Nemotron 3.5 Super VL，由 Mistral、Black Forest Labs 等歐洲公司參與開發；740 億參數嘅 MoE 模型 Nemotron 3.5 Bolt，最低只需 24 GB 顯存，10 月 23 日開放下載。另外，Nemotron Parse 針對硬 PDF 嘅解析，單張 H100 每秒約 10.5 頁。
其餘五個家族各有專長：Kumo 處理交易同庫存等結構化表格，用於預測同欺詐評分，Coinbase、Databricks、Revolut 係早期用户；Alpamayo 2 Edge 喺 DRIVE AGX Thor 平台實時處理影像同感測器數據；BioNeMo RFD4-Proteina 係蛋白質設計模型，宣稱速度約為 RFdiffusion3 嘅 13 倍；Ising 則專注量子處理器校準同錯誤更正，AWS 有計劃將其整合入 Parallel Computing Service。
模姐驗嚇貨。最值得一問嘅唔係模型幾勁，係「邊度真係開放」。多數開源公司只放權重，訓練資料同方法照樣鎖死，用家只能夠黑箱裡拆零件。輝達呢次嘅賣點，正正就係話會一併公開訓練資料同方法，話甚至可以照 Nemotron 架構自己搞定製模型——如果呢句係真，個程度確實高出一般「權重開放」。
但同一時間，要睇清楚：採用成堆呢套模型之後，底層仲要跑喺 CUDA、NVidia GPU 同 NIM 微服務上面。權重可以下載，運算平台唔可以。等埋於呢「開放」，其實係將更多 AI 堆疊集中喺同一供應商手入面。規劃架構同採購時呢個必須入考慮，唔係口號。
