Kann ich Nemotron 3 Super lokal ausführen?

Ja, die Gewichte sind offen und auf Hugging Face unter der NVIDIA Nemotron Open Model License verfügbar, aber die Mindestanforderung sind 2× H100-80GB GPUs, daher ist dies eine Datenzentrum- oder High-End-Workstation-Installation, kein Consumer-Gerät.

Was kostet Nemotron 3 Super über die API und wie groß ist das Kontextfenster?

Die Preise betragen 0,08 $ pro Million Eingabetoken und 0,45 $ pro Million Ausgabetoken; das Kontextfenster umfasst 1 Million Token.

Worin unterscheidet sich Nemotron 3 Super vom Nemotron Nano?

Das Super-Modell fügt Mehrfach-Token-Vorhersage-Schichten für schnellere Generierung und bessere Qualität hinzu und wird mit NVFP4-Quantisierung trainiert; das Nano-Modell enthält kein MTP und zielt auf kleinere Einsatzbereiche ab.

▲

70.4%

diese Woche

Nemotron 3 Super

8885°

#llm #nvidia #logik #agenten #programmieren #langer kontext

Dieser Monat

Modell ausführen

Angebote / Werbung

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

NVIDIA | 262.144 Token Kontext | $0,08/M Eingabe, $0,45/M Ausgabe. NVIDIA Nemotron 3 Super ist ein 120 Milliarden Parameter offenes hybrides MoE-Modell, das nur 12 Milliarden Parameter für maximale Recheneffizienz und Genauigkeit in komplexen Multi-Agent-Anwendungen aktiviert. Basierend auf einer hybriden Mamba-Transformer Mixture-of-Experts-Architektur mit Multi-Token-Vorhersage (MTP) liefert es über 50 % höhere Token-Generierung im Vergleich zu führenden offenen Modellen. Das Modell verfügt über ein 1M Token Kontextfenster für langfristige Agenten-Kohärenz, dokumentübergreifendes Reasoning…NVIDIA | 262.144 Token Kontext | $0,08/M Eingabe, $0,45/M Ausgabe. NVIDIA Nemotron 3 Super ist ein 120 Milliarden Parameter offenes hybrides MoE-Modell, das nur 12 Milliarden Parameter für maximale Recheneffizienz und Genauigkeit in komplexen Multi-Agent-Anwendungen aktiviert. Basierend auf einer hybriden Mamba-Transformer Mixture-of-Experts-Architektur mit Multi-Token-Vorhersage (MTP) liefert es über 50 % höhere Token-Generierung im Vergleich zu führenden offenen Modellen. Das Modell verfügt über ein 1M Token Kontextfenster für langfristige Agenten-Kohärenz, dokumentübergreifendes Reasoning und mehrstufige Aufgabenplanung. Latentes MoE ermöglicht den Aufruf von 4 Experten zum Inferenzpreis von nur einem, was Intelligenz und Generalisierung verbessert. Multi-Environment RL-Training über mehr als 10 Umgebungen liefert führende Genauigkeit bei Benchmarks wie AIME 2025, TerminalBench und SWE-Bench Verified. Vollständig offen mit Gewichten, Datensätzen und Rezepten unter der NVIDIA Open License, ermöglicht Nemotron 3 Super einfache Anpassung und sichere Bereitstellung überall – vom Arbeitsplatz bis zur Cloud.

Anleitungen zu diesem Modell

Ollama vs LM Studio (2026): Welche lokale KI-App soll man nutzen und welche Top-Modelle laufen auf jeder?

Beste lokale LLM nach Anwendungsfall (Oktober 2026): Das richtige offene Modell für jede Aufgabe

Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst

Wie viel VRAM brauche ich eigentlich für lokale KI?

Wie man Ollama installiert und eine lokale KI betreibt (Windows, Mac, Linux)

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Nemotron 3 Super ist NVIDIAs hybrides MoE-Modell mit 120 Milliarden Parametern, bei dem während der Inferenz nur 12 Milliarden Parameter aktiv sind, was den Betrieb deutlich günstiger macht als die Gesamtgröße vermuten lässt. Seine Mamba-Transformer-Architektur mit Mehrfach-Token-Vorhersage steigert die Generierungsgeschwindigkeit weit über das Niveau vergleichbarer offener Modelle. Es eignet sich für Teams, die Multi-Agenten-Pipelines, Langdokument-Workflows oder volumenstarke Automatisierung aufbauen und offene Gewichte wünschen, die sie tatsächlich auf eigener Hardware einsetzen können.

