NVIDIA 上架五个 550B 教师模型：Nemotron 3 Ultra 的老师公开了

8 月 14 日，NVIDIA 在 Hugging Face 的官方组织下一次性放出五个 Nemotron 3 Ultra 教师模型：、、、和。五个模型卡都标注 Hugging Face 发布日期为 08/14/2026。

五个模型统一为 550B 总参数、55B 激活参数，许可为 OpenMDW-1.1，官方标注的最低运行配置是 4 张 GB200/B200/GB300/B300 或 8 张 H100。模型卡写明它们的正式身份：MOPD（Multi-Teacher On-Policy Distillation，多教师在线策略蒸馏）阶段的领域专家教师。

当晚 23:15（UTC），开源模型研究者 Nathan Lambert 关注。他的 X 简介写着此前在 Ai2 联合领导 OLMo、撰写 Interconnects 通讯。

他称这些为「专家模型」：「很高兴看到 NVIDIA 发布了用于 MOPD 的专家模型。这让相关研究开始变得容易获取得多。」随后补了一句：「不过对多数研究者来说，这些模型太大了。」

Lambert 转发后，评论区先算起了 GPU 账单

Lambert 的推文链接指向 Competition-Coding 教师页；截至 8 月 15 日，这条推文显示 113 次点赞、15 次转发、8 条回复。

比他早约 10 分钟，新模型播报账号 DailyPapers（@HuggingPapers），称其为「550B（55B 激活）的编程专家，为竞赛编程而建，也用作蒸馏教师」。

次日 06:06（UTC），DailyPapers General-Reasoning 教师：「为长程数学与逻辑而建的 550B MoE，微调目标是把最难的题蒸馏出去。」

回复区里，本地模型爱好者 @thebasedcapital ：「这种体量的开放权重，留给多数研究者的还是盯着 GPU 账单发呆。」开发者 @zswaff ：「『易获取』，直到你看见参数数量为止。」

6 月交学生，8 月交老师

这些教师的来龙去脉写在 6 月 9 日的里：Ultra 是 550B 总参数、55B 激活的混合 Mamba-Attention MoE 模型，20 万亿 token 预训练，后训练分 SFT、RL、MOPD 三步。

报告称，NVIDIA 当时「训练了十多个领域专用教师模型」，其中包括 agentic 教师。

6 月的开源清单只有 Base、Post-Trained、NVFP4 量化检查点和 GenRM，外加配方、数据与 RL 环境，教师检查点不在其中。8 月 14 日上架的五个教师，模型卡记录训练时间为 2025 年 12 月至 2026 年 5 月，后训练数据截止 2026 年 5 月，全部收录在里。

五位 550B 老师，各守一个领域

五个教师各司其职：Competition-Coding 面向竞赛编程、算法题与代码推理；General-Reasoning 主攻数学、逻辑中最难的多步题；STEM 覆盖数学、代码、自然科学与人文学科推理；Instruction-Following 负责指令遵循与结构化输出；Chat 管多轮对话与语气。

架构同为 LatentMoE（Mamba-2 与 MoE 交错排列，辅以注意力层）加 Multi-Token Prediction，NVFP4 预训练，上下文最长 1M token。

Competition-Coding 教师从后训练完成的 Ultra 学生出发，再做一轮编程向 SFT 与 RL：训练数据须通过编译和测试执行验证，奖励同样来自编译器与测试。报告称这轮 RL 在 LiveCodeBench v6 上比通用推理教师高 2.4 分。

STEM 模型卡声称在 GPQA、MMLU-Pro、LiveCodeBench v6、IMOAnswerBench 和 Apex Shortlist 上与 DeepSeek V4 Pro (High) 打平或超过。报告 Table 3 给出的对比是：IMOAnswerBench 92.5 对 88.0，LiveCodeBench v6 90.0 对 89.8，GPQA 88.5 对 89.1。

这些是 NVIDIA 自己在模型卡与技术报告里给出的评估数字。

复现 MOPD 缺的那块拼图，8 月补上了

MOPD 的做法是：学生模型在全部领域自己生成 rollout，由相应教师逐 token 打分，学生再对齐教师的输出分布。整个过程异步流水线化，Ultra 训练跑了两轮迭代；教师还从更新后的学生检查点重新出发，形成学生与教师的共同进化。

模型卡写明，这些教师可单独用于「自己的蒸馏与数据生成管道，充当教师或评分器」，且商用与非商用均可。代价同样写清：Competition-Coding 仓库的模型索引显示单份权重约 1.12TB；显示，五个教师截至 8 月 15 日的下载量在 75 到 872 之间。

教师权重到位了，运行门槛原样保留：4 张 B200 或 8 张 H100 的最低配置，与 Lambert 的提醒、评论区的 GPU 账单吐槽指向同一处。

报告里的其余教师，还没露面

报告图 10 的流水线里还有 SWE、Office work、Search、Usability、Agentic Safety 等教师，截至 8 月 15 日未见 NVIDIA 的 Hugging Face 组织。

截至 8 月 15 日中午，NVIDIA 官方 X 账号（@NVIDIAAI）的推文里也没有这批模型的发布帖，它们是被 DailyPapers 和 Lambert 的转发带进公众视野的。

NVIDIA 把 MOPD 配方里最贵的中间产物也公开了，这套「十多个专家蒸馏一个学生」的方法正在走向可复现。550B 参数、1.12TB 权重和 4 张 B200 的最低配置划定了使用者的范围：先把机器备齐，才谈得上复现。