本文基于公开资料综述（智谱 / Kimi / DeepSeek 3 家 AI 采集交叉，2026-07-21），非实机测试。
① 公开证据综合
NVIDIA 2025-08-18 发布，8.9B，Mamba2-Transformer 混合架构（4 层 Attention + 52 层 Mamba2），从 12B 经 Minitron 蒸馏，训练 21.1T tokens，知识截止 2024-09。架构创新：Mamba-2 状态空间层替代大部分自注意力，序列复杂度二次→近线性，吞吐提升 3-6.3x（长上下文尤显）。
数学代码亮眼：MATH-500 97.8%（超部分 70B）、AIME 2025 72.1%、GPQA Diamond 64.0%、LiveCodeBench 71.1%、IFEval 90.3%。但知识广度中等：MMLU-Pro 73.9（46th 百分位）、Intelligence 综合 7.4（22nd）。中文是短板：CMMLU 61.59%、C-Eval 63.62%（Qwen3-8B 81.68%/84.84%，差距显著）。
独特卖点：/think /no_think 推理预算控制，高精度慢推理 ↔ 快速响应切换，适合 latency 敏感场景。
② 与同类模型横评
- vs Qwen3-8B：Nemotron 数学（MATH-500 97.8 vs 96.3）+ AIME（72.1 vs 69.3）+ 吞吐量占优；Qwen3-8B 中文碾压 + Apache-2.0 + 生态成熟
- vs Llama-3.1-Nemotron-Nano-8B-v1（前代）：v2 AIME/GPQA/IFEval 全面提升 + 架构效率更高
③ 本地部署建议与 verdict
能否本地跑？可以，但偏 NVIDIA 生态。 Q4_K_M 约 9.7GB VRAM（RTX 3060 12GB / Intel Arc B580 12GB，兼容性 81/100）；Q6_K 约 8-10GB；FP16 约 18GB（RTX 4070 Ti Super 16GB+）。支持 TensorRT-LLM / vLLM / Ollama / LM Studio + NVFP4/FP8。注意：Mamba2 层在非 NVIDIA（AMD ROCm / Apple Silicon）优化成熟度未明确，跨平台效率优势可能打折。
Verdict：caution（有条件推荐）。 数学推理/长上下文/推理效率有亮点 + 许可商业友好，适合已有 NVIDIA 硬件 + 需求明确团队。但中文弱 + 知识中等 + 非 NVIDIA 平台不确定，难成”无脑推荐”。中文为主或跨平台部署选 Qwen3-8B 更稳；追求极致推理效率 + 长文本 + NVIDIA 硬件则值得尝试。