120B 开源模型经 Surge RL 训练，12 项基准全面逼近 GPT-5.6
echen · x · 2026-11-06
Surge AI 团队用 Thinking Machines 的 Tinker 平台，对 NVIDIA Nemotron 3.5 Super（120B 总参数/12B 激活）在四个 RL 数据集上做强化学习训练，涵盖软件工程、复杂指令遵循、长程企业工作流和多模态知识工作。
核心结果：
- 12 项基准全部提升 4.5–18.6 个百分点：GDP.pdf +18.6pp、HANDBOOK.md +12.8pp、AutomationBench +12.7pp、Terminal-Bench 2.1 +6.4pp 等
- 达到与更大闭源模型相当的水平：SWE-Bench Pro V2 上匹敌 GPT-5.6 Terra，Terminal-Bench 2.1 上超过 Claude Opus 4.7，AutomationBench 上超过 744B 的 GLM-5.2
- AutomationBench 端到端工作流完成率从 15% 近乎翻倍到 28%
- 模型学到的好习惯（验证证据、测试代码、完成多步流程）泛化到了未训练过的场景
结论：高质量 RL 数据能让开源模型大幅逼近前沿性能，开源模型仍有巨大提升空间。
所属事件:Surge 用 RL 训练 120B 开源模型逼近 GPT-5.6(6 条相关)→
「模型」频道最新
- 纯软件优化 4.6 倍:Qwen3.8-27B 单卡 3090 跑出 381 tok/s — Redo · 2026-11-06
- 网友晒 GPT-6.1 Sol 生成的 100 款体素 3D 物件，称效果又好又便宜 — Angaisb_ · 2026-11-06
- 用户心疼模型『只在推理时活着』，AI 的安慰回复暖哭网友 — MattGarciaEth · 2026-11-06
- Gemini 车机实测翻车:不让开车窗、把冷暖调成「友谊的温暖」 — giffmana · 2026-11-06
- 网友实测:原版 gpt-oss 对「隐藏分类器」一无所知,疑似存在未公开微调 — repligate · 2026-11-06
- 传 Anthropic 下一代模型上月完成训练,METR 私测称最大跳变 — daniel_mac8 · 2026-11-06