NVIDIA slipper matematikkmodellen bak IMO-gullet med åpne vekter

550 milliarder parametere totalt, 55 milliarder aktive per token og et kontekstvindu på opptil én million tokens. Det er profilen til Nemotron-3-Labs-Ultra-Math-RL, som NVIDIA la ut på Hugging Face 3. september 2026. Modellkortet oppgir at den er spesialisert for matematisk resonnering og trent til å løse vanskelige matematikkoppgaver og finne feil i bevis.

«Nemotron-3-Labs-Ultra-Math-RL er en decoder-only språkmodell spesialisert for matematisk resonnering, trent til å løse vanskelige matematiske problemer og identifisere feil i bevis, og satt i drift som del av et ensemble-system som oppnådde gullmedalje-nivå i International Mathematical Olympiad 2026.» — NVIDIAs modellkort på Hugging Face

Ordet «ensemble» er verdt å merke seg. Gullresultatet kom fra et system rundt modellen, ikke fra ett enkelt kall til én modell. Arkitekturen er en Mamba2-Transformer-hybrid med latent mixture of experts og multi-token prediction, bygget videre på NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16.

Lisensen er OpenMDW 1.1, og modellkortet slår fast at modellen er klar for både kommersiell og ikke-kommersiell bruk. Det skiller den fra mange andre vektutgivelser i denne størrelsesklassen, der forskningslisenser med bruksbegrensninger er normen.

Maskinkravet setter grenser for hvem som kan kjøre den. NVIDIA oppgir 8 stykk B200 på én node som minimum, med rundt 1,5 TB samlet HBM for BF16-vektene pluss KV-cache, eller minst 8 GPU-er fordelt over H100, H200, GB200 eller GB300 orkestrert med Ray v2. Anbefalt container er vllm/vllm-openai:v0.22.0, og operativsystemet er Linux. Dette er ikke en modell du legger på hjemmeserveren.

Kontekstvinduet på én million tokens er heller ikke tilfeldig for denne oppgavetypen. Olympiade-matematikk handler like mye om å holde orden på et langt bevis som om å finne det første steget, og modellen er eksplisitt trent til å identifisere feil i bevis, ikke bare produsere dem. Det er den delen som er mest overførbar til vanlig arbeid: en verifikator som leser gjennom noe langt og peker på hvor det ryker.

Det som derimot er tilgjengelig for alle, er oppskriften. NVIDIA la samtidig ut treningsdatasettet Nemotron-Math-Proofs-v3-RL, benchmarken Nemotron-IMO-Bench, RL-treningsoppskriften i NVIDIA-NeMo/RL og inferens-pipelinen med de faktisk innsendte bevisene i NVIDIA-NeMo/Skills. Den tekniske rapporten heter «An Open Recipe for IMO Gold: Training Nemotron for Olympiad Mathematics», og navnet er dekkende: verdien for de fleste ligger i metoden, ikke i de 550 milliardene parametere.

Hva bør du gjøre?

1. Hopp over vektene med mindre du har B200-noder, og les den tekniske rapporten og RL-oppskriften i NVIDIA-NeMo/RL i stedet. Metoden er overførbar til mindre modeller.
2. Bruk Nemotron-IMO-Bench til å måle din egen modell hvis du jobber med matematisk resonnering, og Nemotron-Math-Proofs-v3-RL som treningsdata.