NVIDIA 发文介绍 Vera Rubin 后训练平台，将 intelligence per dollar 列为 Agentic AI 核心指标

NVIDIA 于 2026 年 7 月 17 日在官方博客发布题为《NVIDIA Vera Rubin Maximizes Intelligence per Dollar for Post-Training Workloads — a Key Metric for Agentic AI》的公开文章，集中披露其将后训练阶段的 intelligence per dollar 作为 Agentic AI 时代的重要基础设施指标，并介绍 Vera Rubin、Blackwell、NeMo RL 与 Nemotron 3 Ultra 等公开平台和工具信息。

公开页面显示，这篇文章的发布时间为协调世界时 2026 年 7 月 17 日 15:00:14，东八区时间为 2026 年 7 月 17 日 23:00:14。NVIDIA 在文中将 post-training 描述为模型初始训练完成后的持续优化阶段，称在 Agentic AI 场景下，模型需要随着工具、代码库、策略和运行环境变化不断回流生产反馈，因此后训练不再是一次性收尾步骤，而是持续运行的计算负载。

NVIDIA 在文中把 cost per token 视为推理侧衡量单位，把 intelligence per dollar 视为衡量模型在后训练阶段获得能力提升成本的更高层指标。文章称，前者对应交付 100 万 token 的综合成本，后者则对应持续构建和维持模型能力所需投入，两者共同构成 AI 工厂的收益衡量口径。

文章同时点名 NVIDIA NeMo Gym 与 NeMo RL 两个开源库，分别用于训练环境和分布式后训练流程。按照文中表述，这些工具用于把大规模 rollout、奖励验证、权重回传和训练编排转化为可重复基础设施，而非单次研究代码。

在模型示例部分，NVIDIA 选用了开源权重模型 NVIDIA Nemotron 3 Ultra。页面写明，该模型为 5500 亿参数的 mixture-of-experts 模型，后训练流程运行在 NeMo RL 上，并在 SWE-bench verified 基准中取得 71.7% 成绩，即大约可以对 10 个开源真实软件缺陷中的 7 个给出通过项目自带测试的修复结果。

围绕硬件平台，NVIDIA 在文中称 Blackwell 平台降低了单次运行成本，而 Vera Rubin 平台会把这一方向继续向前推进。公开说法显示，Vera Rubin 旨在用 Blackwell 代际四分之一数量的 GPU 训练最大规模模型，并通过端到端协同设计提升后训练阶段的 rollout 规模、环境并行度和训练到推理之间的循环效率。

文章还列出多个合作方的公开落地信息。Prime Intellect 被描述为持续在 NVIDIA Blackwell 上对前沿开源模型执行后训练，并使用 NVIDIA Dynamo 做推理编排；NVIDIA 同时写道，Prime Intellect 计划在 Vera Rubin 上扩大强化学习环境与 rollout 规模。页面还提到 Prime Intellect 将其沙箱基础设施接入 NVIDIA Vera CPU，在与其他 x86 架构对比的强化学习沙箱负载中，Vera 平均可提供约 30% 更高的每 CPU 吞吐。

Perplexity 也被列为文中案例之一。根据 NVIDIA 公开描述，Perplexity 的强化学习后训练栈已经在数百块 NVIDIA GPU 上异步运行，并使用基于 RDMA 的权重传输引擎，在训练与推理节点之间于两秒内同步万亿参数级模型；完成后训练的 Qwen3 235B 模型随后部署在 NVIDIA GB200 NVL72 系统上提供服务。Together AI 则被列为另一家后训练服务提供方，其 supervised fine-tuning、reinforcement learning 与 direct preference optimization 服务已运行在 NVIDIA 平台和相关内核库之上，并计划继续对接 Vera Rubin 平台。

简评：这篇官方文章把后训练、推理成本、开源模型与下一代平台路线放进同一套公开口径，并首次集中给出 Nemotron 3 Ultra、NeMo RL、Prime Intellect、Perplexity 和 Vera CPU 的对应场景，后续落地节奏仍需以 NVIDIA 后续产品公告和交付信息为准。