API Nemotron heb sensoriaeth
Achau ymchwil NVIDIA, wedi'u cyhoeddi'n agored, wedi'u gwasanaethu heb haen wrthod: MoE hybrid Mamba-Attention 550B wedi'i diwnio ar gyfer STEM a rhesymu gorwel hir — am $0.75 i mewn / $3.30 allan fesul miliwn o docynnau.
TL;DR
Nemotron3Ultra-3BIT-REAP yw adeiladwaith heb sensoriaeth Shannon o NVIDIA Nemotron 3 Ultra — model Cymysgedd o Arbenigwyr 550 biliwn paramedr gyda 55B yn actif fesul tocyn, a ryddhawyd ar 4 Mehefin 2026 gyda'r pwysau, y data hyfforddi a'r ryseitiau o dan drwydded ganiataol OpenMDW-1.1 y Linux Foundation. Ar ein clwstwr GPU ein hunain mae'n rhedeg heb haen wrthod a heb hidlo allbwn, gyda chyd-destun 262,144 tocyn, hyd at 16,384 tocyn o allbwn fesul cais, galw offer, ffrydio, olion rhesymu ac allbwn json_schema llym. Nid yw'n derbyn delweddau. Pris: $0.75 / $3.30 fesul 1M tocyn.
Pwysau agored a dim byd arall yw'r rhan fwyaf o fodelau ‘agored’ — tarbelen o baramedrau, trwydded, a distawrwydd ynghylch o ble y daeth y rhifau. Nemotron fu'r eithriad cyson ers dwy flynedd: mae NVIDIA'n cyhoeddi'r pwysau, y setiau data ôl-hyfforddi, yr amgylcheddau RL a'r rysáit. Mae hynny'n bwysig i bwynt terfyn heb sensoriaeth mewn ffordd sy'n hawdd ei cholli. Mae model y cyhoeddwyd ei ddata aliniad yn un y gallwch resymu am ei ymddygiad gwrthod yn lle dyfalu amdano — ac yn un y gall trydydd parti ei ddefnyddio'n gyfreithlon heb hidlydd cynnwys wedi'i folltio wrth ei geg.
01Beth yw Nemotron 3 Ultra?
Nemotron 3 Ultra yw aelod mwyaf teulu Nemotron 3 NVIDIA, a ryddhawyd i Hugging Face ar 4 Mehefin 2026. Mae adroddiad technegol NVIDIA yn ei ddisgrifio fel ‘model iaith Cymysgedd o Arbenigwyr Hybrid Mamba-Attention 550 biliwn paramedr cyfan a 55 biliwn paramedr actif’ — mae tua 10% o'r rhwydwaith yn gweithio ar unrhyw docyn penodol, sef yr hyn sy'n gwneud model hanner triliwn paramedr yn ymarferol i'w wasanaethu o gwbl.
Y cynllun a adroddir yw 108 haen ar ddimensiwn model o 8,192, yn cydblethu haenau gofod-cyflwr Mamba-2 â set denau o haenau sylw llawn, 512 arbenigwr fesul haen MoE gyda llwybro top-22. Rhedodd y rhag-hyfforddi ar oddeutu 20 triliwn o docynnau testun mewn dau gyfnod — gogwydd amrywiaeth, wedyn gogwydd ansawdd — gyda thoriad Medi 2025, 12 iaith naturiol a 43 iaith raglennu. Defnyddiodd yr ôl-hyfforddi SFT, RL aml-amgylchedd gyda gwobrau gwiriadwy, a Distyllu Ar-bolisi Aml-Athro ar draws mwy na deg athro arbenigol. Y targed dylunio datganedig yw asiantau hirdymor: sesiynau sy'n dal cyd-destun mawr, yn galw offer ddwsinau o weithiau, ac yn rhedeg yn ddigon hir nes bod economeg fesul tocyn yn dominyddu'r bil.
