NVIDIA把OpenAI的模型拿来蒸馏了一下——从120B砍到88B，推理速度快了2.82倍。 这个模型叫gpt-oss-puzzle-88B，刚上Hugging Face。 我来说说为什么这事比看起来更重要。 用的技术叫Puzzle，一个训练后的神经架构搜索框架。 简单说就是——模型训练完了之后，再用NAS把冗余结构剪掉。 结果呢？ 88B参数量，在单张H100上跑出了120B版本2.82倍的吞吐量。 准确率不但没掉，部分场景还涨了——低推理预算下准确率保持了108.2%。 这什么概念？ 同样的硬件，跑更快的模型，得到一样甚至更好的结果。GPU成本直接打折。 这对市场意味着什么？ NVIDIA在做一件很聪明的事。 它不只是卖芯片——它在告诉你，用我的芯片+我的优化工具，你的推理成本可以暴降。 这是"卖铲子"逻辑的升级版："卖铲子+教你怎么挖得更快"。 对开发者来说，88B开源直接可用，支持vLLM和Transformers，128K上下文。不需要等API，自己部署就行。 我的判断——模型"瘦身"是2026年的主旋律。 不是谁的模型最大谁赢，是谁能用最少的算力跑出最好的效果。 NVIDIA已经选边站了：推理效率 > 参数规模。 这个方向如果跑通，受益的是每一个跑本地模型的人(pepper 花椒)