Pot rula Nemotron 3 Ultra local?

Da, greutățile sunt deschise și găzduite pe Hugging Face sub licența OpenMDW 1.1, dar cerința minimă este de 8× GB200 sau 16× H100 GPU-uri, deci implementarea locală înseamnă un rack serios de servere, nu un workstation.

Cât costă și cât de lung este contextul?

Prin API costă 0,60$ per milion tokeni de intrare și 2,40$ per milion tokeni de ieșire. Fereastra de context ajunge până la 1 milion de tokeni.

Cum diferă Nemotron 3 Ultra de alte modele mari MoE?

Arhitectura sa LatentMoE combină straturi Mamba-2 state-space cu MoE și Attention, plus adaugă Multi-Token Prediction pentru generare mai rapidă — o combinație pe care NVIDIA o spune optimizată special pentru fluxuri agentice cu throughput mare, nu pentru chat general.

▲

23.3%

săptămâna aceasta

Nemotron 3 Ultra

9290°

#llm #nvidia #raționament #agenți #programare #context lung

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

NVIDIA | context de 262.144 tokeni | $0.60/M input, $2.40/M output. NVIDIA Nemotron 3 Ultra este un model open frontier-reasoning și orchestration de la NVIDIA, cu 55B parametri activi din totalul de 550B (MoE). Construit pe o arhitectură hibrid Transformer-Mamba mixture-of-experts, suportă input și output text cu o fereastră de context de până la 1M tokeni. Este potrivit pentru fluxuri de lucru agentice de durată lungă, inclusiv orchestrarea agenților, agenți de codare, cercetare profundă și sarcini complexe enterprise. Este deosebit de puternic la raționament și planificare pe mai mulți pași, cu inferență de mare debit proiectată pentru pipeline-uri agentice de volum mare. Face parte din familia NVIDIA Nemotron de modele deschise pentru AI agentic.

Ghiduri pentru acest model

Cum să alegi un model AI în octombrie 2026: noutățile modelelor închise, apoi greutățile deschise care merită descărcate

Greutăți deschise vs open source vs doar API: ce ai voie să faci cu adevărat

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

Cum să instalezi Ollama și să rulezi un AI local (Windows, Mac, Linux)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

Nemotron 3 Ultra este modelul frontieră NVIDIA pentru raționament și orchestrare agentică: 550B parametri total, 55B activi, construit pe o arhitectură hibridă LatentMoE care combină straturi Mamba-2, MoE și Attention. Greutățile sunt deschise sub licența OpenMDW 1.1, iar raționamentul poate fi activat sau dezactivat la inferență. Se potrivește echipelor care rulează fluxuri agentice cu volum mare, analiză cu context lung sau fluxuri complexe de codare și cercetare la scară.

Cunoscut pentru

Mod de raționament configurabil: activează sau dezactivează chain-of-thought la fiecare cerere.
Fereastră de context de până la 1M tokeni pentru documente lungi și muncă agentică multi-turn.
Straturi Multi-Token Prediction pentru generare mai rapidă fără pierdere de calitate.
Zece limbi suportate, inclusiv japoneză, hindi, coreeană și chineză.
Greutăți deschise cu licență comercială, rulabil pe infrastructura proprie.

Atenție la

Hardware minim necesar: 8× GB200/B200 sau 16× H100 GPU-uri — nu este un model pentru laptop.
Licențiat sub OpenMDW 1.1, nu Apache sau MIT; verifică termenii înainte de implementare comercială.
Prețul API-ului la 2,40$/M tokeni de ieșire se adună rapid în fluxuri agentice cu volum mare.

Cel mai bun pentru

Agenți și utilizare unelte

Sugestii de încercat

Agent de codare multi-pas

Ai un monorepo Python fără documentație. Scrie un plan pentru: (1) cartografierea tuturor endpoint-urilor API publice din servicii, (2) identificarea endpoint-urilor care nu au middleware de autentificare comun, (3) generarea unui raport Markdown care listează fiecare lacună cu calea fișierului și numărul liniei. Apoi implementează pasul 1 ca script Python funcțional.

Sinteză profundă de cercetare

Lipesc textul complet a trei lucrări academice conflictuale despre stabilitatea vaccinurilor mRNA la temperatura camerei. Citește-le pe toate trei, identifică condițiile experimentale specifice unde rezultatele diverg, propune o ipoteză care să reconcilieze divergența și listează experimentele ulterioare care ar testa ipoteza. Lucrări: [lipeste aici]

Planificare complexă sub constrângeri

O companie de logistică trebuie să traseze rutele a 12 camioane pentru 80 de opriri într-un oraș. Camioanele au limite diferite de capacitate, trei opriri necesită vehicule frigorifice, două opriri au ferestre de timp înainte de ora 9, iar costul combustibilului trebuie să rămână sub un buget zilnic fix. Conturează o abordare pas cu pas de optimizare, identifică care constrângeri sunt cele mai greu de satisfăcut simultan și descrie compromisurile.

