Bolehkah saya jalankan Nemotron 3 Super secara tempatan?

Ya, beratnya terbuka dan tersedia di Hugging Face di bawah Lesen Model Terbuka NVIDIA Nemotron, tetapi keperluan minimum adalah 2× GPU H100-80GB, jadi ini adalah penyebaran pusat data atau stesen kerja berprestasi tinggi, bukan mesin pengguna.

Berapa kos Nemotron 3 Super melalui API, dan berapa besar tetingkap konteks?

Harga adalah $0.08 setiap sejuta token input dan $0.45 setiap sejuta token output; tetingkap konteks meluas hingga 1 juta token.

Bagaimana Nemotron 3 Super berbeza daripada Nemotron Nano?

Model Super menambah lapisan Ramalan Multi-Token untuk penjanaan lebih pantas dan kualiti lebih baik, dan dilatih dengan kuantisasi NVFP4; model Nano tidak termasuk MTP dan menyasarkan jejak penyebaran yang lebih kecil.

▲

70.4%

minggu ini

Nemotron 3 Super

8885°

#llm #nvidia #penalaran #ejen #pengaturcaraan #konteks panjang

Bulan ini

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

NVIDIA | konteks token 262,144 | $0.08/M input, $0.45/M output. NVIDIA Nemotron 3 Super adalah model MoE hibrid terbuka 120B-parameter, mengaktifkan hanya 12B parameter untuk kecekapan pengkomputeran maksimum dan ketepatan dalam aplikasi multi-agen kompleks. Dibina atas seni bina Mixture-of-Experts Mamba-Transformer hibrid dengan ramalan multi-token (MTP), ia memberikan penjanaan token lebih 50% lebih tinggi berbanding model terbuka terkemuka. Model ini mempunyai tetingkap konteks 1M token untuk koheren agen jangka panjang, penaakulan merentasi dokumen, dan perancangan tugas berbilang…NVIDIA | konteks token 262,144 | $0.08/M input, $0.45/M output. NVIDIA Nemotron 3 Super adalah model MoE hibrid terbuka 120B-parameter, mengaktifkan hanya 12B parameter untuk kecekapan pengkomputeran maksimum dan ketepatan dalam aplikasi multi-agen kompleks. Dibina atas seni bina Mixture-of-Experts Mamba-Transformer hibrid dengan ramalan multi-token (MTP), ia memberikan penjanaan token lebih 50% lebih tinggi berbanding model terbuka terkemuka. Model ini mempunyai tetingkap konteks 1M token untuk koheren agen jangka panjang, penaakulan merentasi dokumen, dan perancangan tugas berbilang langkah. MoE laten membolehkan pemanggilan 4 pakar dengan kos inferens hanya satu, meningkatkan kecerdasan dan generalisasi. Latihan RL pelbagai persekitaran merentasi 10+ persekitaran memberikan ketepatan terkemuka pada penanda aras termasuk AIME 2025, TerminalBench, dan SWE-Bench Verified. Sepenuhnya terbuka dengan berat, set data, dan resipi di bawah Lesen Terbuka NVIDIA, Nemotron 3 Super membolehkan penyesuaian mudah dan penyebaran selamat di mana-mana — dari stesen kerja ke awan.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI tempatan mana yang patut digunakan, dan model teratas yang dijalankan oleh setiap satu

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Cara Pasang Ollama dan Jalankan AI Tempatan (Windows, Mac, Linux)

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Nemotron 3 Super adalah model hibrid MoE 120B-parameter dari NVIDIA yang hanya mengaktifkan 12B parameter semasa inferens, menjadikannya jauh lebih murah untuk dijalankan berbanding saiz keseluruhannya. Seni bina Mamba-Transformer dengan ramalan multi-tokennya meningkatkan kelajuan penjanaan jauh melebihi model terbuka biasa yang setanding. Ia sesuai untuk pasukan yang membina saluran multi-ejen, aliran kerja dokumen panjang, atau automasi berjumlah tinggi yang mahukan berat terbuka yang benar-benar boleh mereka jalankan pada perkakasan mereka sendiri.

