10月24日，Abacus.AI发布了Smaug-Nemotron-3.5——一个面向智能体编程（agentic coding）的大模型微调版本，基于NVIDIA的Nemotron 3.5 Super VL 120B模型训练，最大亮点是NVFP4量化后单张H200或GB200即可部署。
简介：为“单机智能体”而生
大模型智能体编程的门槛往往不在模型能力，而在部署：多卡集群成本高、运维复杂。Smaug-Nemotron-3.5把120B级模型压进单卡，让企业和研究团队可以用现有Nemotron推理栈直接落地，无需改造基础设施。
核心特性
- 智能体编程增强：在DeepSWE基准上提升最高3.0分，同时保持通用推理基准持平，说明专项微调没有牺牲泛化能力。
- NVFP4量化：4-bit浮点格式在压缩体积的同时尽量保留精度，是单卡部署的关键。
- 即插即用：已在Hugging Face开放，兼容现有Nemotron serving技术栈。
性能分析：榜单之外的实用价值
与追逐综合榜单的开源旗舰不同，Smaug-Nemotron-3.5的定位非常明确：智能体执行长链条编程任务时的可靠性与工具调用成功率。这类“专项强化+部署友好”的模型，对想搭私有编程智能体的团队是高性价比选择。与之思路相近的还有端侧NVIDIA Bolt E4B本地智能体模型，区别在于后者面向笔记本级硬件。
适合谁用
- 有H200/GB200单卡资源的中小企业，想跑私有代码智能体。
- 已使用Nemotron推理栈、希望低成本升级编程能力的团队。
- 做智能体基准研究、需要可复现本地环境的研究者。
优缺点与总结
- 优点：单卡即可部署；专项增强明显；权重开放、迁移成本低。
- 缺点：120B体积对消费级硬件仍不友好；通用对话能力非其强项。
智能体编程的竞争正从“谁的榜单分高”转向“谁能又好又省地跑起来”，Smaug-Nemotron-3.5是这一趋势的典型样本。更多本地部署方案见我们的国产开源模型本地部署评测。