把专有数据变成主权智能：开源模型后训练，性能比 GPT 5.4 Nano 高 40%

黄仁勋在 NVIDIA 活动上说了一句话：借助定制化和生态伙伴，可以把这些模型变成前沿，把专有数据变成主权智能。

Baseten 转发了这段，并致谢 NVIDIA 团队对自家工作的点名。被点到的具体事情是：Baseten 和 CodeRabbit 团队合作，对开源模型做后训练，让它达到前沿能力。

视频里的幻灯片给了两个关键信息。左边是 CodeRabbit 的标志和代码编辑器界面，右边是两根柱子的对比：GPT 5.4 Nano 和 Nemotron 3.5 Lightning。后者性能提升 40%。底部字幕写着“Here's Baseten helping CodeRabbit”。

对不熟悉这行的读者补一句背景。后训练不是从零训练一个模型，而是在开源底座上继续喂数据、调参数，让它在某个具体任务上表现更好。CodeRabbit 做的是代码审查，这类场景有大量私有代码和团队规范，通用模型很难覆盖全。用自家数据做后训练，等于把通用模型往专业方向推一把。

“主权智能”这个词听着大，落到工程上其实不复杂：模型能力建立在你自己控制的数据和基础设施上，不依赖外部 API 的黑盒。对把代码库当核心资产的团队来说，这件事的分量比跑分更重。

40% 这个数字来自 NVIDIA 的演示材料，具体测试集和评测方法没有展开。但它至少说明一件事：开源模型加后训练，在垂直场景里已经能拿出来和闭源通用模型比。不是所有团队都需要从头训模型，拿着开源底座加自己的数据做后训练，可能是更现实的一条路。