02Llinach Nemotron, a pham mae'r achau'n cyfrif
Nid rhywbeth untro yw Nemotron. Dyma allbwn gweladwy rhaglen ymchwil NVIDIA sydd wedi rhedeg i'r un cyfeiriad ers 2024, ac mae pob cenhedlaeth wedi gadael rhywbeth y mae'r model presennol yn dal i'w gario. Daeth Nemotron-4 340B (Mehefin 2024) gyda phiblinell cynhyrchu data synthetig agored, ei fodel gwobrwyo a'i gynhyrchydd, ynghyd â datgeliad anarferol: cynhyrchwyd y mwyafrif llethol o'i ddata aliniad gan fodel. Y model fel ffatri ddata yn hytrach nag oracl yw'r rheswm pam mae rhyddhadau Nemotron diweddarach yn dal i gyhoeddi setiau data ochr yn ochr â'r pwysau.
Llama-Nemotron — rhesymu y gallwch ei ddiffodd
Cyfrannodd teulu Llama-Nemotron 2025 (LN-Nano 8B, LN-Super 49B, LN-Ultra 253B) ddau syniad sydd wedi heneiddio'n dda. Roedd y cyntaf yn bensaernïol: adeiladodd chwiliad pensaernïaeth niwral Puzzle NVIDIA lyfrgell o flociau trawsnewidydd wedi'u distyllu fesul bloc a'u cydosod â rhaglennu cyfanrifol cymysg, gan gynhyrchu modelau lle mae rhai blociau'n hepgor sylw'n llwyr neu'n ei ddisodli ag un haen linol, tra bod FFN Fusion yn cwympo blociau bwydo-ymlaen olynol yn rhai llai eu nifer, lletach a chyfochrog — gan dorri dyfnder dilyniannol yn hytrach na chyfrif paramedrau. Roedd LN-Ultra yn ffitio ar un nod 8×H100 tra'n rhagori, yn ôl papur NVIDIA, ar DeepSeek-R1 ar GPQA-Diamond (76.0% yn erbyn 71.5%).
Roedd yr ail yn ymddygiadol: Llama-Nemotron oedd y teulu agored cyntaf gyda switsh rhesymu deinamig, yn tagio data hyfforddi'n detailed thinking on neu detailed thinking off yn y cyfarwyddyd system, gyda gwobrau fformat yn gorfodi tagiau <think> yn y modd ymlaen. Un set o bwysau, dau ymddygiad, dewisadwy adeg casglu. Mae rheoli cyllideb rhesymu Nemotron 3 — a'r paramedr reasoning_effort ar ein API — yn disgyn yn uniongyrchol o'r gwaith hwnnw.
Nemotron 3 — y tro hybrid
Disodlodd Nemotron 3 y deilliad Llama â phensaernïaeth hybrid o'r newydd ac ychwanegu LatentMoE (cywasgu tocynnau cyn llwybro, sydd yn ôl NVIDIA yn caniatáu ‘4 gwaith cymaint o arbenigwyr am yr un gost gasglu’), rhagfynegi aml-docyn, a rhag-hyfforddi NVFP4 brodorol. Cyhoeddodd NVIDIA gyfanswm cronnus o 50 miliwn o samplau SFT, 2 filiwn o dasgau RL a 55 amgylchedd RL ochr yn ochr â'r pwysau — nid oes rhaid i chi gymryd gair gwerthwr am yr hyn a ddysgwyd i'r model, am fod y deunydd dysgu ar gael i'w lawrlwytho.
03Beth mae'r bensaernïaeth hybrid yn ei brynu i chi
Mae storfa KV trawsnewidydd yn tyfu'n llinol gyda hyd y dilyniant, sef pam mae casglu cyd-destun hir yn mynd yn ddrud o ran cof cyn cyfrifiant. Modelau gofod-cyflwr yn cario cyflwr atchweliadol o faint sefydlog yw haenau Mamba-2, felly nid yw eu cost cof fesul tocyn yn tyfu gyda'r hanes; yr hyn maent yn wael amdano yw adalw cysylltiadol manwl. Mae'r hybrid yn cadw Mamba-2 ar gyfer y rhan fwyaf o brosesu dilyniant ynghyd â lleiafrif o haenau sylw go iawn ar gyfer yr adalw y mae haenau gofod-cyflwr yn ei fwnglera, gyda chymhareb ymosodol o 64 pen ymholiad i 2 ben KV yn crebachu'r storfa ymhellach. Mae NVIDIA'n adrodd 94.7% ar RULER ar 1M tocyn — meincnod adalw nodwydd a adeiladwyd i ddal modelau sy'n honni ffenestr na allant ei defnyddio.
