Nemotron 3 Super
8885°
NVIDIA | 262,144 token 上下文 | $0.08/M 输入，$0.45/M 输出。NVIDIA Nemotron 3 Super 是1200亿参数的开放混合 MoE 模型，每次激活仅120亿参数，实现复杂多代理应用中的最大计算效率和准确性。基于混合 Mamba-Transformer 混合专家架构，支持多token预测（MTP），生成token数量比领先开源模型高50%以上。具备100万token上下文窗口，支持长期代理一致性、跨文档推理和多步骤任务规划。潜在 MoE 允许以单次推理成本调用4个专家，提高智能和泛化能力。通过10+环境的多环境强化学习训练，在 AIME 2025、TerminalBench 和 SWE-Bench Verified 等基准测试中表现领先。完全开源，包含权重、数据集和配方，采用 NVIDIA 开放许可证，方便定制和安全部署，适用于工作站到云端。
本模型的指南
Ollama 与 LM Studio（2026）：选择哪个本地 AI 应用，以及各自支持的顶级模型
按使用场景选最佳本地大语言模型（2026年10月）：每个任务的合适开源模型
开放权重 vs 开源 vs 仅API：你到底能做什么
本地AI到底需要多少显存？
如何安装 Ollama 并运行本地 AI（Windows、Mac、Linux）
什么是 GGUF 文件？量化模型详解（Q4、Q8、fp8、NF4）
船长笔记
2026-10-13 的笔记
Nemotron 3 Super 是 NVIDIA 的 1200 亿参数混合专家模型（MoE），推理时仅激活 120 亿参数，使其运行成本远低于整体规模所示。其 Mamba-Transformer 架构支持多标记预测，生成速度远超同等能力的开源模型。适合构建多代理流水线、长文档工作流或高量自动化的团队，且提供可在自有硬件上部署的开放权重。
以……著称
- 为跨文档推理和多步骤代理任务设计的百万标记上下文窗口
- 推理时仅激活 120 亿参数，尽管总参数为 1200 亿——显著提升效率
- 多标记预测层使生成速度比同类开源模型快超过 50%
- 推理模式可通过单一聊天模板标志开关
- 权重、数据集和训练方案均在 NVIDIA Nemotron 开放模型许可下发布
注意
- 最低硬件需求为 2× H100-80GB GPU——这不是面向消费者的本地模型。
- NVIDIA Nemotron 开放模型许可并非标准开源许可；商业部署前请仔细阅读条款。
- 预训练数据截止至 2025 年 6 月；后训练截止至 2026 年 2 月——近期事件缺失。
推荐尝试的提示词
多步骤代理方案
你是一名 IT 自动化代理。用户报告：他们的 VPN 客户端能连接，但所有 DNS 查询均超时，仅在公司网络且自昨天路由器固件更新后出现。请按概率顺序诊断可能原因，然后写出一份 L1 技术员可按步骤执行且无需升级的修复方案。
跨文档推理
这里有同一家公司跨 18 个月的三次季度财报电话会议记录。请识别前两次电话中的任何前瞻性指引，然后评估第三次电话的结果是确认、未达成还是超出每项承诺。标记任何未解释即悄然放弃的指引。
复杂编码任务
编写一个 Python 函数，接受任意 JSON 模式和 Python 字典列表，验证每个字典是否符合模式，并返回两个列表：有效记录和带有每字段错误信息的无效记录。不得使用任何第三方库。测试中包含嵌套对象和数组的边界情况。
与……比较
- Nemotron 3 Ultra开源权重模型262,144 令牌上下文 · $0.60/M 输入，$2.40/M 输出
- Nemotron 3.5 Lightning开源权重模型262,144 令牌上下文 · $0.07/M 输入，$0.20/M 输出
- NVIDIA Nemotron 3 Ultra 550B A55B开源权重模型262,144 令牌上下文 · $0.50/M 输入，$2.20/M 输出
- NVIDIA Nemotron 3 Super 120B A12B开源权重模型262,144 令牌上下文 · $0.09/M 输入，$0.40/M 输出
来自 nvidia 的更多文本模型
常见问题
- 我能本地运行 Nemotron 3 Super 吗？
- 可以，权重开放并在 Hugging Face 上以 NVIDIA Nemotron 开放模型许可提供，但最低需求为 2× H100-80GB GPU，因此适合数据中心或高端工作站部署，不适合普通消费机。
- Nemotron 3 Super API 费用和上下文窗口多大？
- 输入每百万标记 0.08 美元，输出每百万标记 0.45 美元；上下文窗口可达 100 万标记。
- Nemotron 3 Super 与 Nemotron Nano 有何不同？
- Super 模型增加了多标记预测层以提升生成速度和质量，并采用 NVFP4 量化训练；Nano 模型不含多标记预测，目标是更小的部署规模。
船长评语一款严肃的开放代理模型——激活参数效率真实存在，但需要数据中心级硬件才能发挥。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: Bronze · Hottest this month · #72 Hottest AI model · #40 Hottest Text / LLM model · #40 Hottest Text / LLM text model
Not this creator?
