NVIDIA-Nemotron-Labs-Teacher-General-Reasoning: Der 550B-Reasoning-Lehrer hinter Nemotron 3 Ultra ist soeben als Open Weights verfügbar geworden.

Am 14. August 2026 veröffentlichte NVIDIA NVIDIA-Nemotron-Labs-Teacher-General-Reasoning auf Hugging Face – ein Reasoning-Modell mit 550B Parametern, das bis gestern nur innerhalb der Trainings-Pipeline seines Flaggschiffs Nemotron 3 Ultra existierte. Es ist der „General-Reasoning“-Teacher aus der Multi-Teacher-On-Policy-Distillation-Rezeptur (MOPD), mit der NVIDIA den 550B-A55B-Ultra-Studenten trainierte, und die Veröffentlichung ist aus einem einfachen Grund wichtig: Im technischen Bericht zu Nemotron 3 Ultra, den NVIDIA im Juni veröffentlichte, hieß es in der Trainingsrezeptur klar, dass die Checkpoints der einzelnen Teacher nicht als Open Source bereitgestellt würden. Dieses Modell nun schon – einschließlich Gewichten, Tokenizer, Chat-Template und Serving-Konfigurationen, unter der kommerziell nutzbaren OpenMDW-1.1-Lizenz. Ein Schwestermodell, NVIDIA-Nemotron-Labs-Teacher-STEM, erschien am selben Tag – das wirkt weniger wie ein einmaliger Release und mehr wie der Beginn der Veröffentlichung des Teacher-Panels.

Was ein Lehrermodell tatsächlich ist

MOPD ist die Post-Training-Technik, die Nemotron 3 Ultra sein agentisches Denken verleiht. Anstatt einen einzelnen großen Lehrer in einen Schüler zu destillieren, trainierte NVIDIA mehr als zehn domänenspezialisierte Lehrer – für Reasoning, Forschung, Rechtsanalyse, Softwareentwicklung, Werkzeugnutzung und andere Bereiche – und ließ dann den Schüler eigene Rollouts erzeugen. Jeder Lehrer bewertete diese Rollouts in seinem Fachgebiet. Da die Bewertung auf den eigenen On-Policy-Ausgaben des Schülers erfolgt und nicht auf einem festen Offline-Datensatz, bleibt das Trainingssignal dem ausgerichtet, was der Schüler zur Inferenzzeit tatsächlich produziert. NVIDIA nennt diese Schleife Ko-Evolution: Neue Lehrerrunden werden aus aktualisierten Schüler-Checkpoints initialisiert, sodass sich beide Seiten kontinuierlich verbessern.

Dieser Checkpoint ist das General-Reasoning-Mitglied dieses Panels. Er wird aus dem nachtrainierten Nemotron-3-Ultra-Studenten durch eine zusätzliche Runde aus reasoning-intensivem SFT und Reinforcement Learning erzeugt, und die Modellkarte beschreibt ihn als optimiert für umfangreiche, hochwertige Reasoning-Traces bei den schwierigsten mehrstufigen Problemen in Mathematik, Logik und abstraktem Denken – einschließlich formaler Beweise und kompetitivem Programmieren. Innerhalb von MOPD spielt er gleichzeitig mehrere Rollen – ein Checkpoint, viele Rollen: Reasoning-Trace-Erzeugung, Mathematik-Bewertung und der Äquivalenz-Judge, der freie Kurzantworten anhand einer Referenz bewertet. NVIDIA liefert ihn auch eigenständig aus, weil er für sich genommen ein starker Reasoner ist – gedacht für die Erzeugung von Reasoning-Traces über lange Horizonte, anspruchsvolles Problemlösen und den Einsatz als Lehrer oder Bewerter in Ihrer eigenen Destillations-Pipeline.

Die Spezifikationen in einem Durchlauf.