Dikenali untuk

Tetingkap konteks 1 juta token dibina untuk penalaran merentas dokumen dan tugasan ejen berbilang langkah
Hanya 12B parameter aktif semasa inferens walaupun jumlah keseluruhan 120B — penjimatan kecekapan yang serius
Lapisan ramalan multi-token memberikan penjanaan lebih 50% lebih pantas daripada model terbuka yang setanding
Mod penalaran boleh dihidupkan atau dimatikan melalui satu bendera templat sembang
Berat, set data, dan resipi latihan semuanya diterbitkan di bawah Lesen Model Terbuka NVIDIA Nemotron

Berhati-hati dengan

Keperluan perkakasan minimum adalah 2× GPU H100-80GB — ini bukan model tempatan pengguna.
Lesen Model Terbuka NVIDIA Nemotron bukan lesen sumber terbuka standard; semak terma sebelum penggunaan komersial.
Data pra-latihan berakhir Jun 2025; pasca-latihan Februari 2026 — peristiwa terkini mungkin tiada.

Terbaik untuk

Ejen dan penggunaan alat

Penalaran

Pengaturcaraan

Konteks panjang

Jalankan secara tempatan

Arahan untuk cuba

Pelan ejen berbilang langkah

Anda adalah ejen automasi IT. Seorang pengguna melaporkan: klien VPN mereka menyambung tetapi semua pertanyaan DNS tamat masa, hanya pada rangkaian korporat, hanya sejak kemas kini firmware pada penghala mereka semalam. Diagnosis sebab yang mungkin mengikut kebarangkalian, kemudian tulis pelan pembaikan langkah demi langkah yang boleh diikuti oleh juruteknik L1 tanpa eskalasi.

Penalaran merentas dokumen

Berikut adalah tiga transkrip panggilan pendapatan suku tahunan dari syarikat yang sama merangkumi 18 bulan. Kenal pasti sebarang panduan hadapan yang diberikan dalam dua panggilan pertama, kemudian nilai sama ada keputusan panggilan ketiga mengesahkan, terlepas, atau melebihi setiap komitmen. Tandakan sebarang panduan yang dibatalkan secara senyap tanpa penjelasan.

Tugasan pengkodan sukar

Tulis fungsi Python yang mengambil skema JSON sewenang-wenangnya dan senarai dict Python, mengesahkan setiap dict mengikut skema, dan mengembalikan dua senarai: rekod sah dan rekod tidak sah dengan mesej ralat per medan. Jangan gunakan perpustakaan pihak ketiga. Sertakan kes tepi untuk objek bersarang dan tatasusunan dalam ujian anda.

Bandingkan dengan

Nemotron 3 Ultra
Model berat terbuka
konteks 262,144 token · Input $0.60/M, output $2.40/M
Nemotron 3.5 Lightning
Model berat terbuka
konteks 262,144 token · Input $0.07/M, output $0.20/M
NVIDIA Nemotron 3 Ultra 550B A55B
Model berat terbuka
konteks 262,144 token · Input $0.50/M, output $2.20/M
NVIDIA Nemotron 3 Super 120B A12B
Model berat terbuka
konteks 262,144 token · Input $0.09/M, output $0.40/M

Lebih banyak model teks dari nvidia

Soalan yang sering ditanya

Bolehkah saya jalankan Nemotron 3 Super secara tempatan?: Ya, beratnya terbuka dan tersedia di Hugging Face di bawah Lesen Model Terbuka NVIDIA Nemotron, tetapi keperluan minimum adalah 2× GPU H100-80GB, jadi ini adalah penyebaran pusat data atau stesen kerja berprestasi tinggi, bukan mesin pengguna.
Berapa kos Nemotron 3 Super melalui API, dan berapa besar tetingkap konteks?: Harga adalah $0.08 setiap sejuta token input dan $0.45 setiap sejuta token output; tetingkap konteks meluas hingga 1 juta token.
Bagaimana Nemotron 3 Super berbeza daripada Nemotron Nano?: Model Super menambah lapisan Ramalan Multi-Token untuk penjanaan lebih pantas dan kualiti lebih baik, dan dilatih dengan kuantisasi NVFP4; model Nano tidak termasuk MTP dan menyasarkan jejak penyebaran yang lebih kecil.

