Kan ik Nemotron 3 Super lokaal draaien?

Ja, de gewichten zijn open en beschikbaar op Hugging Face onder de NVIDIA Nemotron Open Model License, maar de minimale vereiste is 2× H100-80GB GPU's, dus dit is een datacenter- of high-end workstation-implementatie, geen consumentenmachine.

Wat kost Nemotron 3 Super via API en hoe groot is het contextvenster?

De prijs is $0,08 per miljoen inputtokens en $0,45 per miljoen outputtokens; het contextvenster strekt zich uit tot 1 miljoen tokens.

Hoe verschilt Nemotron 3 Super van Nemotron Nano?

Het Super-model voegt Multi-Token Prediction-lagen toe voor snellere generatie en betere kwaliteit, en is getraind met NVFP4-quantisatie; het Nano-model bevat geen MTP en richt zich op kleinere implementatievoetafdrukken.

▲

70.4%

deze week

Nemotron 3 Super

8885°

#llm #nvidia #redeneren #agenten #coderen #lange context

Deze maand

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

NVIDIA | 262.144 token context | $0,08/M input, $0,45/M output. NVIDIA Nemotron 3 Super is een 120 miljard parameter open hybride MoE-model, dat slechts 12 miljard parameters activeert voor maximale rekenefficiëntie en nauwkeurigheid in complexe multi-agent toepassingen. Gebouwd op een hybride Mamba-Transformer Mixture-of-Experts architectuur met multi-token voorspelling (MTP), levert het meer dan 50% hogere token-generatie vergeleken met toonaangevende open modellen. Het model beschikt over een contextvenster van 1 miljoen tokens voor langetermijn agentcoherentie, cross-document redenering…NVIDIA | 262.144 token context | $0,08/M input, $0,45/M output. NVIDIA Nemotron 3 Super is een 120 miljard parameter open hybride MoE-model, dat slechts 12 miljard parameters activeert voor maximale rekenefficiëntie en nauwkeurigheid in complexe multi-agent toepassingen. Gebouwd op een hybride Mamba-Transformer Mixture-of-Experts architectuur met multi-token voorspelling (MTP), levert het meer dan 50% hogere token-generatie vergeleken met toonaangevende open modellen. Het model beschikt over een contextvenster van 1 miljoen tokens voor langetermijn agentcoherentie, cross-document redenering en multi-stap taakplanning. Latent MoE maakt het mogelijk om 4 experts aan te roepen tegen de inferentiekosten van slechts één, wat intelligentie en generalisatie verbetert. Multi-omgeving RL-training over meer dan 10 omgevingen levert toonaangevende nauwkeurigheid op benchmarks zoals AIME 2025, TerminalBench en SWE-Bench Verified. Volledig open met gewichten, datasets en recepten onder de NVIDIA Open License, Nemotron 3 Super maakt eenvoudige aanpassing en veilige implementatie overal mogelijk — van werkstation tot cloud.

Gidsen voor dit model

Ollama vs LM Studio (2026): welke lokale AI-app gebruik je, en welke topmodellen draaien ze

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Hoe Ollama te installeren en een lokale AI te draaien (Windows, Mac, Linux)

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Nemotron 3 Super is NVIDIA's hybride MoE-model met 120 miljard parameters, waarbij slechts 12 miljard parameters actief zijn tijdens inferentie, wat het veel goedkoper maakt om te draaien dan de totale omvang doet vermoeden. De Mamba-Transformer-architectuur met multi-token voorspelling zorgt voor een generatie snelheid die ruim boven typische open modellen met vergelijkbare capaciteit ligt. Het is geschikt voor teams die multi-agent pipelines, workflows met lange documenten of grootschalige automatisering bouwen en open gewichten willen die ze daadwerkelijk op hun eigen hardware kunnen inzetten.

