super-49b

英伟达的 Nemotron 3.5 Lightning 在成本和速度上引领 LLM 代理基准测试

最近的一项基准测试评估了八个大型语言模型 (LLM) 在处理虚构大学代理场景方面的能力，重点关注拒绝虚假信息和生成有效的 JSON 输出。结果表明，虽然所有模型在直接问答任务上表现良好，但在模型被要求拒绝回答或生成结构化数据时出现了显著差异。英伟达的 Nemotron 3.5 Lightning 在成本效益和速度方面表现最佳，在这些指标上显著优于 GPT-5.5 和 Opus 等闭源前沿模型。