科技媒体 marktechpost 昨日发布博文，报道称OCR 模型套装提供三种参数规模，分别为 OpenCodeReasoning-Nemotron-32B、14B 和 7B，均使用 Nemotron 架构训练。

　　32B 模型面向高性能推理和研究场景，提供顶尖效果；14B 模型在降低计算需求的同时保持强大推理能力；7B 模型则适合资源受限的环境，仍能在基准测试中展现竞争力。

　　此外，32B 模型还推出了指令微调版本，支持与开放推理生态系统无缝兼容，适配 llama.cpp、vLLM、Hugging Face Transformers 和 TGI 等主流框架，方便开发者快速集成。

　　Open Code Reasoning模型套装在代码推理领域展现出惊人实力。在 LiveCodeBench 基准测试中，这套模型全面超越 OpenAI 的 o3-Mini 和 o1 模型。

　　Distilled 7B+ Models

　　Bespoke-Stratos-7B14.72.0OpenThinker-7B25.55.0R1-Distill-Qwen-7B38.011.1OlympicCoder-7B40.910.6OCR-Qwen-7B48.516.3OCR-Qwen-7B-Instruct51.318.1

　　Distilled 14B+ Models

　　R1-Distill-Qwen-14B51.317.6OCR-Qwen-14B57.722.6OCR-Qwen-14B-Instruct59.423.6

　　Distilled 32B+ Models

　　Bespoke-Stratos-32B30.16.3OpenThinker-32B54.116.4R1-Distill-Qwen-32B58.118.3OlympicCoder-32B57.418.0OCR-Qwen-32B61.824.6OCR-Qwen-32B-Instruct61.724.4

　　注：LiveCodeBench 是一个综合评估平台，专注于调试、代码生成和逻辑补全等真实开发者环境中的任务。

　　这一成就不仅得益于模型架构的优化，还归功于英伟达打造的定制“OCR 数据集”。该数据集聚焦高质量代码训练，强调指令遵循、推理能力和多步骤问题解决能力。