• Parameter — 550B gesamt / 55B aktiv, sparse LatentMoE

• Architektur — Mamba2-Transformer-Hybrid mit latenter Expertenmischung (Mixture-of-Experts) und Multi-Token-Prädiktion (MTP)

• Kontextfenster — bis zu 1M Tokens; 256K Standard in den Referenz-Serving-Konfigurationen

• Sprachen — 10: Englisch, Französisch, Spanisch, Italienisch, Deutsch, Japanisch, Hindi, Koreanisch, brasilianisches Portugiesisch, Chinesisch

• Lizenz — OpenMDW-1.1, kommerzielle und nicht-kommerzielle Nutzung erlaubt

• Mindesthardware — 4×B200 (NVFP4-Gewichte); GB200/GB300 und H100-Klasse ebenfalls unterstützt

Die Architektur gehört zur gleichen Familie wie Nemotron 3 Ultra selbst: die 550B-A55B-Form mit verschachtelten Mamba-2- und MoE-Schichten, selektiven Attention-Schichten und MTP-Köpfen für natives spekulatives Decoding. Der Lehrer ist kein kleinerer Schüler – sondern eine anders trainierte Variante desselben Stacks, spezialisiert auf langfristiges Reasoning statt auf allgemeine agentische Arbeit.

Warum es wichtig ist, einen Lehrer als Open Source zu veröffentlichen

Teacher-Checkpoints sind die seltenste Art von Open-Model-Veröffentlichungen. Unternehmen veröffentlichen ständig Schüler — die Modelle, die Sie einsetzen — sowie Datensätze; die Modelle, die die Arbeit der Schüler bewertet haben, veröffentlichen sie dagegen fast nie. Genau deshalb wurde die Aussage im Juni-Bericht, dass lehrerspezifische Checkpoints nicht veröffentlicht würden, als Schließung der Tür für eine vollständige Reproduktion der MOPD-Pipeline verstanden. Diese Veröffentlichung öffnet diese Tür zumindest für den Reasoning-Lehrer einen Spalt breit.

Für Teams, die ihre eigenen Reasoning-Modelle entwickeln, ist das ein konkreter Mehrwert. Das Belohnungssignal, das das Reasoning von Nemotron 3 Ultra geprägt hat, wurde teilweise von diesem Checkpoint erzeugt, und jetzt kann es direkt untersucht, als Judge eingesetzt oder zur Generierung langfristiger Reasoning-Traces für SFT-Daten verwendet werden. Zusammen mit den bereits offenen Post-Training-Daten (nvidia/nemotron-post-training-v3) und den veröffentlichten Trainingsrezepten verringert es die Kluft zwischen „NVIDIA hat ein großartiges Modell trainiert“ und „wir können ein ähnliches trainieren“.

Das denkende Zifferblatt.

Ein besonderes Merkmal übernimmt die Nemotron-3-Familie: Reasoning ist ein Schalter, kein Standardverhalten. Die Chat-Vorlage akzeptiert enable_thinking=true/false, eine medium_effort-Option sowie eine reasoning_budget-Token-Obergrenze, sodass ein Aufrufer bei Bedarf tiefes, langfristiges Reasoning erzwingen kann und direkte Antworten erhält – schneller und günstiger – wenn dies nicht erforderlich ist. Für ein Teacher-Modell ist das wichtiger, als es scheint: Destillationsläufe benötigen günstige Bewertungsdurchläufe für einfache Stichproben und aufwendige Reasoning-Traces für schwierige, und ein einziger Checkpoint, der beide Modi unterstützt, macht den Modellwechsel mitten in der Pipeline überflüssig.

Es ausführen.

Dies ist kein Modell, das man beiläufig aufruft. Das minimale sinnvolle Serving-Setup ist 4×B200 mit NVFP4-Gewichten und einem fp8-KV-Cache; die Referenzkonfigurationen decken auch Multi-Node-GB200/GB300 und H100-Klassen-Boxen ab. NVIDIA veröffentlicht Kochanleitungen für drei Engines – vLLM (0.22), SGLang (0.5.13) und TensorRT-LLM (1.3.0rc17) – die alle eine OpenAI-kompatible API auf Port 8000 bereitstellen, mit MTP- oder EAGLE-Spekulativ-Dekodierung und einem Flashinfer-Mamba-Backend. Der 1M-Token-Kontext erfordert ein explizites Allow-Flag in jeder Engine (VLLM_ALLOW_LONG_MAX_MODEL_LEN=1 und Äquivalente); die Standardobergrenze liegt bei 256K.

