Το Nemotron API χωρίς λογοκρισία

Τα περισσότερα «ανοιχτά» μοντέλα είναι ανοιχτά βάρη και τίποτε άλλο — ένα tarball παραμέτρων, μια άδεια και σιωπή για το από πού προήλθαν τα νούμερα. Το Nemotron είναι η σταθερή εξαίρεση εδώ και δύο χρόνια: η NVIDIA δίνει τα βάρη, τα σύνολα δεδομένων post-training, τα περιβάλλοντα RL και τη συνταγή. Αυτό μετράει για ένα endpoint χωρίς λογοκρισία με τρόπο που εύκολα προσπερνά κανείς. Ένα μοντέλο του οποίου τα δεδομένα ευθυγράμμισης είναι δημοσιευμένα είναι ένα μοντέλο για τη συμπεριφορά άρνησης του οποίου μπορείς να συλλογιστείς αντί να μαντεύεις — και ένα μοντέλο που ένας τρίτος μπορεί νόμιμα να αναπτύξει χωρίς φίλτρο περιεχομένου βιδωμένο στο στόμα του.

01Τι είναι το Nemotron 3 Ultra;

Το Nemotron 3 Ultra είναι το μεγαλύτερο μέλος της οικογένειας Nemotron 3 της NVIDIA, που κυκλοφόρησε στο Hugging Face στις 4 Ιουνίου 2026. Η τεχνική αναφορά της NVIDIA το περιγράφει ως «ένα γλωσσικό μοντέλο Mixture-of-Experts Hybrid Mamba-Attention 550 δισεκατομμυρίων συνολικών και 55 δισεκατομμυρίων ενεργών παραμέτρων» — περίπου το 10% του δικτύου δουλεύει σε κάθε δεδομένο token, και αυτό είναι που κάνει εφικτό να σερβίρεται καν ένα μοντέλο μισού τρισεκατομμυρίου παραμέτρων.

Η δηλωμένη διάταξη είναι 108 στρώματα σε διάσταση μοντέλου 8.192, με εναλλαγή στρωμάτων χώρου καταστάσεων Mamba-2 και ενός αραιού συνόλου στρωμάτων πλήρους attention, 512 ειδικοί ανά στρώμα MoE με δρομολόγηση top-22. Η προεκπαίδευση έτρεξε σε περίπου 20 τρισεκατομμύρια tokens κειμένου σε δύο φάσεις — πρώτα με μεροληψία προς την ποικιλία, μετά προς την ποιότητα — με cutoff τον Σεπτέμβριο του 2025, 12 φυσικές γλώσσες και 43 γλώσσες προγραμματισμού. Το post-training χρησιμοποίησε SFT, RL σε πολλαπλά περιβάλλοντα με επαληθεύσιμες ανταμοιβές, και Multi-Teacher On-Policy Distillation από περισσότερους από δέκα ειδικευμένους δασκάλους. Ο δηλωμένος στόχος σχεδιασμού είναι οι μακρόβιοι πράκτορες: συνεδρίες που κρατούν μεγάλο context, καλούν εργαλεία δεκάδες φορές και τρέχουν αρκετά ώστε η οικονομία ανά token να κυριαρχεί στον λογαριασμό.

02Η γενεαλογία του Nemotron, και γιατί μετράει η καταγωγή

Το Nemotron δεν είναι μεμονωμένο περιστατικό. Είναι το ορατό αποτέλεσμα ενός ερευνητικού προγράμματος της NVIDIA που τρέχει στην ίδια κατεύθυνση από το 2024, και κάθε γενιά άφησε κάτι που το σημερινό μοντέλο εξακολουθεί να κουβαλά. Το Nemotron-4 340B (Ιούνιος 2024) κυκλοφόρησε με ανοιχτό pipeline παραγωγής συνθετικών δεδομένων, το reward model και τη γεννήτριά του, συν μια ασυνήθιστη αποκάλυψη: η συντριπτική πλειονότητα των δεδομένων ευθυγράμμισής του είχε παραχθεί από μοντέλο. Το μοντέλο ως εργοστάσιο δεδομένων και όχι ως μαντείο είναι ο λόγος που οι μεταγενέστερες κυκλοφορίες Nemotron συνεχίζουν να δίνουν σύνολα δεδομένων μαζί με τα βάρη.

