聪明世界#102
编程偏弱自报
记性1M
便宜$2.4
记性换算成体感：一次能读完《哈利·波特》全七部
Nemotron 系列的文本模型 · 按发布时间
共 6 个 · 英伟达的全部模型 →她的房间
电脑
70.7% · SWE-bench Verified · 厂商自报，未经第三方复核
书架
5 层 · 记忆 1M tokens
黑板
数学与科学推理
日历
知识停在 2025-09
冰箱
支持上下文缓存，能存记忆
敞开的门
开源权重，谁都能进
身世
- 发布日期
- 2026 年 6 月 4 日models.dev
- 知识截止
- 2025-09
- 参数量
- 550B（激活 55B） · 由型号名推断
- 开放权重
- 是
- 开源许可
- 暂无数据
- 上下文窗口
- 1M tokens
- 单次最大输出
- 128K
- 输入价格
- $0.60 / 百万 tokens
- 输出价格
- $2.40 / 百万 tokens
- 模型类型
- 文本只读文字、只写文字的对话模型
- 支持的输入
- 文字 → 文字
- 工具调用
- 是
- 深度思考
- 是
- 提示缓存
- 是
战绩
- 综合智力
- 146.0
- AIME 数学
- 86.7%
- GPQA Diamond 科学
- 85.3%
- ARC-AGI-2 抽象推理
- 未参评
- Fiction.liveBench 长文本
- 未参评
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
- 同样是 SWE-bench Verified，但分数来自厂商系统卡或其他榜单的转载，没有经过 Epoch 的统一复跑。厂商自报https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16
- SWE-bench 多语言版67.7%把 SWE-bench 的题目扩展到 Python 以外的语言，考的是跨语言的工程能力。厂商自报https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16
- Terminal-Bench56.4%把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16
- FrontierCode13.6%Cognition 出的高难度代码题集，面向前沿模型。第三方实测https://cognition.com/frontiercode
- LiveCodeBench89.0%持续收录新出的编程竞赛题，题目发布时间晚于模型训练截止日期，用来避开「背过答案」的嫌疑。厂商自报https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16
- LiveBench 2.0 编程46.3%LiveBench 2.0 的编程分项：不是做题，而是接 API、写 Agent 循环、接云基础设施、做计费与限额这类真活儿。2.0 换了评测方式（长程任务、产物评审），与旧版 LiveBench 编程分不是同一把尺子，分数不可直接比较。第三方实测https://livebench.ai/?release=20261014
这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力146.0第 102 / 225Epoch Capabilities Index，把十几项学术评测归并成一个总分。想看综合实力，先看这一栏。第三方实测https://epoch.ai/benchmarks
- LiveBench 2.0 综合41.4%第 46 / 48LiveBench 2.0 七个长程任务分类的等权均分——这个总分由本站计算，上游并不发布。第三方实测https://livebench.ai/?release=20261014
数学
- AIME 数学86.7%第 77 / 211美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测https://epoch.ai/benchmarks
- ProofBench2.0%第 93 / 96不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测https://www.vals.ai/benchmarks/proof_bench
知识与推理
- GPQA 科学85.3%第 79 / 214博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测https://epoch.ai/benchmarks
- 带引用的研究43.6%第 44 / 48监管、法律、财税、科研五类检索与研判任务，答案要带得住核验的出处。第三方实测https://livebench.ai/?release=20261014
- 数据分析54.5%第 44 / 48从表格里认事件、连表、把一种格式转成另一种格式。第三方实测https://livebench.ai/?release=20261014
- CritPt 物理3.1%第 73 / 180研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
- WeirdML43.5%第 84 / 151一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测https://htihle.github.io/weirdml.html
智能体
- 长程任务11.2%第 46 / 48跑几个月的运维、财务合规、电商运营这类长线任务，看模型能不能一直把事做对。第三方实测https://livebench.ai/?release=20261014
- 浏览器操作0.0%第 46 / 48在真实网页里点选、翻页、汇总信息，考验 agent 是不是真的会用浏览器。第三方实测https://livebench.ai/?release=20261014
- APEX 专业任务22.7%第 53 / 64投行、律所、咨询公司的真实工作任务，由业内专家出题与评分。第三方实测
游戏与谜题
- 推理谜题74.7%第 43 / 48心理理论、斑马谜题、空间推理这类不靠背题的死磕题。第三方实测https://livebench.ai/?release=20261014
- 推理游戏谜题20.0%第 53 / 104Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测https://epoch.ai/benchmarks
写作
- 文档与排版59.7%第 45 / 48产出 Word 文档、PDF、PPT 三类成品，看内容组织与版式。第三方实测https://livebench.ai/?release=20261014
其他
- Dtbench90.1%第 51 / 222Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench
- Lmca36.9%第 84 / 206Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/lmca