Bekend om

Contextvenster van 1 miljoen tokens, gebouwd voor cross-document redeneren en multi-stap agenttaken
Slechts 12 miljard actieve parameters tijdens inferentie ondanks 120 miljard totaal — serieuze efficiëntiewinst
Multi-token voorspellingslagen leveren meer dan 50% snellere generatie dan vergelijkbare open modellen
Redeneringsmodus is aan- of uit te zetten via een enkele chat template-vlag
Gewichten, datasets en trainingsrecepten allemaal gepubliceerd onder de NVIDIA Nemotron Open Model License

Let op

Minimale hardwarevereiste is 2× H100-80GB GPU's — dit is geen lokaal consumentenmodel.
De NVIDIA Nemotron Open Model License is geen standaard open-source licentie; controleer de voorwaarden voor commerciële inzet.
Pre-trainingsdata stopt in juni 2025; post-training in februari 2026 — recente gebeurtenissen ontbreken.

Het beste voor

Agenten en toolgebruik

Prompts om te proberen

Multi-stap agentplan

Je bent een IT-automatiseringsagent. Een gebruiker meldt: hun VPN-client maakt verbinding, maar alle DNS-queries verlopen in time-out, alleen op het bedrijfsnetwerk, en alleen sinds een firmware-update van hun router gisteren. Diagnoseer de waarschijnlijke oorzaken in volgorde van waarschijnlijkheid, en schrijf vervolgens een stapsgewijs herstelplan dat een L1-technicus kan volgen zonder escalatie.

Cross-document redeneren

Hier zijn drie transcripties van kwartaalcijfers van hetzelfde bedrijf over 18 maanden. Identificeer alle vooruitzichten die in de eerste twee calls zijn gegeven, en beoordeel vervolgens of de resultaten van de derde call elke toezegging bevestigden, misten of overtroffen. Markeer eventuele vooruitzichten die stilzwijgend zijn geschrapt zonder uitleg.

Moeilijke programmeertaak

Schrijf een Python-functie die een willekeurig JSON-schema en een lijst van Python-dicts neemt, elk dict valideert tegen het schema, en twee lijsten retourneert: geldige records en ongeldige records met een per-veld foutmelding. Gebruik geen externe bibliotheken. Neem randgevallen voor geneste objecten en arrays mee in je tests.

Vergelijk met

Nemotron 3 Ultra
Model met open gewichten
262,144 token context · $0.60/M invoer, $2.40/M uitvoer
Nemotron 3.5 Lightning
Model met open gewichten
262,144 token context · $0.07/M invoer, $0.20/M uitvoer
NVIDIA Nemotron 3 Ultra 550B A55B
Model met open gewichten
262,144 token context · $0.50/M invoer, $2.20/M uitvoer
NVIDIA Nemotron 3 Super 120B A12B
Model met open gewichten
262,144 token context · $0.09/M invoer, $0.40/M uitvoer

Meer tekstmodellen van nvidia

Veelgestelde vragen

Kan ik Nemotron 3 Super lokaal draaien?: Ja, de gewichten zijn open en beschikbaar op Hugging Face onder de NVIDIA Nemotron Open Model License, maar de minimale vereiste is 2× H100-80GB GPU's, dus dit is een datacenter- of high-end workstation-implementatie, geen consumentenmachine.
Wat kost Nemotron 3 Super via API en hoe groot is het contextvenster?: De prijs is $0,08 per miljoen inputtokens en $0,45 per miljoen outputtokens; het contextvenster strekt zich uit tot 1 miljoen tokens.
Hoe verschilt Nemotron 3 Super van Nemotron Nano?: Het Super-model voegt Multi-Token Prediction-lagen toe voor snellere generatie en betere kwaliteit, en is getraind met NVFP4-quantisatie; het Nano-model bevat geen MTP en richt zich op kleinere implementatievoetafdrukken.

Oordeel van de kapitein
Een serieus open agentisch model — de efficiëntie van actieve parameters is echt, maar je hebt datacenterhardware nodig om dit te benutten.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

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.

