先别把它当成“一次答对”的神童
想象你在参加一场不能上网的算法考试：题目很难，每道题只有有限次提交机会。与其写完第一版就交卷，更稳妥的办法是先准备几种解法，让评测结果指出问题，再把剩余机会留给更有希望的版本。NVIDIA这次发布的 Nemotron-Labs-3-Competitive-Coding，正是把“专门训练的代码模型”和“提交后继续纠错”组合起来，挑战竞赛编程。
它值得看，不只因为官方报告的分数很高。这个模型还有三个醒目标签：550B总参数、55B激活参数，采用 NVFP4 低精度格式，并以开放权重方式发布。不过，目前训练数字、比赛设置和成绩都来自 NVIDIA 的 Hugging Face 模型卡或研究论文，尚无 IOI 官方确认或第三方复现。
550B很大，但不是每次全开
模型全名中的“550B-A55B”容易让人误解。它有5500亿总参数，但每次生成只激活约550亿参数。可以把它理解成一个规模庞大的专家团队：人才库很大，每道题只调动其中一部分人，而不是全员同时工作。
它还采用 NVFP4。FP4——用大约4位浮点格式记录模型数值——相比常见的16位格式，理论上能减少显存和计算开销，代价是更容易因低精度产生误差。NVIDIA此次没有给出该版本相对其他精度的速度、显存占用或准确率对比，所以现在能说的是它押注了FP4路线，还不能说这条路线已经“赢下竞赛”。
开放权重则意味着训练完成的参数可以下载、自行部署，不等于训练代码、数据和许可证毫无限制。模型卡称其可用于商业或非商业用途，但实际使用仍应核对许可证和部署条件。
它怎么学会竞赛解题？
据 NVIDIA 模型卡，该模型从 NVIDIA-Nemotron-3-Ultra-550B-A55B 微调而来，用477,642条合成推理轨迹训练了一个 epoch——也就是把这批材料完整学一遍。这些轨迹覆盖22,000道精选题目，来自16个地区及国际竞赛系列。
这里的“推理轨迹”，可以理解为从读题、构思算法到形成答案的解题过程。它们由 GLM-5.2 蒸馏而来：让一个教师模型产出示范，再用这些示范训练目标模型。NVIDIA称，选择 GLM-5.2，是因为它训练出的版本比使用 DeepSeek-V4-Flash 的版本准确率更高，生成内容还短约30%。但模型卡没有披露完整对比数字。
这类模型面向的是竞赛编程，而非普通的软件开发。题目通常有明确输入输出、运行时间限制和隐藏测试，因此重点不是代码写得是否易维护，而是算法是否正确、能否在有限提交次数内通过测试。
真正拉开差距的，可能是反复修正
模型推理时还搭配 GenCorrect。它会生成多个不同候选方案，读取评测反馈，再迭代改进，同时遵守固定的提交预算。换句话说，最终参赛的不是一个只回答一次的模型，而是一套会分配尝试机会的解题系统。
据 NVIDIA 研究论文，团队在 IOI 2026 题目公开前进行了与赛事同步的前瞻性测试，并称系统遵守人类选手的比赛时长、断网和提交次数限制；不过，这项测试并非 IOI 官方组织，也未受 IOI 监督。论文报告系统得到535.4分（满分600），高于金牌线361.12分，也超过最高人类选手的498.27分。
同一论文还报告，在 IOI 2025 题目实验中，一个较小模型经过后训练后从130分升至291分，加入 GenCorrect 后进一步升至468分。至少按 NVIDIA 自己的实验，反复生成、测试和纠错带来的提升，比后训练本身还大。这也是最值得关注的信号：竞赛成绩不只取决于模型有多大，还取决于怎样组织它有限次数的尝试。
局限与未知
- NVIDIA将其称为首个“被报道”在一届 IOI 题集上超过最高分人类选手的AI系统。这是带限定词的官方首创表述，不能直接写成无条件的“全球首个”。
- 535.4分、金牌线、最高人类得分及所谓“正式比赛限制”，仍需 IOI 官方材料或独立复现核实；“实时、前瞻性”评测的具体流程也不够清楚。
- 材料没有给出 NVFP4 相对其他精度的实测收益，也没有说明部署所需硬件。它证明了 NVIDIA 正把超大开放权重模型、低精度计算和测试时搜索押在同一条路上，但尚未证明每一环都不可替代。