12B 开源模型靠 RL 数据逆袭:SurgeAI 训练版 Nemotron 跑赢 GPT-5.6

echen · x · 2026-11-06

SurgeAI 用自家 RL 数据、基于 Thinking Machines 的 Tinker 框架训练了 NVIDIA 的 Nemotron 3.5 Super VL(仅 12B 激活参数)。结果该模型在 SWE-Bench Pro V2 上超过了 GPT-5.6 Terra 的公开分数,并在另外 11 个基准上全面提升:GDP.pdf +18.6pp、HANDBOOK.md +12.8pp、AutomationBench +12.7pp、Chartography +11.2pp、AdvancedIF +7.7pp。

其核心主张是:前沿性能不必来自前沿规模,可以来自更好的数据与后训练,开源模型的潜力还远未挖尽。