Kan jag köra Nemotron Super 120B lokalt?

Nej. NVIDIA har inte släppt öppna vikter för denna modell, så den är endast tillgänglig via API och kan inte hostas själv.

Vad kostar den och hur lång är kontexten?

Priset är $0,09 per miljon inmatningstoken och $0,40 per miljon utmatningstoken, med ett kontextfönster på 262 144 token.

Hur skiljer den sig från en standard 120B tät modell?

MoE-arkitekturen innebär att endast cirka 12 miljarder parametrar är aktiva per inferenssteg, vilket gör den mycket billigare att köra i skala och låter fler samtidiga agentinstanser köras på en enda GPU jämfört med en tät modell av samma nominella storlek.

NVIDIA Nemotron 3 Super 120B A12B

3130°

#llm #nvidia #resonemang #agenter #lång kontext #budget

Öppna DeepInfra

nvidia | 262,144 token-kontext | $0.09/M input, $0.40/M output. NVIDIA Nemotron 3 Super är en hybrid Mixture-of-Experts (MoE) modell konstruerad för högsta beräkningseffektivitet och noggrannhet i multi-agent-applikationer och specialiserade agentbaserade system. Den är optimerad för att köra många samarbetande agenter per applikation på en enda GPU, och levererar hög noggrannhet för resonemang, verktygsanvändning och instruktioner.

Guider för denna modell

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

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

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

NVIDIA Nemotron Super 120B A12B är en hybrid Mixture-of-Experts-modell från NVIDIA, byggd specifikt för multi-agent och agentbaserade arbetsbelastningar. Dess MoE-arkitektur aktiverar endast 12 miljarder parametrar åt gången, vilket låter dig köra många agenter parallellt på en enda GPU utan minneskostnaden för en tät 120B-modell. Om du orkestrerar verktygsanrop eller agent-svärmar är detta effektivitetsperspektivet NVIDIA säljer.

Känd för

MoE-design aktiverar ~12 miljarder parametrar per framåtpassering, vilket minskar beräkningen per agent
Byggd för multi-agent pipelines: verktygsanvändning, instruktioner och agentkoordinering
262 144-token kontextfönster hanterar långa uppgiftskedjor och stora dokument
Prisvärt långt under de flesta gränsmodeller med $0,09/M inmatning och $0,40/M utmatning

Se upp för

Vikter är inte offentliga; du är endast API-användare utan möjlighet att själv hosta eller inspektera modellen.
Agentbaserade användningsfall kan snabbt generera många utmatningstoken – var uppmärksam på $0,40/M utmatningskostnad i långa pipelines.
Ingen modellkortsinformation publicerad, så oberoende benchmark-verifiering är inte möjlig.

Bäst för

Agenter och verktygsanvändning

Resonemang

Lång kontext

Budget

Promptar att prova

Plan för verktygsanvändning i flera steg

Du koordinerar en forskningsagent. Givet målet: 'Hitta de tre mest citerade artiklarna om transformer-uppmärksamhetseffektivitet publicerade efter 2022 och sammanfatta deras nyckelbidrag', dela upp detta i diskreta verktygsanrop (webbsök, hämta artikel, sammanfatta), specificera indata och förväntad utdata för varje steg, och markera eventuella steg där en fallback behövs om verktyget inte ger resultat.

Agentöverföringsprotokoll

Designa ett format för överlämningsmeddelande för en kundsupport-agent-svärm. Det finns tre agenter: Triage, Fakturering och Teknisk. Skriv JSON-schemat för en överlämningspayload, och skriv sedan ett exempel på en överlämning från Triage till Fakturering för en kund som debiterats två gånger för samma prenumeration och hotar att säga upp den.

Instruktionskedja med lång kontext

Här är ett produktkravsdokument på 2000 ord. Läs det noggrant och producera: (1) en numrerad lista över varje explicit acceptanskriterium, (2) en lista över eventuella krav som motsäger varandra, och (3) tre förtydligande frågor som ingenjörsteamet bör ställa innan arbetet påbörjas. [Klistra in ditt PRD nedan denna rad.]

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
Nemotron 3 Super
Öppen vikt-modell
262,144 tokens kontext · $0.08/M indata, $0.45/M utdata
NVIDIA Nemotron 3 Ultra 550B A55B
Öppen vikt-modell
262,144 tokens kontext · $0.50/M indata, $2.20/M utdata

Fler textmodeller från nvidia

Vanliga frågor

Kan jag köra Nemotron Super 120B lokalt?: Nej. NVIDIA har inte släppt öppna vikter för denna modell, så den är endast tillgänglig via API och kan inte hostas själv.
Vad kostar den och hur lång är kontexten?: Priset är $0,09 per miljon inmatningstoken och $0,40 per miljon utmatningstoken, med ett kontextfönster på 262 144 token.
Hur skiljer den sig från en standard 120B tät modell?: MoE-arkitekturen innebär att endast cirka 12 miljarder parametrar är aktiva per inferenssteg, vilket gör den mycket billigare att köra i skala och låter fler samtidiga agentinstanser köras på en enda GPU jämfört med en tät modell av samma nominella storlek.

Kaptens omdöme
Ett vettigt val för agentpipeline-arbete där du behöver lång kontext och låg kostnad per anrop, men du är helt låst till NVIDIAs API.

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

Not this creator?

Get your own badge

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

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 man installerar

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

Liknande modeller

AI-modeller för bild-, video- och textgenerering

NVIDIA Nemotron 3 Super 120B A12B 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 lång kontext budget

Bläddra efter modellfamilj