英伟达开源 Nemotron 3.5 Lightning

30B 总参数、每次只激活 3B MoE架构，上下文最长 1M token（单卡 H100 实测约 256K）。

从自家 Nemotron 3 Ultra 模型蒸馏出来的，专门干执行层的脏活累活：工具调用、结果校验、子 agent 派活

同类模型里输出速度最高 4 倍，PinchBench 跑到 86% 精度、比 Qwen3.6 35B 快约 30%（精度相近）。靠的是推测解码（MTP + DSpark / DFlash 两个草稿模型）和 NVFP4 量化，单张 H100、DGX Spark、RTX 5090、Jetson 都能跑。

光有一个快模型不够，英伟达顺手给了个开源路由库：每一步自动把任务派给最合适（质量 / 延迟 / 成本权衡）的模型。

让前沿模型做规划，Lightning 做执行，钱花在刀刃上。

LangChain：145 个多轮 agent 任务，成本降 74%，只有 7% 请求交给前沿模型，精度损失约 6 点

Ramp：SWE-Bench 追平前沿水平，成本砍 58%、耗时降 33%

Cognition（Devin Desktop）：近前沿表现，成本约降 28%

Boomi：路由准确率 100%，59% 流量走快 5 倍的微调模型

上面提速、降本全是英伟达自家基准，第三方实测还没出。

模型纯文本、无多模态；当主 coding agent 偏弱，定位就是执行工。