Get your own badge
Nemotron 3 Super 热度趋势
自11 Mar 2026以来的热度分数
热度评分
8,885°
本周
▲
70.4%
8,815° 当时，8,885° 现在
本月
▲
1,018%
8,567° 当时，8,885° 现在
过去一年
n/a
尚未发布/跟踪
7,000°
起点
评分范围是 0° 到 9,999°。低于 7,000° 的部分保留给还没有任何来源报告的模型，这些模型用替代数值填充，保证列表完整。7,000° 是有实际数据的起点：一个有真实数据但几乎没人下载的模型就在这里，后续的度数都是基于它的测量。起点本身不反映模型质量，只有起点以上的度数才区分不同模型。
+1,575°
OpenRouter 令牌
该模型在过去30天内通过OpenRouter处理了1,780,603,688,222个令牌，包含提示和回答。每10,000,000个令牌计为一次下载，共计178,060次；最后一天的令牌计入采用率。来源：OpenRouter (openrouter.ai/rankings)。
+310°
采用率
每天大约 13,493 次下载，基于两次来源读取间的测量，不是用历史平均估算。下载速度权重是下载项的四分之一，这样能反映新热度，但不会让一天的峰值超过多年累计。
显示详细分解
本站上的每个数字都可以查证。这个模型的热度评分是 8,885°，这里一步步展示了它是如何组成的，每一步都有累计总分：起点、每个来源增加的度数、模型类型的加成以及权重年龄的扣减。颜色对应上方图表的区间。最后的词汇表解释了所有术语。
- 1从起点开始。为什么是 7,000° 而不是零：评分范围是 0° 到 9,999°，低于 7,000° 的部分保留给还没有任何来源报告的模型，这些模型用替代数值填充，保证列表完整且不会超过有数据的模型。7,000° 是有实际数据的起点。一个有真实数据但几乎没人下载的模型就在这里；后续的度数都是测量值，起点以上有十个十倍下载阶梯，每阶梯增加 300°。起点对所有模型一样，不影响排名；区分模型的是起点以上的度数。7,000°累计总数
- 2加上下载量。总共178,060个下载等价量，来自OpenRouter 令牌。下载量增加十倍，热度增加相同的300°，所以大小很重要，但不会让分数失控。+1,575°8,575°累计总数
- 3增加采用率。现在大约每天13,493次下载，基于两次读数的差值，权重是四分之一。+310°8,885°累计总数
- =热度得分。这个模型在本站所有榜单上的排名。没有其他因素会调整它。8,885°
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
这个模型的受欢迎程度相对于整个目录的变化：它在每个时间段内下载量、点赞和使用量的增长，和同一时间段内典型模型的增长相比，以及当时的热度分数。高于典型增长表示上升，低于则表示下降。过去的数据是从今天的总数、模型的第一天和测量的下载速度（如果有两次测量）推算出来的；如果模型在某个时间段开始时不存在，则显示为 n/a。
Nemotron 3 Super 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153