一个 30B 总参数的 MoE 模型，跑起来只激活 3B，NVIDIA 把这种"听起来很分裂"的配置做成了开源——Nemotron 3.5 Lightning，目标直接对准 always-on 智能体。官方给出的数字是：输出速度最高达到同类规模模型的 4 倍，对比 Qwen3.6 35B 快 35%，同时性能保持相当。权重已经放到 HuggingFace 上，可以直接拉下来测。

对常驻 agent 来说，这种结构的核心诱惑是账单：推理时实际算力开销接近 3B 稠密模型，长跑高并发场景下的硬件和电费成本结构会友好很多，不用为了偶尔的复杂任务把整张 30B 的卡一直烧着。换句话说，它把"小模型跑得起"和"大模型兜得住"这两件事压在了同一套权重里。

但落地那一步并不轻松。30B MoE 的总容量意味着权重文件本身不小，显存门槛和推理框架的兼容度才是真正的拦路虎——激活参数再小，也得先把这 30B 装得下、调得动。NVIDIA 强调的"4 倍速度"和"比 Qwen3.6 35B 快 35%"，目前都没有公开具体的对标清单、batch 大小、量化方式和硬件前提，速度优势能不能在你的栈里复现，还得自己跑一遍才知道。

所以对正在选型的团队来说，这更像是一次有诚意的实验邀请：低成本激活的成本结构值得测，但 3B 激活的智商会不会在专业任务上掉档、MoE 的部署复杂度会不会吞掉那部分省下的钱，都需要先用真实流量验证一遍，再决定是不是把它放进生产链路。

如果把它接到你的 agent 流水线里，你更担心 3B 激活的智商掉档，还是 30B MoE 的部署复杂度？