Compară cu

Nemotron 3.5 Lightning
Model cu greutăți deschise
context de 262,144 tokeni · $0.07/M intrare, $0.20/M ieșire
Nemotron 3 Super
Model cu greutăți deschise
context de 262,144 tokeni · $0.08/M intrare, $0.45/M ieșire
NVIDIA Nemotron 3 Ultra 550B A55B
Model cu greutăți deschise
context de 262,144 tokeni · $0.50/M intrare, $2.20/M ieșire
NVIDIA Nemotron 3 Super 120B A12B
Model cu greutăți deschise
context de 262,144 tokeni · $0.09/M intrare, $0.40/M ieșire

Mai multe modele text de la nvidia

Întrebări frecvente

Pot rula Nemotron 3 Ultra local?: Da, greutățile sunt deschise și găzduite pe Hugging Face sub licența OpenMDW 1.1, dar cerința minimă este de 8× GB200 sau 16× H100 GPU-uri, deci implementarea locală înseamnă un rack serios de servere, nu un workstation.
Cât costă și cât de lung este contextul?: Prin API costă 0,60$ per milion tokeni de intrare și 2,40$ per milion tokeni de ieșire. Fereastra de context ajunge până la 1 milion de tokeni.
Cum diferă Nemotron 3 Ultra de alte modele mari MoE?: Arhitectura sa LatentMoE combină straturi Mamba-2 state-space cu MoE și Attention, plus adaugă Multi-Token Prediction pentru generare mai rapidă — o combinație pe care NVIDIA o spune optimizată special pentru fluxuri agentice cu throughput mare, nu pentru chat general.

Verdictul căpitanului
Un model frontieră serios cu greutăți deschise pentru echipe care dețin hardware-ul și au nevoie de fluxuri agentice cu context lung la scară — nu o alegere casuală pentru API.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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: #6 Hottest Text / LLM model · #6 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendința de popularitate a Nemotron 3 Ultra

Scor de căldură din 4 Jun 2026

Scor de popularitate

9,290°

Săptămâna aceasta

▲

23.3%

9,261° atunci, 9,290° acum

Luna aceasta

▲

169%

9,157° atunci, 9,290° acum

Ultimul an

n/a

Nu a fost lansat/urmărit

7,000°

Prag minim

Scara merge de la 0° la 9.999°. Tot ce este sub 7,000° este rezervat pentru modelele despre care nicio sursă nu raportează încă, care au un număr provizoriu acolo ca să rămână listele complete. 7,000° este punctul de start pentru datele măsurate: un model cu date reale, dar aproape fără descărcări, stă la prag, iar măsurătorile umplu gradele de deasupra. Pragul nu spune nimic despre model; doar gradele de deasupra îl diferențiază de alte modele.

+1,923°

Tokeni OpenRouter

25,819,029,435,213 tokeni procesați de acest model prin OpenRouter în ultimele 30 de zile, împreună cu prompturile și răspunsurile. Fiecare 10,000,000 tokeni contează ca un download în termenul de descărcări, 2,581,902 în total; tokenii ultimei zile se adaugă la rata de adoptare. Sursa: OpenRouter (openrouter.ai/rankings).

+367°

Rata de adoptare

Aproximativ 77,596 descărcări pe zi, măsurate între două citiri ale surselor, niciodată estimate dintr-o medie pe viață. Viteza cântărește un sfert din termenul descărcărilor, așa că o creștere recentă se vede fără să lase un vârf de o zi să depășească ani de utilizare.

Arată detalii

Fiecare număr de pe acest site poate fi verificat. Scorul de popularitate al acestui model este 9,290°, iar aici este construit pas cu pas, cu totalul acumulat după fiecare ingredient: pragul minim, gradele adăugate de fiecare sursă, bonusul pentru tipul modelului și ce scade vârsta greutăților. Culorile sunt benzile din graficul de mai sus. Glosarul de la final definește fiecare termen.

1
Începe de la prag.
De ce 7,000° și nu zero: scara merge de la 0° la 9.999°, iar partea de sub 7,000° este rezervată modelelor despre care nicio sursă nu raportează încă, care au un număr provizoriu acolo ca să rămână listele complete și să nu depășească niciodată un model cu date. 7,000° este punctul de start pentru datele măsurate. Un model cu date reale, dar aproape fără descărcări, stă aici; tot ce urmează este măsurare, iar spațiul de deasupra pragului conține zece pași de zece ori mai multe descărcări, fiecare la 300°. Pragul este același pentru toate modelele, deci nu decide nimic; gradele de deasupra fac diferența.
7,000°
total curent
2
Adaugă descărcările.
2,581,902 echivalente de descărcări în total, de la Tokeni OpenRouter. De zece ori descărcările adaugă același 300°, deci mărimea contează, dar nu domină scorul.
+1,923°
8,923°
total curent
3
Adaugă rata de adoptare.
Aproximativ 77,596 descărcări pe zi acum, măsurate între două citiri, cu un sfert din greutate.
+367°
9,290°
total curent
=
Scorul de căldură.
Unde se situează acest model pe fiecare listă de pe site. Nimic altceva nu îl ajustează.
9,290°

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Cum s-a schimbat popularitatea acestui model față de restul catalogului: creșterea lui în descărcări, aprecieri și utilizare în fiecare perioadă, comparată cu creșterea tipică a unui model în aceeași perioadă, plus scorul său de căldură la momentul respectiv. Dacă e peste creșterea tipică, înseamnă că a crescut, dacă e sub, a scăzut. Istoricul se reconstruiește din totalurile de azi, prima zi a modelului și viteza lui de descărcare măsurată când sunt două citiri; un model care nu exista la începutul perioadei arată n/a.

Modele similare

Qwen3.5 Plus 2026 04 20

Modele AI pentru generare de imagini, video și text

Nemotron 3 Ultra este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm nvidia raționament agenți programare context lung multilingv

Răsfoiește după familia de modele