Change colors / personalize / get code

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

Populariteitstrend van Nemotron 3 Super

Heat score sinds 11 Mar 2026

Heat score

8,885°

Deze week

▲

70.4%

8,815° toen, 8,885° nu

Deze maand

▲

1,018%

8,567° toen, 8,885° nu

Afgelopen jaar

n.v.t.

Nog niet uitgebracht/getrackt

7,000°

Basis

De schaal loopt van 0° tot 9.999°. Alles onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven. 7,000° is waar gemeten data begint: een model met echte data maar bijna geen downloads zit op de basis, en de metingen vullen de graden erboven. De basis zegt niets over het model; alleen de graden erboven doen dat, en die maken het verschil tussen modellen.

+1,575°

OpenRouter tokens

1,780,603,688,222 tokens heeft dit model in de afgelopen 30 dagen verwerkt via OpenRouter, prompts en antwoorden samen. Elke 10,000,000 tokens telt als één download in de downloadterm, in totaal 178,060; de tokens van de laatste dag tellen mee voor het adoptiecijfer. Bron: OpenRouter (openrouter.ai/rankings).

+310°

Adoptiesnelheid

Ongeveer 13,493 downloads per dag, gemeten tussen twee metingen van de bronnen, nooit geschat op een levenslange gemiddelde. Snelheid weegt een kwart van de downloadterm, zodat een verse piek zichtbaar is zonder dat een dagpiek jaren gebruik overstemt.

Toon gedetailleerde uitsplitsing

Elk getal op deze site is te controleren. De heat-score van dit model is 8,885°, en hier wordt die stap voor stap opgebouwd, met de tussentijdse totalen na elke stap: de basis, de graden die elke bron toevoegt, de bonus voor het type model en wat de leeftijd van de gewichten eraf haalt. De kleuren zijn de banden van de grafiek hierboven. De woordenlijst achteraan legt elke term uit.

1
Begin bij de basis.
Waarom 7,000° en niet nul: de schaal loopt van 0° tot 9.999°, en het deel onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven en nooit hoger staan dan een model met data. 7,000° is waar gemeten data begint. Een model met echte data maar bijna geen downloads zit hier; alles wat volgt is meting, en de ruimte boven de basis bevat tien stappen van tien keer zoveel downloads, elk 300° waard. De basis is voor elk model hetzelfde, dus die zegt niets; de graden erboven wel.
7,000°
lopende totaal
2
Voeg de downloads toe.
178,060 download-equivalenten in totaal, van OpenRouter tokens. Tien keer de downloads voegt dezelfde 300° toe, dus grootte telt mee maar bepaalt niet alles.
+1,575°
8,575°
lopende totaal
3
Voeg de adoptiesnelheid toe.
Ongeveer 13,493 downloads per dag op dit moment, gemeten tussen twee metingen, met een kwart van het gewicht.
+310°
8,885°
lopende totaal
=
De heat-score.
Waar dit model staat op elke lijst van deze site. Niets anders beïnvloedt dit.
8,885°

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Hoe de populariteit van dit model zich verhoudt tot de rest van de catalogus: de groei in downloads, likes en gebruik per periode, gemeten ten opzichte van de typische groei van modellen in dezelfde periode, met de heat score op dat moment. Boven de typische groei betekent stijging, eronder daling. Het verleden wordt herbouwd vanuit de huidige totalen, de eerste dag van het model en de gemeten downloadsnelheid als er twee metingen zijn; een model dat er aan het begin van een periode nog niet was, toont n.v.t.

Vergelijkbare modellen

GPT 4o mini (2024 07 18)

TEXT / LLM

UI TARS 7B

TEXT / LLM

AI-modellen voor het genereren van afbeeldingen, video en tekst

Nemotron 3 Super is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm nvidia redeneren agenten coderen lange context lokaal

Bladeren op modelfamilie