Keputusan Kapten
Model agen terbuka yang serius — kecekapan parameter aktif adalah nyata, tetapi anda memerlukan perkakasan pusat data untuk melihatnya.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh 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: 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

Trend populariti Nemotron 3 Super

Skor panas sejak 11 Mar 2026

Skor haba

8,885°

Minggu ini

▲

70.4%

8,815° dulu, 8,885° sekarang

Bulan ini

▲

1,018%

8,567° dulu, 8,885° sekarang

Tahun lalu

n/a

Belum dikeluarkan/dipantau

7,000°

Lantai

Skala berjalan dari 0° hingga 9,999°. Apa sahaja di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian di situ supaya senarai tetap lengkap. 7,000° adalah tempat data yang diukur bermula: model dengan data sebenar tapi hampir tiada muat turun berada di lantai, dan ukuran mengisi darjah di atasnya. Lantai tidak memberitahu apa-apa tentang model; hanya darjah di atasnya yang buat beza antara satu model dengan model lain.

+1,575°

Token OpenRouter

1,780,603,688,222 token diproses oleh model ini melalui OpenRouter dalam 30 hari terakhir, termasuk arahan dan jawapan. Setiap 10,000,000 token dikira sebagai satu muat turun dalam tempoh muat turun, 178,060 semuanya; token hari terakhir disertakan dalam kadar penggunaan. Sumber: OpenRouter (openrouter.ai/rankings).

+310°

Kadar penerimaan

Kira-kira 13,493 muat turun sehari, diukur antara dua bacaan sumber, tidak pernah dianggarkan dari purata sepanjang hayat. Kelajuan seberat suku istilah muat turun, jadi lonjakan baru kelihatan tanpa membiarkan lonjakan satu hari mengatasi penggunaan bertahun-tahun.

Tunjukkan pecahan terperinci

Setiap nombor di laman ini boleh diperiksa. Skor panas model ini adalah 8,885°, dan ia dibina satu bahan pada satu masa, dengan jumlah terkini selepas setiap langkah: lantai, darjah yang ditambah oleh setiap sumber, bonus untuk jenis model dan apa yang umur beratnya tolak. Warna-warna itu adalah jalur carta di atas. Glosari di akhir menerangkan setiap istilah.

1
Mula di lantai.
Kenapa 7,000° dan bukan sifar: skala dari 0° hingga 9,999°, dan bahagian di bawah 7,000° dikhaskan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian supaya senarai tetap lengkap dan tidak pernah mengatasi model dengan data. 7,000° adalah tempat data yang diukur bermula. Model dengan data sebenar tapi hampir tiada muat turun berada di sini; semua yang berikut adalah ukuran, dan ruang di atas lantai ada sepuluh langkah muat turun sepuluh kali ganda pada 300° setiap satu. Lantai sama untuk setiap model, jadi ia tidak tentukan apa-apa; darjah di atasnya yang buat beza.
7,000°
jumlah berjalan
2
Tambah muat turun.
178,060 muat turun setara semuanya, dari Token OpenRouter. Sepuluh kali muat turun menambah 300° yang sama, jadi saiz penting tapi tidak pernah mengatasi skor.
+1,575°
8,575°
jumlah berjalan
3
Tambah kadar penerimaan.
Sekitar 13,493 muat turun sehari sekarang, diukur antara dua bacaan, dengan berat suku.
+310°
8,885°
jumlah berjalan
=
Skor heat.
Di mana model ini berdiri dalam setiap senarai laman ini. Tiada yang lain mengubahnya.
8,885°

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Bagaimana populariti model ini bergerak berbanding katalog lain: pertumbuhannya dalam muat turun, suka dan penggunaan setiap tempoh, diukur berbanding pertumbuhan model biasa dalam tempoh yang sama, dengan skor panasnya pada masa itu. Di atas pertumbuhan biasa dibaca sebagai kenaikan, di bawahnya sebagai penurunan. Masa lalu dibina semula dari jumlah hari ini, hari pertama model dan kelajuan muat turun yang diukur jika ada dua bacaan; model yang tidak wujud pada permulaan tempoh menunjukkan n/a.

Model serupa

Model AI untuk penjanaan imej, video dan teks

Nemotron 3 Super ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm nvidia penalaran ejen pengaturcaraan konteks panjang tempatan

Layari mengikut keluarga model