NVIDIA 發佈 Nemotron 3 Embed 系列，8B 版本登頂 RTEB 檢索基準

NVIDIA 近日正式發表 Nemotron 3 Embed 系列嵌入向量模型，專為生產級檢索增強生成（RAG）、智能體檢索、程式碼檢索以及智能體記憶等場景打造。其中 8B 參數版本在檢索嵌入基準測試 RTEB 上奪下第一名，成為當前該領域性能最強的開源模型，引起業界高度關注。 該系列共釋出三個開放檢查點：Nemotron-3-Embed-8B-BF16（精度優先版本）、Nemotron-3-Embed-1B-BF16（輕量化版本）以及 Nemotron-3-Embed-1B-NVFP4（針對 NVIDIA Blackwell 架構優化的 4 位元版本）。三款模型均採用雙向注意力遮罩訓練的 Transformer 編碼器，最大序列長度同為 32,768 個 token，並支援 34 種語言，且皆採用 OpenMDW-1.1 許可協議開源。 值得注意的是，這些模型的基礎架構均源自 Mistral 系列：8B 版本以 Ministral-3-8B-Instruct-2512 為基礎，兩個 1B 變體則基於 Ministral-3-3B-Instruct-2512。在 RTEB 基準的 16 項公開任務測試中，8B-BF16 版本以平均 NDCG@10 得分 78.46 位居榜首；1B-BF16 版本得分 72.38，相較上一代基線 llama-nemotron-embed-vl-1b-v2 提升了 10.4 分。而針對 Blackwell 優化的 1B-NVFP4 版本僅損失 0.38 分，相當於保留了 99.5% 的精度，同時在 Blackwell 架構上的吞吐量比 BF16 提升 2 倍。 在模型建構路徑上，1B 模型並非從頭小規模訓練，而是採用壓縮策略。研發團隊先使用 NVIDIA ModelOpt 的神經架構搜索，將 3B 基礎模型剪枝至 2B，再從微調後的 8B 嵌入向量教師模型中，透過餘弦距離損失和均方誤差損失進行知識蒸餾，最終迭代至 1.14B 參數。NVFP4 版本則在此基礎上加入量化感知蒸餾，使用 512 個樣本校準、2 萬個樣本訓練，在長輸入場景下成功恢復精度。 部署層面，三個版本支援的框架略有不同。8B 和 1B 的 BF16 版本支援 Transformers 與 Sentence Transformers 框架；而 1B-NVFP4 僅支援 vLLM 0.25.0 的 /v2/embed 接口。微架構覆蓋方面，NVFP4 版本相容 Ampere、Hopper、Lovelace 與 Blackwell，BF16 版本則主要面向 Ampere、Hopper 與 Blackwell。NVIDIA 也同步推出針對 1B 模型的優化版 NIM 微服務，基於 Rust 建構，在 GB200 與 RTX PRO6000 上達到或超越了 vLLM 檢查點的性能。 應用場景方面，該系列模型涵蓋多語言企業搜尋，可實現跨語言檢索；同時支援程式碼檢索，訓練資料包含 SWE-bench 等程式碼數據集；以及智能體記憶，32K token 長上下文足以應對較長對話摘要的嵌入需求。對於成本敏感的場景，NVIDIA 建議採用「1B-NVFP4 處理高容量召回 + 8B 處理困難查詢」的分層 RAG 策略，在效能與資源之間取得平衡。 為方便開發者快速上手，NVIDIA 提供了完整的程式碼範例，涵蓋基於 Sentence Transformers 的本地推理和基於 vLLM 的服務端部署。查詢與文件分別透過 `query:` 和 `passage:` 前綴區分，嵌入向量經 L2 歸一化處理後，點積即等於餘弦相似度。這項設計讓開發者能夠更直觀地將模型整合至既有檢索流程中，進一步降低採用門檻。