Zijn de gewichten open en kan ik dit lokaal draaien?

Ja, de BF16-gewichten staan op Hugging Face onder de OpenMDW License v1.1 en zijn vrij voor commercieel gebruik. Een enkele H100 80GB of A100 80GB kan het aan, hoewel voor consumentenhardware de NVFP4- of GGUF-varianten worden aanbevolen.

Wat kost het en hoe groot is het contextvenster?

Via API kost het $0,07 per miljoen inputtokens en $0,20 per miljoen outputtokens. Context is 256K tokens op een enkele H100; de architectuur ondersteunt tot 1M tokens op multi-GPU Blackwell setups.

Hoe verschilt deze BF16-release van de NVFP4-release?

De BF16-release is de full-precision referentie-checkpoint, bedoeld voor post-training werk zoals SFT, RL, distillatie en het maken van je eigen gekwantiseerde varianten. De NVFP4-release is de door NVIDIA aanbevolen variant voor geoptimaliseerde inferentie en lage-latentie implementatie.

▲

59.6%

deze week

Nemotron 3.5 Lightning

8980°

#llm #nvidia #redeneren #agenten #lokaal #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 | $0,07/M input, $0,20/M output. NVIDIA Nemotron 3.5 Lightning is een open mixture-of-experts model van NVIDIA, met 3 miljard actieve parameters van in totaal 30 miljard. Het is geschikt voor agentische workloads met hoge doorvoer en gespecialiseerde taken die profiteren van domeinspecifieke aanpassing.

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

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

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

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

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Nemotron 3.5 Lightning is een 30 miljard mixture-of-experts model van NVIDIA met slechts 3 miljard actieve parameters tijdens inferentie, gebouwd op een hybride Mamba-2, MoE en Attention architectuur. De BF16-release hier is de referentie-checkpoint — het juiste startpunt voor fine-tuning, distillatie of het bouwen van je eigen gekwantiseerde varianten, niet de snelste weg naar productie. Open gewichten, commercieel gebruik toegestaan, en een context van 256K tokens op een enkele H100.

Bekend om

MoE-efficiëntie: 30 miljard totale parameters, slechts 3 miljard actief per forward pass
Hybride architectuur die Mamba-2, MoE-lagen en Attention mengt
Configureerbare redeneermodus — schakel denken aan of uit tijdens inferentie
Ontworpen als basis voor fine-tuning en distillatie, niet alleen als chat-endpoint
Ondersteunt zes talen waaronder Engels, Spaans, Frans, Duits, Italiaans, Japans

Let op

Deze BF16-release is bedoeld voor aanpassingswerk; voor lage-latentie serving verwijst NVIDIA naar de NVFP4-variant.
Single H100-implementatie is gevalideerd tot 256K tokens; 1M tokens bereiken vereist multi-GPU of Blackwell-hardware.
Gewichten zijn open maar onder de OpenMDW License Agreement v1.1 — geen standaard Apache of MIT-licentie; controleer de voorwaarden.

Het beste voor

Agenten en toolgebruik

Prompts om te proberen

Redeneren aan/uit bij een probleem

Je lost een logistiek probleem op. Een magazijn verzendt bestellingen in batches van 12. Het heeft 500 eenheden van product A en ontvangt dagelijks 75 nieuwe bestellingen. Elke bestelling vraagt om 3 eenheden. Hoeveel volle dagen duurt het voordat de voorraad op is, en op welke dag wordt de laatste complete batch verzonden? Toon je redenering stap voor stap.

Voorbereiding domein-fine-tune

Ik bereid een dataset voor supervised fine-tuning voor een assistent die juridische documenten beoordeelt. Schrijf 5 hoogwaardige instructie-antwoordparen waarbij de instructie het model vraagt een specifiek clausuletype in een contractfragment te identificeren, en het antwoord de clausule identificeert, de relevante tekst citeert en de betekenis in gewone taal uitlegt.

Agentische taakdecompositie

Je bent een agent met toegang tot een webzoektool, een code-uitvoeringstool en een bestandsschrijftool. Een gebruiker wil een wekelijkse rapportage over concurrentieprijzen voor drie SaaS-producten. Breek dit op in een concrete reeks tool-aanroepen en subtaken, specificeer wat elke aanroep ophaalt of berekent en hoe de outputs in het eindrapport worden verwerkt.

Vergelijk met

Nemotron 3 Ultra
Model met open gewichten
262,144 token context · $0.60/M invoer, $2.40/M uitvoer
Nemotron 3 Super
Model met open gewichten
262,144 token context · $0.08/M invoer, $0.45/M uitvoer
NVIDIA Nemotron 3 Ultra 550B A55B
Model met open gewichten
262,144 token context · $0.50/M invoer, $2.20/M uitvoer
Nemotron 3.5 Content Safety
Model met open gewichten
131,072 token context · $0.20/M invoer, $0.20/M uitvoer

Meer tekstmodellen van nvidia

Veelgestelde vragen

Zijn de gewichten open en kan ik dit lokaal draaien?: Ja, de BF16-gewichten staan op Hugging Face onder de OpenMDW License v1.1 en zijn vrij voor commercieel gebruik. Een enkele H100 80GB of A100 80GB kan het aan, hoewel voor consumentenhardware de NVFP4- of GGUF-varianten worden aanbevolen.
Wat kost het en hoe groot is het contextvenster?: Via API kost het $0,07 per miljoen inputtokens en $0,20 per miljoen outputtokens. Context is 256K tokens op een enkele H100; de architectuur ondersteunt tot 1M tokens op multi-GPU Blackwell setups.
Hoe verschilt deze BF16-release van de NVFP4-release?: De BF16-release is de full-precision referentie-checkpoint, bedoeld voor post-training werk zoals SFT, RL, distillatie en het maken van je eigen gekwantiseerde varianten. De NVFP4-release is de door NVIDIA aanbevolen variant voor geoptimaliseerde inferentie en lage-latentie implementatie.

Oordeel van de kapitein
Een serieuze basis voor fine-tuning met een slimme MoE-architectuur — gebruik het als je wilt aanpassen, niet als je alleen een chat-endpoint nodig hebt.

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: #54 Hottest AI model · #29 Hottest Text / LLM model · #29 Hottest Text / LLM text model

Not this creator?

Get your own badge

Populariteitstrend van Nemotron 3.5 Lightning

Heat score sinds 11 Aug 2026

Heat score

8,980°

Deze week

▲

59.6%

8,919° toen, 8,980° nu

Deze maand

▲

1,084%

8,655° toen, 8,980° 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.

+1,656°

OpenRouter tokens

3,296,276,417,858 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 329,627; de tokens van de laatste dag tellen mee voor het adoptiecijfer. Bron: OpenRouter (openrouter.ai/rankings).

+324°

Adoptiesnelheid

Ongeveer 21,182 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 8,980°, 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.
329,627 download-equivalenten in totaal, van OpenRouter tokens. Tien keer de downloads voegt dezelfde 300° toe, dus grootte telt mee maar bepaalt niet alles.
+1,656°
8,656°
lopende totaal
3
Voeg de adoptiesnelheid toe.
Ongeveer 21,182 downloads per dag op dit moment, gemeten tussen twee metingen, met een kwart van het gewicht.
+324°
8,980°
lopende totaal
=
De heat-score.
Waar dit model staat op elke lijst van deze site. Niets anders beïnvloedt dit.
8,980°

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

Qwen3 VL 30B A3B Thinking

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

Nemotron 3.5 Lightning 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 lokaal lange context meertalig

Bladeren op modelfamilie