Bekannt für

1-Million-Token-Kontextfenster für übergreifendes Dokumentenverständnis und mehrstufige Agentenaufgaben
Nur 12 Milliarden aktive Parameter bei der Inferenz trotz 120 Milliarden Gesamtparametern – erhebliche Effizienzsteigerung
Mehrfach-Token-Vorhersage-Schichten liefern über 50 % schnellere Generierung als vergleichbare offene Modelle
Der Reasoning-Modus lässt sich per einfachem Chat-Template-Flag ein- oder ausschalten
Gewichte, Datensätze und Trainingsrezepte sind alle unter der NVIDIA Nemotron Open Model License veröffentlicht

Achte auf

Mindesthardwareanforderung sind 2× H100-80GB GPUs – kein Modell für lokale Consumer-Nutzung.
Die NVIDIA Nemotron Open Model License ist keine Standard-Open-Source-Lizenz; prüfen Sie die Bedingungen vor kommerziellem Einsatz.
Vortrainingsdaten enden im Juni 2025; Post-Training im Februar 2026 – aktuelle Ereignisse fehlen.

Am besten für

Agenten und Werkzeugnutzung

Prompts zum Ausprobieren

Mehrstufiger Agentenplan

Du bist ein IT-Automatisierungsagent. Ein Nutzer meldet: Sein VPN-Client verbindet sich, aber alle DNS-Anfragen laufen ins Timeout, nur im Firmennetzwerk, und nur seit einem Firmware-Update seines Routers gestern. Diagnostiziere die wahrscheinlichsten Ursachen in Reihenfolge der Wahrscheinlichkeit und schreibe dann einen Schritt-für-Schritt-Plan zur Behebung, den ein L1-Techniker ohne Eskalation befolgen kann.

Übergreifendes Dokumentenverständnis

Hier sind drei Transkripte von Quartalskonferenzgesprächen desselben Unternehmens über 18 Monate. Identifiziere alle Prognosen in den ersten beiden Calls und beurteile, ob die Ergebnisse des dritten Calls jede Zusage bestätigt, verfehlt oder übertroffen haben. Markiere Prognosen, die ohne Erklärung stillschweigend fallengelassen wurden.

Komplexe Programmieraufgabe

Schreibe eine Python-Funktion, die ein beliebiges JSON-Schema und eine Liste von Python-Dictionaries entgegennimmt, jedes Dictionary gegen das Schema validiert und zwei Listen zurückgibt: gültige Datensätze und ungültige Datensätze mit feldspezifischen Fehlermeldungen. Verwende keine Drittanbieter-Bibliotheken. Beziehe in deine Tests Randfälle für verschachtelte Objekte und Arrays ein.

Vergleichen mit

Nemotron 3 Ultra
Modell mit offenen Gewichten
262,144 Token Kontext · $0.60/M Eingabe, $2.40/M Ausgabe
Nemotron 3.5 Lightning
Modell mit offenen Gewichten
262,144 Token Kontext · $0.07/M Eingabe, $0.20/M Ausgabe
NVIDIA Nemotron 3 Ultra 550B A55B
Modell mit offenen Gewichten
262,144 Token Kontext · $0.50/M Eingabe, $2.20/M Ausgabe
NVIDIA Nemotron 3 Super 120B A12B
Modell mit offenen Gewichten
262,144 Token Kontext · $0.09/M Eingabe, $0.40/M Ausgabe

Mehr Textmodelle von nvidia

Häufig gestellte Fragen

Kann ich Nemotron 3 Super lokal ausführen?: Ja, die Gewichte sind offen und auf Hugging Face unter der NVIDIA Nemotron Open Model License verfügbar, aber die Mindestanforderung sind 2× H100-80GB GPUs, daher ist dies eine Datenzentrum- oder High-End-Workstation-Installation, kein Consumer-Gerät.
Was kostet Nemotron 3 Super über die API und wie groß ist das Kontextfenster?: Die Preise betragen 0,08 $ pro Million Eingabetoken und 0,45 $ pro Million Ausgabetoken; das Kontextfenster umfasst 1 Million Token.
Worin unterscheidet sich Nemotron 3 Super vom Nemotron Nano?: Das Super-Modell fügt Mehrfach-Token-Vorhersage-Schichten für schnellere Generierung und bessere Qualität hinzu und wird mit NVFP4-Quantisierung trainiert; das Nano-Modell enthält kein MTP und zielt auf kleinere Einsatzbereiche ab.

Captain's Urteil
Ein ernstzunehmendes offenes agentisches Modell – die Effizienz durch aktive Parameter ist real, aber man benötigt Datenzentrumshardware, um sie zu nutzen.