Y canlyniad yw trwybwn: mae NVIDIA'n honni hyd at oddeutu 6× yn fwy o drwybwn casglu na modelau cymharol ar gywirdeb cyfartal, a mesurodd Artificial Analysis yn annibynnol 140.3 tocyn yr eiliad gydag amser at y tocyn cyntaf o 1.33 eiliad — 7fed o 89 model. Ar rediad asiant 200 tro dyna'r gwahaniaeth rhwng gorffen mewn prynhawn a pheidio â gorffen.
04Beth mae ‘3BIT-REAP’ yn ei olygu, yn onest
Nid addurn yw'r ôl-ddodiad — mae'n dweud wrthych yn union beth a wnaethpwyd i'r sylfaen i'w gwneud yn ffit.
Mae REAP — Router-weighted Expert Activation Pruning — yn dod o Cerebras Research ac fe'i derbyniwyd i ICLR 2026. Mewn MoE tenau mae'r llwybrydd yn anfon pob tocyn at ychydig o arbenigwyr; dros lwyth gwaith go iawn caiff rhai eu taro'n gyson ac eraill bron byth. Mae REAP yn sgorio pob arbenigwr ar faen prawf amlygrwydd sy'n cyfuno pa mor gryf y mae'r llwybrydd yn ei gatio â maint cyfraniadau ei allbwn, yna'n tynnu'r rhai lleiaf amlwg yn barhaol — mae Cerebras yn adrodd tocio hyd at 50% o arbenigwyr o fodelau mor fawr ag 1 triliwn paramedr tra'n cadw ansawdd y llinell sylfaen i raddau helaeth, ac yn canfod bod tocio'n curo uno ar gyfer tasgau cynhyrchiol fel cod. Wedyn mae cwanteiddio 3-did yn cywasgu'r hyn sy'n goroesi. Tocio'n gyntaf, cwanteiddio'n ail, fel bod y gyllideb ddidau'n mynd at arbenigwyr sy'n cario traffig yn lle cael ei thaenu ar draws rhai marw.
Nid yw cywasgu am ddim, ac ni wnawn esgus fel arall: mae cwanteiddio ymosodol yn ymddangos gyntaf fel diraddiadau bach mewn cydymffurfio â fformat union ac mewn rhifyddeg cadwyn hir, nid fel anghydlyniaeth weladwy. Dyma lle mae'r tair haen yn glanio:
| Ôl-ddodiad | Beth ydyw | Ble rydym yn ei ddefnyddio |
|---|---|---|
| 3BIT-REAP | Pwysau 3-did + tocio arbenigwyr | Y sylfeini mwyaf, lle nad oes dim arall yn ffitio ar gyflymder |
| W4A16-AUTOROUND-REAP | Pwysau 4-did / actifadau 16-did, talgrynnu dysgedig AutoRound, + tocio | Sylfeini canolig eu maint; mae AutoRound yn adfer cywirdeb dros dalgrynnu naïf i'r agosaf |
| W8A16 | Pwysau 8-did / actifadau 16-did | Ffyddlondeb uchaf; sylfeini digon bach i beidio ag angen cywasgu ymosodol |
Mae Nemotron 3 Ultra ar 550B yn eistedd yn union yn y categori cyntaf. Os yw eich llwyth gwaith yn anarferol o sensitif i allbwn rhifol union dros gadwyni hir, mae'r mynegai ymchwil yn rhestru'r haen W8A16 — MiMo-V2.5-Pro-W8A16 a Hy3-W8A16 — ar y llawr $0.50/$2.00. Cyfnewid go iawn, nid twndis: model llai, llai o gywasgu.
05Beth mae ‘heb sensoriaeth’ yn ei olygu ar y pwynt terfyn hwn
Yn fanwl gywir: nid oes haen wrthod a dim hidlo cynnwys wedi'i gymhwyso i'r allbwn. Nid oes dosbarthydd yn archwilio eich anogaeth ac yn dychwelyd gwrthodiad tun, ac ni chaiff yr ymateb ei sganio cyn iddo gyrraedd eich ffrwd. Yr hyn a gewch yw ymddygiad y model ei hun.
