Kan jag köra Nemotron 3 Super lokalt?

Ja, vikterna är öppna och tillgängliga på Hugging Face under NVIDIA Nemotron Open Model License, men minimikravet är 2× H100-80GB GPU:er, så detta är en datacenter- eller högpresterande arbetsstationsdistribution, inte en konsumentmaskin.

Vad kostar Nemotron 3 Super via API och hur stort är kontextfönstret?

Priset är 0,08 USD per miljon inmatningstokens och 0,45 USD per miljon utmatningstokens; kontextfönstret sträcker sig till 1 miljon tokens.

Hur skiljer sig Nemotron 3 Super från Nemotron Nano?

Super-modellen lägger till Multi-Token Prediction-lager för snabbare generering och bättre kvalitet, och är tränad med NVFP4-kvantisering; Nano-modellen inkluderar inte MTP och riktar sig mot mindre distributionsavtryck.

▲

70.4%

den här veckan

Nemotron 3 Super

8885°

#llm #nvidia #resonemang #agenter #kodning #lång kontext

Denna månad

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

NVIDIA | 262 144 tokens kontext | $0.08/M input, $0.45/M output. NVIDIA Nemotron 3 Super är en 120 miljarder parameter öppen hybrid MoE-modell som aktiverar endast 12 miljarder parametrar för maximal beräkningseffektivitet och noggrannhet i komplexa multi-agent-applikationer. Byggd på en hybrid Mamba-Transformer Mixture-of-Experts-arkitektur med multi-token-prediktion (MTP), levererar den över 50 % högre tokengenerering jämfört med ledande öppna modeller. Modellen har ett kontextfönster på 1 miljon tokens för långsiktig agentkoherens, tvärdokumentresonemang och flerstegsplanering. Latent MoE…NVIDIA | 262 144 tokens kontext | $0.08/M input, $0.45/M output. NVIDIA Nemotron 3 Super är en 120 miljarder parameter öppen hybrid MoE-modell som aktiverar endast 12 miljarder parametrar för maximal beräkningseffektivitet och noggrannhet i komplexa multi-agent-applikationer. Byggd på en hybrid Mamba-Transformer Mixture-of-Experts-arkitektur med multi-token-prediktion (MTP), levererar den över 50 % högre tokengenerering jämfört med ledande öppna modeller. Modellen har ett kontextfönster på 1 miljon tokens för långsiktig agentkoherens, tvärdokumentresonemang och flerstegsplanering. Latent MoE möjliggör anrop av 4 experter till kostnaden av endast en, vilket förbättrar intelligens och generalisering. Multi-miljö RL-träning över 10+ miljöer ger ledande noggrannhet på benchmarks inklusive AIME 2025, TerminalBench och SWE-Bench Verified. Fullt öppen med vikter, dataset och recept under NVIDIA Open License, Nemotron 3 Super möjliggör enkel anpassning och säker distribution var som helst – från arbetsstation till moln.

Guider för denna modell

Ollama vs LM Studio (2026): vilken lokal AI-app du ska använda och vilka toppmodeller varje kör

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Hur mycket VRAM behöver jag egentligen för lokal AI?

Hur man installerar Ollama och kör en lokal AI (Windows, Mac, Linux)

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Nemotron 3 Super är NVIDIAs hybrid-MoE-modell med 120 miljarder parametrar som endast aktiverar 12 miljarder parametrar vid inferens, vilket gör den mycket billigare att köra än vad dess totala storlek antyder. Dess Mamba-Transformer-arkitektur med multipel-token-prediktion driver genereringshastigheten långt över typiska öppna modeller med jämförbar kapacitet. Den passar team som bygger multi-agent-pipelines, arbetsflöden för långa dokument eller högvolymsautomation och som vill ha öppna vikter de faktiskt kan köra på egen hårdvara.

Känd för

1 miljon tokens kontextfönster byggt för tvärdokumentresonemang och multi-stegs agentuppgifter
Endast 12 miljarder aktiva parametrar vid inferens trots totalt 120 miljarder – seriös effektivitetsvinst
Multipel-token-prediktionslager levererar över 50 % snabbare generering än jämförbara öppna modeller
Resonemangsläge kan slås på eller av via en enda chattmall-flagga
Vikter, dataset och träningsrecept publicerade under NVIDIA Nemotron Open Model License

Se upp för

Minimikrav på hårdvara är 2× H100-80GB GPU:er – detta är inte en konsumentmodell för lokal användning.
NVIDIA Nemotron Open Model License är inte en standard öppen källkodslicens; kontrollera villkoren innan kommersiell användning.
Förträningsdata slutar i juni 2025; efterträning i februari 2026 – senaste händelser saknas.