Llama-Nemotron — συλλογιστική που μπορείς να σβήσεις

Η οικογένεια Llama-Nemotron του 2025 (LN-Nano 8B, LN-Super 49B, LN-Ultra 253B) συνεισέφερε δύο ιδέες που άντεξαν στον χρόνο. Η πρώτη ήταν αρχιτεκτονική: η αναζήτηση νευρωνικής αρχιτεκτονικής Puzzle της NVIDIA έφτιαξε μια βιβλιοθήκη από block-wise αποσταγμένα μπλοκ transformer και τα συναρμολόγησε με μεικτό ακέραιο προγραμματισμό, παράγοντας μοντέλα όπου κάποια μπλοκ παρακάμπτουν εντελώς το attention ή το αντικαθιστούν με ένα μόνο γραμμικό στρώμα, ενώ το FFN Fusion συνένωσε διαδοχικά feed-forward μπλοκ σε λιγότερα, πλατύτερα και παράλληλα — κόβοντας σειριακό βάθος αντί για αριθμό παραμέτρων. Το LN-Ultra χωρούσε σε έναν μόνο κόμβο 8×H100 ενώ, σύμφωνα με το paper της NVIDIA, ξεπερνούσε το DeepSeek-R1 στο GPQA-Diamond (76.0% έναντι 71.5%).

Η δεύτερη ήταν συμπεριφορική: το Llama-Nemotron ήταν η πρώτη ανοιχτή οικογένεια με δυναμικό διακόπτη συλλογιστικής, σημειώνοντας τα δεδομένα εκπαίδευσης ως detailed thinking on ή detailed thinking off στην οδηγία συστήματος, με ανταμοιβές μορφής που επέβαλλαν ετικέτες <think> στη λειτουργία on. Ένα σύνολο βαρών, δύο συμπεριφορές, επιλέξιμες κατά την εξαγωγή συμπερασμάτων. Ο έλεγχος προϋπολογισμού συλλογιστικής του Nemotron 3 — και η παράμετρος reasoning_effort στο API μας — κατάγονται απευθείας από εκείνη τη δουλειά.

Nemotron 3 — η υβριδική στροφή

Το Nemotron 3 αντικατέστησε την παραγωγή από Llama με μια εξ αρχής υβριδική αρχιτεκτονική και πρόσθεσε το LatentMoE (συμπίεση των tokens πριν από τη δρομολόγηση, που κατά τη NVIDIA επιτρέπει «4 φορές περισσότερους ειδικούς με το ίδιο κόστος inference»), την πρόβλεψη πολλαπλών tokens και εγγενή προεκπαίδευση σε NVFP4. Η NVIDIA δημοσίευσε συνολικά 50 εκατομμύρια δείγματα SFT, 2 εκατομμύρια εργασίες RL και 55 περιβάλλοντα RL μαζί με τα βάρη — δεν χρειάζεται να πιστέψεις τον λόγο ενός προμηθευτή για το τι διδάχθηκε το μοντέλο, επειδή το διδακτικό υλικό κατεβαίνει.

03Τι σου δίνει η υβριδική αρχιτεκτονική

Η KV cache ενός transformer μεγαλώνει γραμμικά με το μήκος της ακολουθίας, γι' αυτό και το inference μεγάλου context γίνεται ακριβό σε μνήμη πριν γίνει ακριβό σε υπολογισμό. Τα στρώματα Mamba-2 είναι μοντέλα χώρου καταστάσεων που κουβαλούν μια αναδρομική κατάσταση σταθερού μεγέθους, οπότε το κόστος μνήμης ανά token δεν μεγαλώνει με το ιστορικό· αυτό στο οποίο τα πάνε άσχημα είναι η ακριβής συνειρμική ανάκληση. Το υβρίδιο κρατά το Mamba-2 για τον κύριο όγκο της επεξεργασίας ακολουθίας συν μια μειοψηφία πραγματικών στρωμάτων attention για την ανάκληση που τα στρώματα χώρου καταστάσεων μπερδεύουν, με μια επιθετική αναλογία 64 query heads προς 2 KV heads που συρρικνώνει κι άλλο την cache. Η NVIDIA αναφέρει 94.7% στο RULER στο 1M tokens — ένα benchmark ανάκτησης βελόνας φτιαγμένο ακριβώς για να πιάνει μοντέλα που διαφημίζουν ένα παράθυρο το οποίο δεν μπορούν να αξιοποιήσουν.

Η συνέπεια είναι η ρυθμαπόδοση: η NVIDIA ισχυρίζεται έως και περίπου 6× υψηλότερη ρυθμαπόδοση inference από συγκρίσιμα μοντέλα με ισοδύναμη ακρίβεια, και η Artificial Analysis μέτρησε ανεξάρτητα 140.3 tokens ανά δευτερόλεπτο με χρόνο μέχρι το πρώτο token 1.33 δευτερόλεπτα — 7ο ανάμεσα σε 89 μοντέλα. Σε ένα τρέξιμο πράκτορα 200 γύρων, αυτή είναι η διαφορά ανάμεσα στο να τελειώσεις μέσα στο απόγευμα και στο να μην τελειώσεις.