Dyma lle mae'r llinach agored yn peidio â bod yn fanion. Am fod NVIDIA wedi cyhoeddi'r data ôl-hyfforddi a'r amgylcheddau RL, mae tueddiadau'r model yn archwiliadwy mewn egwyddor yn hytrach na bod yn llên gwerin. Ac am fod OpenMDW-1.1 yn drwydded ganiataol gan y Linux Foundation sy'n cwmpasu pensaernïaeth, paramedrau, dogfennaeth a meddalwedd, gall gweithredwr annibynnol wasanaethu adeiladwaith wedi'i addasu, heb ei hidlo, ar ei galedwedd ei hun heb i'r drwydded fod yn rhwystr. Nid yw llawer o drwyddedau model ‘agored’ yn caniatáu hynny. Mae hon yn gwneud. Mae'r gwahaniaeth yn ymddangos lle mae gwrthod atgyrchol yn fyg, nid yn nodwedd ddiogelwch:
- Ymchwil diogelwch — dadansoddi bregusrwydd, rhesymu am ecsbloetiau, ymddygiad drwgwedd, offer tîm coch, heb ddadlau ynghylch a ganiateir y cwestiwn.
- Cemeg, bioleg a ffarmacoleg — mathemateg dosau, mecanweithiau adwaith, tocsicoleg, llwybrau synthesis y mae pwynt terfyn wedi'i hidlo'n eu gwrthod ar gyswllt allweddair.
- Dysgu peirianyddol gwrthwynebus — negatifau caled, corpysau jailbreak a thacsonomegau camddefnydd ar gyfer dosbarthyddion sydd angen bod wedi gweld y peth go iawn.
- Testun clinigol, cyfreithiol a fforensig — deunydd achos sy'n graffig o ran ei natur ac sy'n cael ei wrthod am yn union y rheswm hwnnw.
Nid yw heb sensoriaeth yn golygu heb atebolrwydd. Chi biau'r hyn rydych yn ei gynhyrchu, ac mae ein Polisi Defnydd Cyfrifol a'n Telerau Gwasanaeth yn llywodraethu'r cyfrif. Mae tynnu haen wrthod yn tynnu dyfaliad am fwriad; nid yw'n tynnu eich rhwymedigaethau o dan y gyfraith sy'n berthnasol i chi.
06STEM a rhesymu: beth mae'r rhifau cyhoeddedig yn ei ddweud
Ffocws hyfforddi Nemotron fu mathemateg, cod, gwyddoniaeth a dilyn cyfarwyddiadau ers i set ddata ôl-hyfforddi Llama-Nemotron gael ei hadeiladu o amgylch yn union y pedair echel honno. Dyma'r hyn mae NVIDIA'n ei adrodd ar gyfer sylfaen Nemotron 3 Ultra — ffigurau a adroddwyd gan y gwerthwr ar y model heb ei gywasgu, na wnaethom ni eu rhedeg:
Dau amod sy'n werth mwy na'r rhifau. Mae ffigwr SWE-Bench Verified yn ystod — mae NVIDIA'n adrodd 65.0% i 70.4% yn dibynnu ar ba harnais asiant sy'n ei redeg (Pi, OpenHands, Hermes, OpenCode, Mini SWE Agent), ac mae lledaeniad o bum pwynt o'r sgaffaldiau'n unig yn dangos faint mae sgoriau asiantaidd yn dibynnu ar yr harnais yn hytrach na'r model. A gosododd Artificial Analysis Nemotron 3 Ultra ar 48 ar ei Fynegai Deallusrwydd, 9fed o 89 model — cryf, nid ar frig y maes, a'u mesuriad annibynnol nhw yw'r un y byddem yn ei bwysoli dros sleid unrhyw werthwr.
Ar y genhedlaeth gynharach, mae papur Llama-Nemotron NVIDIA yn adrodd LN-Ultra ar 76.0% ar GPQA-Diamond yn erbyn 71.5% DeepSeek-R1 a 43.4% Llama-3.1-405B-Instruct, ynghyd ag 80.8% ar AIME 2024 — model gwahanol, wedi'i gynnwys am fod gwyddoniaeth lefel ôl-radd a mathemateg gystadleuol wedi bod yn darged y teulu ers dwy genhedlaeth.
