10 月 16 日，NVIDIA 旗下 Nemotron Labs 低调上线新模型 Dory 1.0-4B。它没有发布会，却选了一条少有人走的路——循环（looped）语言模型：参数固定在 4B，"思考深度"是推理时可现场调节的旋钮。
循环架构：把思考预算做成旋钮
据模型卡描述，Dory 是 looped（latent-recurrent）的 normalized-GPT 架构，注意力层采用滑动窗口（SWA）与全注意力交错排布。核心机制是反复应用同一组共享层块——官方解释是，这样可以在每个 token 上花更多计算，以此扩展智能。推理时可选 1、2 或 4 次循环：循环越多，单 token 计算越重、精度越高，代价是延迟与算力。
官方推荐默认 2 次循环，并明确大部分精度收益来自第二次循环，之后边际递减。这相当于一份权重自带三挡"思考预算"，快与准不再是二选一。
配套规格：上下文最长 256K token，BF16 精度发布，仅支持英文，许可证 OpenMDW-1.1，商用非商用都放行。训练沿用 Nemotron 数据集；后训练管线还包括推理轨迹病态重复过滤，以及对教师模型偶尔产出民族主义叙事的定向清洗——这类细节在模型卡里并不多见。
自报跑分：赢在指令遵循，输在知识
官方评测表把 Dory 的 1/2/4 循环与 Qwen3.5-4B、Qwen3.5-9B、Gemma 4 26B-A4B、Qwen3.6-35B-A3B 同表对照。先说明：这些数字全部是 NVIDIA 自报，暂无第三方复现。
赢面集中在指令遵循与 Agent 任务：IFBench 上 Dory 4 循环拿到 79 分，Qwen3.5-9B 只有 59，差距肉眼可见；τ³-bench（Banking）14.69 分是全表最高，把 9B 的 7.22 甩开一倍；长上下文 AA-LCR 的 71/73 也压过所有对照。代码侧，SciCode 35.11 高于 9B 的 28.21，SWE-bench Verified 61.8 对 61 基本追平。
但另一面的数字同样刺眼：GPQA Diamond 72.41 对 9B 的 80.93，HLE 10.89 对 15.43，知识问答 AA-Omniscience 只有 10.08 对 18.05，Terminal-Bench 2.1 的 22.2 也落后于 9B 的 24。规律很清晰——循环加的是推理算力，补不了参数里的知识。参数量决定"知道多少"，循环次数只决定"想多深"。
生态位：笔记本能跑，但工具链还没合入
GGUF 量化版（Q5_K_M）约 3.4GB，模型卡直接给了 Apple Silicon 上 llama.cpp 的构建教程，聚合站 The Open Weights 也归入"笔记本可跑"一档。DGX Spark 上官方实测 MXFP8 量化对 BF16 提速 1.69-1.84 倍，NVFP4 提速 2.17-2.44 倍。
但尝鲜有门槛：vLLM 支持还在 PR#60149 评审中，llama.cpp 要走 PR#30306 源码构建，都未进正式版。现在上车的，都是愿意自己编译的工具链玩家。
所以呢
Dory 的真正看点不是某一列跑分，而是 NVIDIA 用一个 4B 模型给"小参数 + 测试时可调算力"这条路线投了一票。如果循环架构被验证，边缘设备的模型选择逻辑可能从"选多大的模型"变成"选几挡循环"。对普通开发者，等 vLLM 合入再上车不迟；对研究者，知识密度与循环深度之间那条边界线，值得盯住。