Surge 用 Tinker 对 Nemotron 3.5 Super 做 RL，逼近 GPT-5.6

Surge AI 发布官方博客，详解团队如何使用 Thinking Machines 的 Tinker 平台，对 NVIDIA Nemotron 3.5 Super VL（120B 总参数、12B 激活）进行强化学习训练。训练基于 Surge 自家的四套 RL 数据集，12 项基准测试成绩全面提升 4.5 至 18.6 个百分点，整体逼近 GPT-5.6 的水平。作者 echen 认为开源模型的提升空间被严重低估，该案例值得关注。

已确认

• 训练在 Thinking Machines 的 Tinker 框架/平台上完成，四个 RL 数据集分别覆盖软件工程（如 SWE-Bench Pro 相关评测）、复杂指令遵循、长程企业工作流、多模态知识工作，各自产出独立 checkpoint
• 12 项基准测试成绩全面提升，提升幅度为 4.5 至 18.6 个百分点，整体逼近 GPT-5.6 的水平
• 训练后的模型在 SWE-Bench Pro 等评测中表现突出，跑赢 GPT-5.6
• echen 在回复 John Schulman 与 Mira Murati 时表示，团队很喜欢 Tinker：可以并行跑多个 RL 实验和评测而无需自己管理 GPU，且切换模型尺寸只需一行代码

为什么重要

• echen 指出，人们严重低估了开源模型的提升空间：一个仅 12B 激活参数的模型经高质量 RL 数据训练后，可达到约 20 倍规模模型的前沿水平
• 该案例展示了「高质量 RL 数据 + 可复用训练平台」对开源模型能力上限的放大作用，为中小规模模型的实用化提供了参考路径

2026-11-06 ~ 2026-11-06 · 6 条相关

• 12B 开源模型靠 RL 数据逆袭:SurgeAI 训练版 Nemotron 跑赢 GPT-5.6 — echen · 2026-11-06
• 120B 开源模型经 Surge RL 训练，12 项基准全面逼近 GPT-5.6 — echen · 2026-11-06
• 【源头】Surge 详解如何用 Tinker 把 Nemotron 3.5 推向前沿水平 — echen · 2026-11-06
• Surge 研究团队点赞 Tinker：并行跑 RL 实验，一行代码换模型 — echen · 2026-11-06
• 【源头】开源模型天花板被低估:Nemotron 3.5 Super 经 RL 后比肩 20 倍大模型 — echen · 2026-11-06
• 【源头】Surge 用 Tinker 训练 Nemotron 3.5 Super,12 项基准提升 4.5-18.6 个百分点 — echen · 2026-11-06