Kann ich Nemotron Super 120B lokal ausführen?

Nein. NVIDIA hat für dieses Modell keine offenen Gewichte veröffentlicht, es ist nur per API zugänglich und kann nicht selbst gehostet werden.

Was kostet es und wie lang ist der Kontext?

Die Preise betragen 0,09 $ pro Million Eingabe-Tokens und 0,40 $ pro Million Ausgabe-Tokens, mit einem Kontextfenster von 262.144 Tokens.

Worin unterscheidet sich dieses Modell von einem standardmäßigen 120B-Dense-Modell?

Die MoE-Architektur bedeutet, dass pro Inferenzschritt nur etwa 12 Milliarden Parameter aktiv sind, was den Betrieb bei großer Skalierung deutlich günstiger macht und mehr gleichzeitige Agenteninstanzen auf einer GPU erlaubt als ein dichtes Modell gleicher nominaler Größe.

NVIDIA Nemotron 3 Super 120B A12B

3130°

#llm #nvidia #logik #agenten #langer kontext #budget

DeepInfra öffnen

nvidia | 262.144 Token Kontext | $0,09/M Eingabe, $0,40/M Ausgabe. NVIDIA Nemotron 3 Super ist ein hybrides Mixture-of-Experts (MoE) Modell, das für höchste Recheneffizienz und Genauigkeit in Multi-Agenten-Anwendungen und spezialisierten agentischen Systemen entwickelt wurde. Es ist optimiert, um viele zusammenarbeitende Agenten pro Anwendung auf einer einzigen GPU auszuführen und liefert hohe Genauigkeit bei Schlussfolgerungen, Werkzeugnutzung und Befolgung von Anweisungen.

Anleitungen zu diesem Modell

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

Wie man im Oktober 2026 ein KI-Modell auswählt: Neuigkeiten zu Closed Source und dann die Open-Weights, die sich zum Download lohnen

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

NVIDIA Nemotron Super 120B A12B ist ein hybrides Mixture-of-Experts-Modell von NVIDIA, das speziell für Multi-Agent- und agentische Workloads entwickelt wurde. Seine MoE-Architektur aktiviert jeweils nur 12 Milliarden Parameter, sodass Sie viele Agenten parallel auf einer einzigen GPU ausführen können, ohne die Speicherkosten eines dichten 120B-Modells. Wenn Sie Tool-Calling-Pipelines oder Agentenschwärme orchestrieren, ist dies der Effizienzvorteil, den NVIDIA bietet.

Bekannt für

MoE-Design aktiviert pro Vorwärtsdurchlauf etwa 12 Milliarden Parameter und reduziert so den Rechenaufwand pro Agent.
Für Multi-Agent-Pipelines gebaut: Tool-Nutzung, Befolgung von Anweisungen und Agentenkoordination.
Kontextfenster von 262.144 Tokens bewältigt lange Aufgabenketten und große Dokumente.
Preislich deutlich unter den meisten Spitzenmodellen bei 0,09 $/M Eingabe und 0,40 $/M Ausgabe.

Achte auf

Gewichte sind nicht öffentlich; nur API-Zugang, keine Möglichkeit zum Selbsthosting oder zur Modellinspektion.
Agentische Anwendungsfälle können schnell viele Ausgabetokens verursachen – achten Sie auf die 0,40 $/M-Ausgabekosten bei langen Pipelines.
Keine veröffentlichten Modelldetails, daher keine unabhängige Benchmark-Verifikation möglich.

Am besten für

Agenten und Werkzeugnutzung

Logisches Denken

Langer Kontext

Budget

Prompts zum Ausprobieren

Mehrstufiger Tool-Nutzungsplan

Du koordinierst einen Forschungsagenten. Gegeben das Ziel: ‚Finde die drei meistzitierten Arbeiten zur Effizienz von Transformer-Attention, veröffentlicht nach 2022, und fasse ihre Hauptbeiträge zusammen‘, zerlege dies in einzelne Tool-Aufrufe (Websuche, Paper-Abruf, Zusammenfassung), gib Ein- und Ausgabe jedes Schritts an und markiere Schritte, bei denen ein Fallback nötig ist, falls das Tool keine Ergebnisse liefert.

Agenten-Übergabeprotokoll

Entwerfe ein Übergabenachrichtenformat für einen Kunden-Support-Agentenschwarm. Es gibt drei Agenten: Triage, Abrechnung und Technik. Schreibe das JSON-Schema für eine Übergabedatenstruktur und ein Beispiel für eine Übergabe von Triage an Abrechnung für einen Kunden, der zweimal für dasselbe Abo belastet wurde und mit Kündigung droht.

Langkontext-Instruktionskette

Hier ist ein 2.000 Wörter langes Produktanforderungsdokument. Lies es sorgfältig und erstelle: (1) eine nummerierte Liste aller expliziten Akzeptanzkriterien, (2) eine Liste widersprüchlicher Anforderungen und (3) drei klärende Fragen, die das Engineering-Team vor Arbeitsbeginn stellen sollte. [Füge dein PRD unter dieser Zeile 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
Nemotron 3 Super
Modell mit offenen Gewichten
262,144 Token Kontext · $0.08/M Eingabe, $0.45/M Ausgabe
NVIDIA Nemotron 3 Ultra 550B A55B
Modell mit offenen Gewichten
262,144 Token Kontext · $0.50/M Eingabe, $2.20/M Ausgabe

Mehr Textmodelle von nvidia

Häufig gestellte Fragen

Kann ich Nemotron Super 120B lokal ausführen?: Nein. NVIDIA hat für dieses Modell keine offenen Gewichte veröffentlicht, es ist nur per API zugänglich und kann nicht selbst gehostet werden.
Was kostet es und wie lang ist der Kontext?: Die Preise betragen 0,09 $ pro Million Eingabe-Tokens und 0,40 $ pro Million Ausgabe-Tokens, mit einem Kontextfenster von 262.144 Tokens.
Worin unterscheidet sich dieses Modell von einem standardmäßigen 120B-Dense-Modell?: Die MoE-Architektur bedeutet, dass pro Inferenzschritt nur etwa 12 Milliarden Parameter aktiv sind, was den Betrieb bei großer Skalierung deutlich günstiger macht und mehr gleichzeitige Agenteninstanzen auf einer GPU erlaubt als ein dichtes Modell gleicher nominaler Größe.

Captain's Urteil
Eine sinnvolle Wahl für Agenten-Pipeline-Arbeiten, bei denen langer Kontext und geringe Kosten pro Aufruf wichtig sind, aber Sie sind komplett an die NVIDIA-API gebunden.

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

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

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 man installiert

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

Ähnliche Modelle

KI-Modelle für Bild-, Video- und Texterzeugung

NVIDIA Nemotron 3 Super 120B A12B 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 langer kontext budget

Nach Modellfamilie stöbern