Mae pob ffigwr yma wedi'i gyhoeddi gan rywun heblaw ni. Gwiriwch y ffynonellau cynradd eich hun.
Ffigurau meincnod fel y'u cyhoeddwyd gan NVIDIA (Mehefin 2026) ar Nemotron 3 Ultra heb ei gywasgu, a chan Artificial Analysis ar gyfer mesuriadau annibynnol. Gall adeiladweithiau cywasgedig fod yn wahanol. Nid ydym yn cyhoeddi rhifau meincnod na wnaethom eu gwirio neu na allwn eu priodoli.
07Pris, a'r amod geiriogrwydd
Ar $0.75 fesul miliwn o docynnau mewnbwn a $3.30 fesul miliwn o docynnau allbwn, mae Nemotron3Ultra'n eistedd yn nhraean isaf ein catalog ar y mewnbwn ac yn y canol ar yr allbwn. Enghreifftiau wedi'u gweithio, am fod prisio fesul miliwn yn anodd ei deimlo:
| Siâp galwad | Mewnbwn | Allbwn | Cost |
|---|---|---|---|
| Tro RAG nodweddiadol | 50,000 | 4,000 | $0.051 |
| Dadansoddi dogfen hir | 150,000 | 8,000 | $0.139 |
| Galwad o'r maint mwyaf | 262,144 | 16,384 | $0.251 |
Mae cais cyd-destun llawn, allbwn llawn — pob tocyn y bydd y pwynt terfyn yn ei dderbyn a phob tocyn y bydd yn ei gynhyrchu — yn costio tua 25 sent. Mae'r un siâp ar Kimi-K3-3BIT-REAP, ein model drutaf ar $3.83/$19.12, yn costio tua $1.32, neu 5.3× yn fwy.
Nawr yr amod, ac mae'n un go iawn. Mesurodd Artificial Analysis fod Nemotron 3 Ultra yn cynhyrchu 2.3× yn fwy o docynnau allbwn na'r cyfartaledd canolrifol ymhlith ei gyfoedion ar draws eu cyfres feincnodau. Mae modelau rhesymu'n eich bilio am y meddwl, ac mae hwn yn meddwl yn hir; mae mantais pris fesul tocyn yn anweddu'n anfantais fesul tasg os yw'r model yn rhesymu deirgwaith yn hirach i gyrraedd yr un ateb. Mae'r lliniaru wedi'i adeiladu i mewn ac ar gael ar ein API: cafodd Nemotron 3 ei ôl-hyfforddi ar gyfer rheoli cyllideb rhesymu, a chefnogir reasoning_effort yma — mae NVIDIA'n disgrifio modd ymdrech is sy'n defnyddio cryn dipyn yn llai o docynnau meddwl am gyfaddawd cywirdeb un digid. Ar ddosbarthu, echdynnu a llwybro, trowch ef i lawr ac mae'r economeg yn newid yn sylweddol; ar brawf neu ailffactorio aml-ffeil, trowch ef i fyny a thalu amdano'n fwriadol. Mesurwch eich tocynnau-fesul-tasg eich hun yn lle darllen y rhestr brisiau a chymryd yn ganiataol.
08Ei alw: tair tafodiaith, un model
Mae pob model ar y porth yn ateb ar dri arwyneb API ffrydio, fel y gallwch gyfeirio cleient presennol ato heb ailysgrifennu eich integreiddiad: /v1/chat/completions (tafodiaith OpenAI), /v1/messages (tafodiaith Anthropic), a /v1/responses.