Model Card auf Hugging Face

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

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

Beliebtheitstrend von Nemotron 3 Super

Heat-Score seit 11 Mar 2026

Heat-Score

8,885°

Diese Woche

▲

70.4%

8,815° damals, 8,885° jetzt

Diesen Monat

▲

1,018%

8,567° damals, 8,885° jetzt

Vergangenes Jahr

n/a

Noch nicht veröffentlicht/erfasst

7,000°

Grundwert

Die Skala reicht von 0° bis 9.999°. Alles unterhalb von 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben. 7,000° ist der Punkt, an dem gemessene Daten beginnen: Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt auf dem Grundwert, und die Messungen füllen die Grade darüber. Der Grundwert sagt nichts über das Modell aus; nur die Grade darüber tun das und trennen ein Modell vom anderen.

+1,575°

OpenRouter Tokens

1,780,603,688,222 Tokens hat dieses Modell in den letzten 30 Tagen über OpenRouter verarbeitet, Eingaben und Antworten zusammen. Je 10,000,000 Tokens zählen als ein Download im Download-Zeitraum, insgesamt 178,060; die Tokens des letzten Tages fließen in die Adoptionsrate ein. Quelle: OpenRouter (openrouter.ai/rankings).

+310°

Verbreitungsrate

Etwa 13,493 Downloads pro Tag, gemessen zwischen zwei Abfragen der Quellen, nie geschätzt aus einem Durchschnitt über die gesamte Lebenszeit. Die Geschwindigkeit zählt ein Viertel des Download-Werts, sodass ein frischer Anstieg sichtbar wird, ohne dass ein eintägiger Spitzenwert jahrelange Nutzung übertrumpft.

Detaillierte Aufschlüsselung anzeigen

Jede Zahl auf dieser Seite kann überprüft werden. Der Heat-Score dieses Modells beträgt 8,885°, und hier wird er Schritt für Schritt aufgebaut, mit dem laufenden Gesamtwert nach jedem Schritt: der Grundwert, die Grad, die jede Quelle hinzufügt, der Bonus für die Art des Modells und was das Alter seiner Gewichte abzieht. Die Farben entsprechen den Bereichen der obigen Grafik. Das Glossar am Ende erklärt jeden Begriff.

1
Starte beim Grundwert.
Warum 7,000° und nicht null: Die Skala reicht von 0° bis 9.999°, und der Bereich unter 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben und niemals über einem Modell mit Daten stehen. 7,000° ist der Punkt, an dem gemessene Daten beginnen. Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt hier; alles, was folgt, ist Messung, und der Bereich über dem Grundwert enthält zehn zehnfache Schritte bei Downloads zu je 300°. Der Grundwert ist für jedes Modell gleich, er entscheidet also nichts; die Grade darüber tun das.
7,000°
laufende Summe
2
Füge die Downloads hinzu.
178,060 Download-Äquivalente insgesamt, von OpenRouter Tokens. Zehnmal die Downloads ergeben denselben 300°, also zählt die Größe, aber sie dominiert die Bewertung nie.
+1,575°
8,575°
laufende Summe
3
Füge die Verbreitungsrate hinzu.
Momentan etwa 13,493 Downloads pro Tag, gemessen zwischen zwei Messungen, mit einem Viertel der Gewichtung.
+310°
8,885°
laufende Summe
=
Der Heat-Score.
Wo dieses Modell auf jeder Liste dieser Seite steht. Nichts anderes beeinflusst ihn.
8,885°

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Wie sich die Beliebtheit dieses Modells im Vergleich zum Rest des Katalogs entwickelt hat: sein Wachstum bei Downloads, Likes und Nutzung in jedem Zeitraum, gemessen am typischen Wachstum eines Modells im gleichen Zeitraum, mit dem Heat-Score zu diesem Zeitpunkt. Über dem typischen Wachstum bedeutet ein Anstieg, darunter ein Rückgang. Die Vergangenheit wird aus den heutigen Gesamtzahlen, dem ersten Tag des Modells und seiner gemessenen Download-Geschwindigkeit rekonstruiert, wenn zwei Messungen vorliegen; ein Modell, das zu Beginn eines Zeitraums nicht existierte, zeigt n/a an.

Ähnliche Modelle

L3.3 70B Euryale v2.3

TEXT / LLM

Gemma 3 4B

TEXT / LLM

KI-Modelle für Bild-, Video- und Texterzeugung

Nemotron 3 Super ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm nvidia logik agenten programmieren langer kontext lokal

Nach Modellfamilie stöbern