英伟达在 Hugging Face 发布 Nemotron Labs Dory1.0-4B 循环模型：同一份 4B 权重可选循环 1–4 轮，用推理算力换精度（自报 SWE-bench Verified 50.3→61.8），256K 上下文，OpenMDW-1.1 许可

这件事意味着什么

【要点】

英伟达在 Hugging Face 官方账号发布了 Nemotron Labs 系列的 Dory1.0-4B，一个 40 亿参数的「循环」（latent-recurrent）语言模型。模型把层分成输入、循环、输出三段，中间那组共享层可以重复跑 1 到 4 次：同一份权重，推理时多循环几轮就能多花算力换精度，不用重训，也不用换模型。模型卡标注的发布日期是 10 月 16 日，上下文最长 256K，仅支持英文，基于 nGPT 架构，先用英伟达的 4 位格式 NVFP4 原生预训练、再转 BF16 继续训练，提供 BF16、MXFP8、NVFP4 和 GGUF（Q5_K_M）几种格式，许可证为 OpenMDW-1.1，可商用。

按英伟达在模型卡里自报的成绩，SWE-bench Verified 1/2/4 轮循环分别是 50.3、59.5、61.8（同表 Qwen3.5-9B 为 61），Terminal-Bench 2.1 从 12.5 升到 22.2，GDPval-AA-V2 Elo 从 815 升到 967。模型卡建议默认用 2 轮，大部分提升来自第二轮。vLLM 和 llama.cpp 的支持目前还要从未合并的 PR 构建。英伟达的 Oleksii Kuchaiev 10 月 18 日在 X 上发帖推荐了这个模型。

【可核验】

Hugging Face 模型卡：https://huggingface.co/nvidia/NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16

GGUF 版本：https://huggingface.co/nvidia/NVIDIA-Nemotron-Labs-Dory1.0-4B-GGUF

【我们的判断】

一、看点在架构：「循环模型」把推理时的算力当成一个可调旋钮，4B 参数在 4 轮循环下的编程成绩接近 9B 级别的模型，对端侧和小显存部署有参考价值。

二、成绩都是英伟达自报，还没有第三方复现，循环轮数增加后的真实延迟和成本要按自己的场景测。

三、英伟达还没在博客、新闻室或官方 X 账号上正式宣布，目前只有 Hugging Face 上的发布和员工的推荐；生态支持还在 PR 阶段，近期上手门槛偏高。