Bisakah saya menjalankan Nemotron Ultra secara lokal?

Tidak. NVIDIA belum merilis bobot terbuka untuk model ini, jadi hanya tersedia lewat API dan tidak bisa diunduh atau di-host sendiri.

Berapa biaya dan berapa besar jendela konteksnya?

Harga $0,50 per juta token input dan $2,20 per juta token output, dengan jendela konteks 262.144 token; NVIDIA juga mengklaim dukungan hingga 1 juta token.

NVIDIA Nemotron 3 Ultra 550B A55B

6413°

#llm #nvidia #penalaran #agen #pemrograman #riset

Buka DeepInfra

nvidia | konteks 262.144 token | $0.50/M input, $2.20/M output. Nemotron 3 Ultra dibuat untuk penalaran terdepan, orkestrasi, agen pengkodean, riset mendalam, dan alur kerja perusahaan yang kompleks. Memberikan inferensi hingga 5x lebih cepat dan biaya hingga 30% lebih rendah untuk beban kerja agen sambil mendukung konteks hingga 1 juta token.

Panduan untuk model ini

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Nemotron Ultra adalah model mixture-of-experts frontier dari NVIDIA yang ditujukan untuk beban kerja agen dan perusahaan: orkestrasi, riset mendalam, pipeline pengkodean kompleks. NVIDIA mengklaim inferensi hingga 5x lebih cepat dan biaya hingga 30% lebih rendah dibandingkan tugas agen setara, yang penting saat menjalankan loop agen multi-langkah daripada kueri tunggal. Model ini tertutup dan hanya tersedia lewat API, jadi Anda menyewa komputasi, bukan mengunduh bobot.

Dikenal untuk

Dibangun khusus untuk alur kerja agen multi-langkah dan tugas orkestrasi.
Kedalaman penalaran frontier cocok untuk riset kompleks dan pipeline perusahaan.
Jendela konteks 262.144 token dengan klaim dukungan hingga 1 juta token.
Harga output kompetitif $2,20/M token untuk model di tingkat kemampuan ini.
Arsitektur mixture-of-experts memberikan inferensi lebih cepat dibandingkan model dense setara.

Waspadai

Bobot tertutup, hanya API: tidak bisa deploy lokal, tidak bisa fine-tune di perangkat sendiri.
Token output $2,20/M cepat menumpuk dalam loop agen panjang yang menghasilkan jejak penalaran verbose.
NVIDIA belum mempublikasikan kartu model di sini, jadi verifikasi benchmark independen minim.

Terbaik untuk

Agen dan penggunaan alat

Prompt untuk dicoba

Agen riset multi-langkah

Anda adalah agen riset. Startup fintech ingin masuk pasar Brasil. Pecah masalah menjadi sub-tugas, identifikasi informasi yang perlu dikumpulkan di setiap langkah, tandai risiko regulasi dan kompetitif utama, dan buat rencana aksi terstruktur dengan ketergantungan antar langkah yang jelas.

Rencana refaktor kode kompleks

Saya punya monolit Python sekitar 40.000 baris yang mencampur akses database, logika bisnis, dan handler API dalam file yang sama. Rencanakan strategi refaktor bertahap: identifikasi urutan ekstraksi paling aman, tandai titik kopling risiko tertinggi, dan tulis langkah konkret fase satu termasuk kerangka uji yang harus saya siapkan dulu.

Penalaran mendalam: teka-teki kendala

Perusahaan logistik punya 6 gudang, 4 tipe truk dengan kapasitas dan biaya bahan bakar berbeda, 12 zona pengiriman dengan jendela waktu, dan aturan bahwa sopir tidak boleh bekerja lebih dari 9 jam. Jelaskan penalaran untuk menentukan jumlah truk minimum yang dibutuhkan pada hari tertentu, tunjukkan analisis kendala langkah demi langkah, dan identifikasi kendala mana yang mengikat.

Bandingkan dengan

Nemotron 3 Ultra
Model dengan bobot terbuka
konteks 262,144 token · $0.60/M input, $2.40/M output
Nemotron 3.5 Lightning
Model dengan bobot terbuka
konteks 262,144 token · $0.07/M input, $0.20/M output
Nemotron 3 Super
Model dengan bobot terbuka
konteks 262,144 token · $0.08/M input, $0.45/M output
NVIDIA Nemotron 3 Super 120B A12B
Model dengan bobot terbuka
konteks 262,144 token · $0.09/M input, $0.40/M output

Model teks lain dari nvidia

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Nemotron Ultra secara lokal?: Tidak. NVIDIA belum merilis bobot terbuka untuk model ini, jadi hanya tersedia lewat API dan tidak bisa diunduh atau di-host sendiri.
Berapa biaya dan berapa besar jendela konteksnya?: Harga $0,50 per juta token input dan $2,20 per juta token output, dengan jendela konteks 262.144 token; NVIDIA juga mengklaim dukungan hingga 1 juta token.
Apa bedanya dengan model frontier dense standar?: Nemotron Ultra menggunakan arsitektur mixture-of-experts, yang menurut NVIDIA memberikan inferensi hingga 5x lebih cepat dan biaya hingga 30% lebih rendah khusus untuk beban kerja agen dibandingkan model dense dengan tingkat kemampuan serupa.

Putusan Kapten
Model agen serius dari NVIDIA dengan harga yang benar-benar kompetitif untuk pipeline multi-langkah panjang, hanya dibatasi oleh sifatnya yang tertutup dan hanya API.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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: #82 Hottest Text / LLM text model

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Cara memasang

Cara Menginstal Ollama dan Menjalankan AI Lokal (Windows, Mac, Linux)

Model Serupa

Gemini 3 Flash Preview

TEXT / LLM

Llama 3.2 3B Instruct

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

NVIDIA Nemotron 3 Ultra 550B A55B adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm nvidia penalaran agen pemrograman riset konteks panjang

Jelajahi berdasarkan Keluarga Model