Czy mogę uruchomić Nemotron 3 Nano 30B A3B lokalnie?

Tak — wagi są w pełni otwarte i dostępne na Hugging Face na licencji NVIDIA Nemotron Open Model License. Przy 30 miliardach parametrów łącznie potrzebujesz sporej ilości VRAM do inferencji w pełnej precyzji, choć architektura MoE oznacza, że na token aktywowanych jest tylko 3,5 miliarda parametrów.

Ile kosztuje użycie przez API i jaki jest limit kontekstu?

NVIDIA podaje 0,06 USD za milion tokenów wejściowych i 0,24 USD za milion tokenów wyjściowych, z oknem kontekstowym 262 144 tokenów.

Jak to się ma do Qwen3-30B-A3B?

Oba modele mają tę samą liczbę aktywnych parametrów i skalę MoE. Nemotron przoduje w zadaniach agentowych (SWE-Bench, BFCL, średnia Arena-Hard) i matematyce formalnej (MiniF2F); Qwen3-30B-A3B lepszy jest w wyszukiwaniu długiego kontekstu (AA-LCR) i wiedzy ogólnej (MMLU-Pro). Nemotron dostarcza też otwarte dane treningowe i przepisy, czego Qwen3 nie oferuje.

Nemotron 3 Nano 30B A3B

3117°

#llm #nvidia #rozumowanie #agenci #kodowanie #lokalny

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

NVIDIA | 262,144 tokenów kontekstu | $0.06/M wejście, $0.24/M wyjście. NVIDIA Nemotron 3 Nano 30B A3B to mały model językowy MoE o najwyższej efektywności obliczeniowej i dokładności, przeznaczony dla deweloperów do budowy wyspecjalizowanych systemów AI agentowych. Model jest w pełni otwarty z otwartymi wagami, zestawami danych i przepisami, dzięki czemu deweloperzy mogą łatwo dostosowywać, optymalizować i wdrażać model na swojej infrastrukturze dla maksymalnej prywatności i bezpieczeństwa.

Poradniki do tego modelu

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Otwarte wagi vs otwarte źródła vs tylko API: co naprawdę możesz robić

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Nemotron 3 Nano 30B A3B to model Mixture-of-Experts od NVIDIA, który aktywuje tylko 3,5 miliarda parametrów na token, korzystając z 30 miliardów łącznie, co czyni go wyjątkowo efektywnym w swojej klasie. Został stworzony specjalnie do przepływów agentowych i wspiera przełączalne ślady rozumowania. Wagi, zestawy danych i przepisy treningowe są w pełni otwarte, więc możesz go dostroić i hostować samodzielnie bez konieczności uzyskiwania zgody.

Znany z

Przełączalne łańcuchy myślenia: ślady rozumowania włączane lub wyłączane na żądanie.
Silne wyniki w benchmarkach agentowych, w tym SWE-Bench i BFCL w wywoływaniu funkcji.
Architektura MoE aktywuje tylko 3,5B z 30B parametrów na token, co obniża koszt obliczeniowy.
Okno kontekstowe 262 tys. tokenów z solidnymi wynikami w RULER retrieval.
W pełni otwarty: wagi, dane i przepisy treningowe opublikowane.

Uważaj na

Regulowany przez NVIDIA Nemotron Open Model License, nie jest to licencja Apache czy MIT — przeczytaj ją przed wdrożeniem.
Długie wyszukiwanie kontekstowe (AA-LCR) jest zauważalnie słabsze niż w Qwen3-30B-A3B; nie polegaj na nim w zadaniach wymagających głębokiego przeszukiwania.
30 miliardów parametrów łącznie oznacza, że do lokalnego uruchomienia w pełnej precyzji potrzebujesz sporej ilości VRAM.