Bäst för

Agenter och verktygsanvändning

Promptar att prova

Multi-stegs agentplan

Du är en IT-automationsagent. En användare rapporterar: deras VPN-klient ansluter men alla DNS-förfrågningar tidsutlöper, endast på företagsnätverket, och endast sedan en firmwareuppdatering av deras router igår. Diagnostisera sannolika orsaker i ordning efter sannolikhet, och skriv sedan en steg-för-steg åtgärdsplan som en L1-tekniker kan följa utan eskalering.

Tvärdokumentresonemang

Här är tre transkript från kvartalsvisa resultatpresentationer från samma företag över 18 månader. Identifiera all framåtriktad vägledning i de två första samtalen, bedöm sedan om det tredje samtalets resultat bekräftade, missade eller överträffade varje åtagande. Markera all vägledning som tyst drogs tillbaka utan förklaring.

Svår kodningsuppgift

Skriv en Python-funktion som tar ett godtyckligt JSON-schema och en lista med Python-dikter, validerar varje dikt mot schemat och returnerar två listor: giltiga poster och ogiltiga poster med fältvisa felmeddelanden. Använd inga tredjepartsbibliotek. Inkludera kantfall för nästlade objekt och arrayer i dina tester.

Jämför med

Nemotron 3 Ultra
Öppen vikt-modell
262,144 tokens kontext · $0.60/M indata, $2.40/M utdata
Nemotron 3.5 Lightning
Öppen vikt-modell
262,144 tokens kontext · $0.07/M indata, $0.20/M utdata
NVIDIA Nemotron 3 Ultra 550B A55B
Öppen vikt-modell
262,144 tokens kontext · $0.50/M indata, $2.20/M utdata
NVIDIA Nemotron 3 Super 120B A12B
Öppen vikt-modell
262,144 tokens kontext · $0.09/M indata, $0.40/M utdata

Fler textmodeller från nvidia

Vanliga frågor

Kan jag köra Nemotron 3 Super lokalt?: Ja, vikterna är öppna och tillgängliga på Hugging Face under NVIDIA Nemotron Open Model License, men minimikravet är 2× H100-80GB GPU:er, så detta är en datacenter- eller högpresterande arbetsstationsdistribution, inte en konsumentmaskin.
Vad kostar Nemotron 3 Super via API och hur stort är kontextfönstret?: Priset är 0,08 USD per miljon inmatningstokens och 0,45 USD per miljon utmatningstokens; kontextfönstret sträcker sig till 1 miljon tokens.
Hur skiljer sig Nemotron 3 Super från Nemotron Nano?: Super-modellen lägger till Multi-Token Prediction-lager för snabbare generering och bättre kvalitet, och är tränad med NVFP4-kvantisering; Nano-modellen inkluderar inte MTP och riktar sig mot mindre distributionsavtryck.

Kaptens omdöme
En seriös öppen agentmodell – effektiviteten i aktiva parametrar är verklig, men du behöver datacenterhårdvara för att dra nytta av den.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Popularitetstrend för Nemotron 3 Super

Värmenpoäng sedan 11 Mar 2026

Värmescore

8,885°

Den här veckan

▲

70.4%

8,815° då, 8,885° nu

Den här månaden

▲

1,018%

8,567° då, 8,885° nu

Senaste året

n/a

Inte släppt/spårad än

7,000°

Golvet

Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.

+1,575°

OpenRouter-token

1,780,603,688,222 token som denna modell bearbetat via OpenRouter de senaste 30 dagarna, både prompts och svar. Varje 10,000,000 token räknas som en nedladdning i nedladdningsterm, totalt 178,060; token från senaste dagen räknas in i användningstakten. Källa: OpenRouter (openrouter.ai/rankings).

+310°

Adoptionshastighet

Ungefär 13,493 nedladdningar per dag, mätt mellan två avläsningar av källorna, aldrig uppskattat från ett livstidsgenomsnitt. Hastigheten väger en fjärdedel av nedladdningstermen, så en ny våg syns utan att en dags toppar slår ut år av användning.

Visa detaljerad uppdelning

Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 8,885°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.

1
Börja vid golvet.
Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
7,000°
löpande total
2
Lägg till nedladdningarna.
178,060 nedladdnings-ekvivalenter totalt, från OpenRouter-token. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
+1,575°
8,575°
löpande total
3
Lägg till adoptionshastigheten.
Ungefär 13,493 nedladdningar per dag just nu, mätt mellan två mätningar, med en fjärdedels vikt.
+310°
8,885°
löpande total
=
Heat-poängen.
Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
8,885°

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.

Liknande modeller

MiMo V2.6 Pro UltraSpeed

TEXT / LLM

Gemma 3 4B

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Nemotron 3 Super är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm nvidia resonemang agenter kodning lång kontext lokal

Bläddra efter modellfamilj