Scale AI 与 NVIDIA 合作推出企业后训练服务，支持 Nemotron 开放模型定制

这是什么服务？谁在什么时候发布的？

2026年10月15日，Scale AI 发布了一项叫 Scale Post-Training 的企业服务。它是 Scale GenAI Portfolio 里的新成员，专门帮企业把开放权重模型训练成适合自己业务的专用模型。这次合作方是 NVIDIA，支持的第一批模型包括 NVIDIA Nemotron 3.5 Super VL 和整个 Nemotron 开放模型家族。

简单说，这就像给一个什么都会一点的家教老师看很多你们公司的作业范例，让他变成只教你们公司业务的专属老师。这个服务是闭源的商业服务，官方没有说明具体价格和订阅方式。

后训练是什么意思？为什么企业需要它？

后训练就是拿一个已经训练好的通用模型，再用某个具体工作的优秀例子去教它，让它从“什么都会一点”变成“这件事做得特别好”。原文说，通用模型一开始不知道公司的政策、术语和工作流程，光有模型权重不够，还需要有人定义什么叫做“正确”，准备评估数据，再教模型学会。

企业真正关心的问题已经不是“哪个模型最好”，而是“哪个模型最适合我的具体工作，而且成本能承受”。后训练就是解决这个问题的办法，让开放权重模型能在公司自己的基础设施里运行，按具体任务调优，从而更好地控制质量、成本和数据处理位置。

Scale AI 具体怎么做这件事？

原文描述了完整流程：先测量客户现在用的模型在客户自己工作流任务上的表现，然后为这个工作流构建训练和评估数据，找到合适的后训练配方，用 NVIDIA 的开放工具对 Nemotron 进行后训练，最后把每个版本放回它将来实际运行的智能体工作流里测试。Scale 的工程师还会把改进贡献回这些开源工具。

这个流程的关键在于“用客户自己的数据定义正确”。不是随便拿公开数据训练，而是针对企业真实的工作场景，比如财务对账、并购尽职调查、法语道路救援客服等，让模型学会这些场景里什么答案是对的。

有哪些真实案例？效果怎么样？

原文给出三个案例。与 Skydance 合作，用 Nemotron 3.5 Super VL 自动化财务工作流，审核供应商贷项通知单、对账单和发票，在真实工单上测试，后训练后的模型准确率匹配了 Skydance 当前使用的前沿模型，推理成本降低约40倍，响应速度快5倍。

与 EY 合作，构建并购尽职调查智能体，在数百个问题评估中，后训练后的 Nemotron 3.5 Super VL 准确率匹配 EY 当前使用的前沿模型，推理成本约为十八分之一，回答速度快两倍以上。还有一家全球保险公司，用法语道路救援实时客服 copilot，后训练后准确率比现用模型高出最多31个百分点，推理成本约为四分之一。

这个服务适合谁用？有什么限制？

适合需要把开放权重模型定制到自己业务工作流的企业，尤其是对成本、数据控制和处理位置有要求的组织。原文强调，企业部署会越来越倾向于混合使用不同大小、模态、供应商、优势和成本的多个模型，开放权重模型是其中增长的一部分。

限制方面，原文没有说明具体定价、最低合同门槛、支持的语言范围、数据存储位置选项、SLA 保障，也没有说明是否支持 Nemotron 以外的其他开放权重模型。这些信息需要向 Scale AI 咨询确认。

怎么开始使用？需要准备什么？

原文说 Scale Post-Training 现在已经对企业开放，想定制开放权重模型（包括 Nemotron 3.5 Super VL）的企业可以联系 Scale AI。企业需要准备的是自己工作流的代表性数据，以及对这个工作流“什么叫做正确”的清晰定义。

因为后训练依赖示例数据，企业越能提供贴近真实场景的优秀案例，训练出来的专用模型就越可能在实际工作中表现好。原文没有说明具体的数据格式要求或接入技术细节，这些需要和 Scale 团队沟通。

这件事为什么重要？对行业意味着什么？

Scale AI 的 CEO Francis deSouza 在原文中说，企业 AI 的未来是多模型的，优势会属于那些能证明哪个模型最适合每项工作的组织。这次与 NVIDIA、Skydance 和 EY 的合作，展示了通过 Scale Post-Training，开放权重模型可以匹配甚至超过企业当前使用的模型，而成本只是零头。

NVIDIA 的 Joey Conway 也表示，开放模型让企业用自己的数据和智能有一个起点，Scale AI 正在用 NVIDIA 的开放权重、数据集和后训练工具创建专用模型，提升准确率，支撑高效的模型系统和高级智能体工作流。这说明开放权重模型加专业后训练，正在成为企业 AI 的一条重要路线。