Puis-je exécuter Nemotron 3.5 Lightning localement ?

Non. Les poids ne sont pas publics, vous ne pouvez y accéder que via l’API de NVIDIA.

Quel est le coût et quelle est la taille du contexte ?

Le coût est de 0,06 $ par million de tokens d’entrée et 0,16 $ par million de tokens de sortie, avec une fenêtre de contexte de 262 144 tokens.

En quoi diffère-t-il de Nemotron 3 Nano ?

NVIDIA positionne Lightning comme une amélioration substantielle des capacités agentiques par rapport à Nano, avec un débit jusqu’à 4 fois supérieur sur une charge de travail avec contexte d’un million de tokens.

NVIDIA Nemotron 3.5 Lightning

2365°

#llm #nvidia #raisonnement #agents #rapide #contexte long

Ouvrir DeepInfra

nvidia | contexte de 262 144 tokens | 0,06 $/M entrée, 0,16 $/M sortie. NVIDIA Nemotron 3.5 Lightning est le modèle ouvert le plus rapide de NVIDIA pour les agents toujours actifs et les tâches spécialisées à volume élevé. Il offre un saut substantiel en capacité agentique par rapport à son prédécesseur Nemotron 3 Nano, avec un débit jusqu'à 4 fois supérieur sur un contexte de 1M tokens.

Guides pour ce modèle

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

NVIDIA Nemotron 3.5 Lightning est le modèle le plus rapide de la gamme Nemotron de NVIDIA, conçu pour des agents toujours actifs et des charges de travail à haut volume où le débit prime sur la capacité brute. Il offre un contexte de 262 144 tokens à un prix par token faible, avec des gains de débit revendiqués par rapport à son prédécesseur Nemotron 3 Nano. Si vous déployez des agents à grande échelle et avez besoin de rapidité sans une facture de modèle de pointe, c’est la version à considérer.

Connu pour

Débit le plus élevé de la famille Nemotron, jusqu’à 4 fois plus rapide que Nemotron 3 Nano sur de longs contextes
Fenêtre de contexte de 262 144 tokens pour les documents longs et les sessions d’agent étendues
Prix bas : 0,06 $ par million de tokens d’entrée, 0,16 $ par million de tokens de sortie
Conçu spécifiquement pour les pipelines agentiques et les tâches spécialisées à haut volume
Classé comme modèle de raisonnement malgré sa priorité à la vitesse

Attention à

Les poids ne sont pas ouverts ; vous l’utilisez uniquement via API, pas de déploiement local.
Les modèles optimisés pour la vitesse sacrifient un peu de capacité pour le débit — vérifiez la qualité sur votre tâche avant un engagement à grande échelle.
NVIDIA n’a pas publié de fiche technique, donc les détails d’architecture et les conditions de licence ne sont pas disponibles.

Idéal pour

Agents et utilisation d'outils

Rapide

Contexte long

Budget

Prompts à essayer

Plan d’agent multi-étapes

Vous êtes un agent autonome. Un utilisateur souhaite rechercher des concurrents pour un outil de tarification SaaS B2B, rédiger un rapport résumé, et planifier une réunion de suivi. Décomposez cela en une séquence d’appels d’outils et de sous-tâches distinctes, identifiez les données nécessaires à chaque étape, et signalez toute étape nécessitant une approbation humaine avant de continuer.

Extraction de données à haut volume

Extrayez toutes les entreprises nommées, leurs chiffres d’affaires déclarés, et l’année à laquelle chaque chiffre se réfère à partir de la transcription suivante d’une conférence sur les résultats. Retournez les résultats sous forme d’un tableau JSON avec les clés : company, revenue, currency, year. Si une valeur n’est pas indiquée, utilisez null. Transcription : [collez la transcription ici]

Raisonnement sur document long

Je colle ci-dessous un document de spécifications produit de 200 pages. Identifiez les trois exigences techniques les plus risquées, expliquez pourquoi chacune est risquée, et suggérez une mitigation par risque. Limitez chaque réponse à trois phrases. Document : [collez le document ici]

Comparer avec

Nemotron 3 Ultra
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.60/M, sortie $2.40/M
Nemotron 3.5 Lightning
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.07/M, sortie $0.20/M
Nemotron 3 Super
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.08/M, sortie $0.45/M
NVIDIA Nemotron 3 Ultra 550B A55B
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.50/M, sortie $2.20/M

Plus de modèles de texte de nvidia

Questions fréquentes

Puis-je exécuter Nemotron 3.5 Lightning localement ?: Non. Les poids ne sont pas publics, vous ne pouvez y accéder que via l’API de NVIDIA.
Quel est le coût et quelle est la taille du contexte ?: Le coût est de 0,06 $ par million de tokens d’entrée et 0,16 $ par million de tokens de sortie, avec une fenêtre de contexte de 262 144 tokens.
En quoi diffère-t-il de Nemotron 3 Nano ?: NVIDIA positionne Lightning comme une amélioration substantielle des capacités agentiques par rapport à Nano, avec un débit jusqu’à 4 fois supérieur sur une charge de travail avec contexte d’un million de tokens.

Verdict du capitaine
Un modèle API rapide et économique conçu pour les pipelines agentiques à grande échelle — utile si le débit est votre goulot d’étranglement et que le déploiement local n’est pas requis.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

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

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Comment installer

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Modèles similaires

Llama 3.2 3B Instruct

Modèles d'IA pour générer image, vidéo et texte

NVIDIA Nemotron 3.5 Lightning est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm nvidia raisonnement agents rapide contexte long budget

Parcourir par famille de modèles