Zum Zeitpunkt dieses Schreibens ist das Modell von keinem Inferenzanbieter auf Hugging Face bereitgestellt, und NVIDIA hat kein NIM-Hosting angekündigt – dies ist eine reine Gewichtsveröffentlichung. Das macht es zu einem Modell für Labore, die bereits große GPU-Flotten betreiben, oder für Teams, deren Destillationspipeline speziell das exakte Teacher-Signal benötigt. Wenn es dann auf einer verwalteten API landet, ist die Preisrechnung einfach: Dies ist eine 55B-aktive MoE, und wer auch immer es hostet, berechnet, was die GPUs kosten. Auf einer Routing-Ebene, die mit 0 % Aufschlag arbeitet, zahlen Sie den Listenpreis des Anbieters ohne zusätzliche Plattformgebühr – und derselbe Schlüssel, der dieses Modell erreicht, erreicht auch die Frontier-Modelle, mit denen Sie seine Traces vergleichen, mit automatischem Failover, falls ein Host ausfällt. Das ist der Teil, für den ein Router wie OrcaRouter gedacht ist; den Teacher selbst hosten Sie selbst.

Die ehrlichen Vorbehalte

Dies ist ein vor 24 Stunden erstellter Checkpoint, und die Modellkarte enthält keinerlei Benchmark-Zahlen. Das ist keine Auslassung in diesem Bericht – es ist der Stand der Veröffentlichung. NVIDIA hat Architektur- und Trainingsdetails veröffentlicht, aber keine Auswertungstabelle, und kein unabhängiges Labor hatte bisher Zeit, ihn zu testen. Der nächste Referenzpunkt sind die vom Anbieter gemeldeten Zahlen des Schülers: Nemotron 3 Ultra meldet 71,9 bei SWE-Bench Verified, 86,8 bei MMLU-Pro, 89,0 bei LiveCodeBench v6 und ungefähr 95 bei RULER mit 1M Kontext. Diese beschreiben den Ultra-Schüler, nicht diesen Lehrer, und es sind NVIDIAs eigene Zahlen. Jeder, der einen Distillationslauf auf diesem Checkpoint plant, sollte seine Denkqualität als unverifiziert betrachten, bis unabhängige Ergebnisse vorliegen.

Zwei weitere Einschränkungen sind in der Karte eingebaut. Das Post-Training-Korpus ist stark englischlastig – etwa 8,6 Millionen englische Stichproben gegenüber ungefähr 138.000 für jede der anderen neun Sprachen – daher sollte die mehrsprachige Denkfähigkeit nicht aufgrund des 10-Sprachen-Labels vorausgesetzt werden. Und die Karte selbst weist auf die Repräsentationsverzerrung in den Basistrainingsdaten hin und empfiehlt Bias-Audits vor der nachgelagerten Verwendung.

Wen sollte es interessieren?

Drei Gruppen ziehen hier echten Nutzen daraus. Distillationsforscher haben endlich einen echten MOPD-Lehrer, den sie sezieren können, nicht nur ein Rezept, das einen beschreibt. Labore, die ihre eigenen Reasoning-Modelle trainieren, erhalten einen Generator für Langzeitspuren und einen Bewerter, der aus derselben Post-Training-Linie stammt wie das Modell, das sie zu erreichen versuchen. Und jeder, der On-Policy-RL betreibt, kann es so nutzen, wie NVIDIA es getan hat – als Bewerter für die schwierigsten Probleme, wobei das Denken nur dort aktiviert wird, wo es sich auszahlt.

Wenn Sie zu keiner dieser Gruppen gehören, ändert sich durch dieses Release heute nur wenig für Sie: Das Modell ist groß, unerprobt und nur selbst hostbar, und der schnellste Weg, auf den zugrunde liegenden Trend zu reagieren — dass mehr offene Reasoning-Lehrer auftauchen — ist, die Modellebene Ihrer Pipeline hinter einer einzigen Schnittstelle austauschbar zu halten, statt sie an einen einzelnen Checkpoint zu schweißen.

Was als Nächstes ansehen

Drei Dinge werden zeigen, ob dies ein Einzelfall ist oder ob das Panel herauskommt. Erstens, ob Schwester-Lehrer demselben Weg folgen — NVIDIA-Nemotron-Labs-Teacher-STEM ist bereits am selben Tag gelandet, also ist die Frage, welche Domänenspezialisten als Nächstes kommen und ob sie gleich gewichtet werden. Zweitens, ob NVIDIA NIM oder ein verwalteter Host sie bereitstellt, was eine reine Labs-Veröffentlichung in etwas verwandeln würde, das der Rest der Branche tatsächlich aufrufen kann. Drittens, ob unabhängige Benchmarks auftauchen — ein Eintrag bei Artificial Analysis oder ein LMArena-Lauf wäre die erste echte Prüfung, ob die Denkqualität des Lehrers mit dem Schüler, den er trainiert hat, übereinstimmt.