curl https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer $SHANNON_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Nemotron3Ultra-3BIT-REAP",
"reasoning_effort": "medium",
"stream": true,
"messages": [
{"role": "user", "content": "Derive the worst-case cache behavior of this loop nest."}
]
}'Crynodeb o'r galluoedd, fel nad oes dim yn eich synnu adeg integreiddio:
| Gallu | Nemotron3Ultra · 3BIT-REAP |
|---|---|
| Ffenestr cyd-destun | 262,144 tocyn |
| Allbwn mwyaf / cais | 16,384 tocyn |
| Ffrydio | Ie |
| Galw offer | Ie |
| Olion rhesymu | Ie |
reasoning_effort | Ie |
json_schema (llym) | Ie |
response_format | Ie |
| Gweledol / mewnbwn delwedd | Na — testun yn unig |
| Haen wrthod | Dim |
Mae'r rhes weledol yn dal pobl: testun yn unig yw Nemotron3Ultra. Os yw eich piblinell yn anfon delweddau, defnyddiwch MiniMax-M3-3BIT-REAP neu MiMo-V2.5-W8A16 ar $0.50/$2.00, neu Kimi-K2.6-W4A16-AUTOROUND-REAP ar $0.78/$3.67 — pob un â gallu gweledol, pob un heb sensoriaeth, pob un ar yr un cyd-destun 262,144 tocyn. Mae'r cyfeirlyfr paramedrau llawn yn y ddogfennaeth API.
09Ble mae Nemotron3Ultra'n ffitio ymhlith y deuddeg
Deuddeg model heb sensoriaeth yw'r catalog, yn rhannu'r un ffenestr cyd-destun, yr un tair tafodiaith a'r un absenoldeb haen wrthod; maent yn gwahaniaethu o ran sylfaen, pris a gallu. Mae safle Nemotron yn benodol: y ceffyl gwaith rhesymu llinach agored — nid y rhataf, nid y galluocaf, ond yr un â'r ôl-troed papur cyhoeddus mwyaf y tu ôl i'w ymddygiad, wedi'i diwnio galetaf tuag at STEM ac asiantau.
| Model | I mewn / 1M | Allan / 1M | Gweledol | Dewiswch ef ar gyfer |
|---|---|---|---|---|
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | Ie | Yr opsiwn â gallu gweledol rhataf |
| MiMo-V2.5-Pro · W8A16 | $0.50 | $2.00 | Na | Yr haen gwanteiddio ffyddlondeb uchaf |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | Na | Rhesymu sylfaen fawr rhataf |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | Na | STEM, asiantau, llinach agored |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | Ie | Gweledol + ffyddlondeb AutoRound |
| DeepSeek-V4-Pro · 3BIT-REAP | $1.95 | $3.90 | Na | Dadansoddi dwfn un ergyd |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | Ie | Y nenfwd gallu absoliwt |
Saith o'r deuddeg a ddangosir. Mae'r catalog llawn — gan gynnwys Laguna-S-2.1, inkling, DeepSeek-V4-Flash, MiMo-V2.5 a Hy3 — yn y dogfennau API. Sylwch nad yw Laguna-S-2.1 yn cefnogi allbwn strwythuredig ac nad yw inkling yn cefnogi json_schema; mae Nemotron3Ultra'n cefnogi'r ddau.
Y cymydog agosaf o ran pris yw GLM-5.2-3BIT-REAP ar $0.73/$2.34, a'r gymhariaeth onest yw hon: mae GLM-5.2 yn rhatach fesul tocyn, yn enwedig ar yr allbwn. Mae Nemotron yn dod â chorpws hyfforddi cyhoeddedig, deial cyllideb rhesymu penodol, a hanes teuluol wedi'i anelu at wyddoniaeth lefel ôl-radd. Rhesymu cyffredinol cyfaint uchel: rhedwch yr un rhatach. Trwm ei STEM, asiantaidd, neu'n destun archwiliad sy'n gofyn o ble y daeth ymddygiad y model: mae Nemotron yn ennill y gwahaniaeth.
10Cwestiynau cyffredin
Beth yw'r API Nemotron heb sensoriaeth?
Pwynt terfyn gwesteiedig Shannon AI ar gyfer Nemotron3Ultra 3BIT-REAP ydyw, adeiladwaith cywasgedig o Nemotron 3 Ultra pwysau agored NVIDIA. Mae'n rhedeg ar ein clwstwr GPU ein hunain heb haen wrthod a heb hidlo allbwn, mae'n cynnig cyd-destun 262,144 tocyn a 16,384 tocyn o allbwn fesul cais, ac mae'n costio $0.75 fesul miliwn o docynnau mewnbwn a $3.30 fesul miliwn o docynnau allbwn.
