英伟达发布 Llama-3.1-Nemotron-Ultra-253B-v1 模型，推动 AI 高效部署-灵析社区

英伟达发布了名为 Llama-3.1-Nemotron-Ultra-253B-v1 的新模型，这是一款具有 2530 亿参数的大型语言模型，专注于推理能力、架构效率和生产准备度的重大突破。 "Image 6" (https://wm-ai.oss-cn-shanghai.aliyuncs.com/test/506aa3d3-ad5a-4408-8835-43281c854469.jpg) 随着 AI 在数字基础设施中的普及，企业和开发者需要在计算成本、性能与扩展性之间找到平衡。大型语言模型（LLM）的快速发展提升了自然语言理解和对话能力，但其庞大规模常导致效率低下，限制大规模部署。 Llama-3.1-Nemotron-Ultra-253B-v1（简称 Nemotron Ultra）针对这一挑战，基于 Meta 的 Llama-3.1-405B-Instruct 架构，专为商业和企业需求设计，支持从工具使用到多轮复杂指令执行等任务。 Nemotron Ultra 采用仅解码器的密集 Transformer 结构，通过神经架构搜索（NAS）算法优化，创新之处在于采用跳跃注意力机制，在部分层中省略注意力模块或替换为简单线性层。此外，前馈网络（FFN）融合技术将多层 FFN 合并为更宽但更少的层，大幅缩短推理时间，同时保持性能。模型支持 128K token 的上下文窗口，适合高级 RAG 系统和多文档分析。在部署效率上，Nemotron Ultra 也实现了突破，能够在单 8xH100 节点上运行推理，显著降低数据中心成本，提升企业开发者的可及性。英伟达通过多阶段后训练进一步优化模型，包括在代码生成、数学、对话和工具调用等任务上的监督微调，以及使用群体相对策略优化（GRPO）算法进行强化学习（RL）。这些步骤确保模型在基合。