Najlepszy do

Agenci i użycie narzędzi

Podpowiedzi do wypróbowania

Debugowanie narzędzia agenta

Mam agenta w Pythonie, który wywołuje API pogodowe, a następnie zapisuje podsumowanie do pliku. Cicho zawodzi, gdy API zwraca 429. Przeprowadź mnie przez dodanie logiki ponawiania z wykładniczym opóźnieniem, obsługę błędu limitu zapytań i logowanie błędów bez przerywania pętli agenta. Pokaż poprawiony kod.

Sprawdzenie trudnego dowodu matematycznego

Udowodnij, że dla każdej liczby całkowitej n większej niż 1, n^5 - n jest podzielne przez 30. Pokaż każdy krok rozumowania, wskaż, które czynniki pierwsze rozpatrujesz osobno i potwierdź wynik dla n = 2, 3 i 6 jako kontrolę poprawności.

Planowanie wieloetapowego zadania badawczego

Jesteś agentem z dostępem do narzędzia wyszukiwania w sieci i narzędzia wykonującego kod. Nakreśl krok po kroku plan, jak ustalić, który z pięciu największych modeli językowych z otwartymi wagami wydanych w 2025 roku ma najniższy koszt na użyteczny token wyjściowy w zadaniach kodowania. Określ, co robi każde wywołanie narzędzia i jakie decyzje są podejmowane między krokami.

Porównaj z

Nemotron 3 Ultra
Model z otwartymi wagami
Kontekst 262,144 tokenów · $0.60/M wejście, $2.40/M wyjście
Nemotron 3.5 Lightning
Model z otwartymi wagami
Kontekst 262,144 tokenów · $0.07/M wejście, $0.20/M wyjście
Nemotron 3 Super
Model z otwartymi wagami
Kontekst 262,144 tokenów · $0.08/M wejście, $0.45/M wyjście
NVIDIA Nemotron 3 Ultra 550B A55B
Model z otwartymi wagami
Kontekst 262,144 tokenów · $0.50/M wejście, $2.20/M wyjście

Więcej modeli tekstowych od nvidia

Pytania, które ludzie zadają

Czy mogę uruchomić Nemotron 3 Nano 30B A3B lokalnie?: Tak — wagi są w pełni otwarte i dostępne na Hugging Face na licencji NVIDIA Nemotron Open Model License. Przy 30 miliardach parametrów łącznie potrzebujesz sporej ilości VRAM do inferencji w pełnej precyzji, choć architektura MoE oznacza, że na token aktywowanych jest tylko 3,5 miliarda parametrów.
Ile kosztuje użycie przez API i jaki jest limit kontekstu?: NVIDIA podaje 0,06 USD za milion tokenów wejściowych i 0,24 USD za milion tokenów wyjściowych, z oknem kontekstowym 262 144 tokenów.
Jak to się ma do Qwen3-30B-A3B?: Oba modele mają tę samą liczbę aktywnych parametrów i skalę MoE. Nemotron przoduje w zadaniach agentowych (SWE-Bench, BFCL, średnia Arena-Hard) i matematyce formalnej (MiniF2F); Qwen3-30B-A3B lepszy jest w wyszukiwaniu długiego kontekstu (AA-LCR) i wiedzy ogólnej (MMLU-Pro). Nemotron dostarcza też otwarte dane treningowe i przepisy, czego Qwen3 nie oferuje.

Wyrok kapitana
Naprawdę otwarty, agentocentryczny MoE, który przewyższa swoją wagę aktywnych parametrów — warto rozważyć, jeśli samodzielnie hostujesz pipeline’y rozumowania.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Jak ten wynik się sumuje

Ten model nie ma jeszcze danych o popularności z żadnego źródła, więc ma zastępczą wartość poniżej 7,000°, która pozwala utrzymać kompletność list. Nigdy nie zajmuje wyższej pozycji niż model z danymi. Szczegóły pojawią się tutaj, gdy tylko jakieś źródło je zgłosi.

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Podobne modele

Modele AI do generowania obrazów, wideo i tekstu

Nemotron 3 Nano 30B A3B to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm nvidia rozumowanie agenci kodowanie lokalny długi kontekst

Przeglądaj według rodziny modeli

Modele Text / LLM

434