A yw Nemotron NVIDIA yn bwysau agored mewn gwirionedd?
Ydy. Cyhoeddodd NVIDIA Nemotron 3 Ultra ar 4 Mehefin 2026 gyda'r pwysau, y data hyfforddi a'r ryseitiau o dan drwydded ganiataol OpenMDW-1.1 y Linux Foundation, yn dilyn Nemotron-4 340B a theulu Llama-Nemotron. Yr agoredrwydd hwnnw sy'n gwneud adeiladwaith heb ei hidlo, wedi'i weithredu'n annibynnol, yn bosibl.
Beth mae 3BIT-REAP yn ei olygu?
Dau gam cywasgu. Mae REAP — Router-weighted Expert Activation Pruning, gan Cerebras Research ac a dderbyniwyd i ICLR 2026 — yn sgorio pob arbenigwr Cymysgedd o Arbenigwyr yn ôl pa mor gryf y mae'r llwybrydd yn ei gatio a pha mor fawr yw cyfraniadau ei allbwn, yna'n gollwng y rhai lleiaf amlwg yn barhaol. Caiff y goroeswyr eu cwanteiddio i bwysau 3-did, felly caiff y gyllideb ddidau ei gwario ar arbenigwyr sy'n cario traffig mewn gwirionedd.
A yw Nemotron3Ultra'n cefnogi gweledol neu allbwn Sgema JSON?
Dim delweddau: testun yn unig yw'r pwynt terfyn hwn. Mae'n cefnogi allbwn strwythuredig llym — json_schema a response_format fel ei gilydd — ynghyd â galw offer, ffrydio, olion rhesymu a reasoning_effort. Ar gyfer delweddau ar fodel heb sensoriaeth, defnyddiwch MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 neu inkling yn lle hynny.
Pam mai 262,144 tocyn yw'r cyd-destun pan fo NVIDIA'n hysbysebu 1M?
Mae pensaernïaeth Nemotron 3 yn targedu ffenestr 1M tocyn ac mae NVIDIA'n adrodd 94.7% ar RULER ar yr hyd hwnnw. Mae ein hadeiladwaith ni'n gwasanaethu 262,144 tocyn, y ffenestr rydym yn ei dal ar gyflymder llawn ar draws y catalog cyfan. Mae pob model ar y porth yn cynnig yr un cyd-destun, felly gallwch gyfnewid idiau model heb ailysgrifennu eich talpio.
A yw Nemotron yn dda ar gyfer mathemateg, gwyddoniaeth a chod?
STEM a rhesymu yw ffocws datganedig y teulu. Mae NVIDIA'n adrodd 90% ar PinchBench, 65.0-70.4% ar SWE-Bench Verified ar draws pum harnais asiant a 56.4% ar Terminal-Bench 2.1 ar gyfer Nemotron 3 Ultra; adroddodd y Llama-Nemotron Ultra cynharach 76.0% ar GPQA-Diamond yn erbyn 71.5% DeepSeek-R1. Mae pob un wedi'i adrodd gan y gwerthwr ar y sylfaen heb ei chywasgu.
Galwch yr API Nemotron heb sensoriaeth
Cyd-destun 262K, galw offer, Sgema JSON llym, dim haen wrthod — $0.75 i mewn / $3.30 allan fesul 1M tocyn.
Darllen y Dogfennau API Pob Cerdyn ModelShannon Lab LLC · New Mexico, UDA · defnydd wedi'i lywodraethu gan ein Polisi Defnydd Cyfrifol
Ffynonellau: Adroddiad technegol NVIDIA Nemotron 3 Ultra · Blog datblygwyr NVIDIA (Mehefin 2026) · Nodiadau pensaernïaeth Nemotron 3 Super · Llama-Nemotron: Efficient Reasoning Models · Cerebras Research, REAP. Mae meincnodau'r sylfaen wedi'u hadrodd gan NVIDIA ar y model heb ei gywasgu oni phriodolir hwy i Artificial Analysis; gall adeiladweithiau cywasgedig fod yn wahanol. Mae'r prisiau a'r galluoedd yn gyfredol ar 5 Medi 2026.