04Τι σημαίνει «3BIT-REAP», με ειλικρίνεια

Η κατάληξη δεν είναι διακοσμητική — σου λέει ακριβώς τι έγινε στο θεμέλιο για να χωρέσει.

Το REAP — Router-weighted Expert Activation Pruning — προέρχεται από τη Cerebras Research και έγινε δεκτό στο ICLR 2026. Σε ένα αραιό MoE ο router στέλνει κάθε token σε μια χούφτα ειδικών· σε έναν πραγματικό φόρτο εργασίας κάποιοι χτυπιούνται συνεχώς και άλλοι σχεδόν ποτέ. Το REAP βαθμολογεί κάθε ειδικό με ένα κριτήριο σημαντικότητας που συνδυάζει το πόσο ισχυρά τον πυλώνει ο router και το πόσο μεγάλες είναι οι συνεισφορές του στην έξοδο, και μετά αφαιρεί εντελώς τους λιγότερο σημαντικούς — η Cerebras αναφέρει κλάδεμα έως και του 50% των ειδικών από μοντέλα μεγέθους έως 1 τρισεκατομμυρίου παραμέτρων διατηρώντας σε μεγάλο βαθμό την ποιότητα αναφοράς, και διαπιστώνει ότι για γεννητικές εργασίες όπως ο κώδικας το κλάδεμα νικά τη συγχώνευση. Η κβάντιση στα 3 bit συμπιέζει στη συνέχεια ό,τι επιβίωσε. Πρώτα κλάδεμα, μετά κβάντιση, ώστε ο προϋπολογισμός των bit να πάει στους ειδικούς που κουβαλούν κίνηση αντί να απλωθεί πάνω σε νεκρούς.

Η συμπίεση δεν είναι δωρεάν, και δεν θα προσποιηθούμε το αντίθετο: η επιθετική κβάντιση εμφανίζεται πρώτα ως μικρές υποβαθμίσεις στη συμμόρφωση με αυστηρή μορφή και στην αριθμητική μακράς αλυσίδας, όχι ως ορατή ασυναρτησία. Πού κάθονται οι τρεις βαθμίδες:

Κατάληξη	Τι είναι	Πού τη χρησιμοποιούμε
3BIT-REAP	Βάρη 3 bit + κλάδεμα ειδικών	Τα μεγαλύτερα θεμέλια, εκεί όπου τίποτε άλλο δεν χωρά με ταχύτητα
W4A16-AUTOROUND-REAP	Βάρη 4 bit / ενεργοποιήσεις 16 bit, μαθημένη στρογγυλοποίηση AutoRound, + κλάδεμα	Θεμέλια μεσαίου μεγέθους· το AutoRound ανακτά ακρίβεια σε σχέση με την απλοϊκή στρογγυλοποίηση στο πλησιέστερο
W8A16	Βάρη 8 bit / ενεργοποιήσεις 16 bit	Υψηλότερη πιστότητα· θεμέλια αρκετά μικρά ώστε να μη χρειάζονται επιθετική συμπίεση

Το Nemotron 3 Ultra με τα 550B του ανήκει ξεκάθαρα στην πρώτη κατηγορία. Αν ο φόρτος σου είναι ασυνήθιστα ευαίσθητος σε ακριβή αριθμητική έξοδο πάνω σε μακριές αλυσίδες, το ευρετήριο έρευνας παραθέτει τη βαθμίδα W8A16 — MiMo-V2.5-Pro-W8A16 και Hy3-W8A16 — στο κατώτατο επίπεδο τιμής $0.50/$2.00. Πραγματική ανταλλαγή, όχι χοάνη πωλήσεων: μικρότερο μοντέλο, λιγότερη συμπίεση.

05Τι σημαίνει «χωρίς λογοκρισία» σε αυτό το endpoint

Συγκεκριμένα: δεν υπάρχει επίπεδο άρνησης ούτε φιλτράρισμα περιεχομένου στην έξοδο. Κανένας ταξινομητής δεν επιθεωρεί το prompt σου για να επιστρέψει μια κονσερβοποιημένη άρνηση, και η απάντηση δεν σαρώνεται πριν φτάσει στο stream σου. Αυτό που παίρνεις είναι η ίδια η συμπεριφορά του μοντέλου.

Εδώ η ανοιχτή καταγωγή παύει να είναι απλή λεπτομέρεια. Επειδή η NVIDIA δημοσίευσε τα δεδομένα post-training και τα περιβάλλοντα RL, οι προδιαθέσεις του μοντέλου είναι καταρχήν ελέγξιμες αντί για λαϊκή παράδοση. Και επειδή η OpenMDW-1.1 είναι μια επιτρεπτική άδεια του Linux Foundation που καλύπτει αρχιτεκτονική, παραμέτρους, τεκμηρίωση και λογισμικό, ένας ανεξάρτητος πάροχος μπορεί να σερβίρει μια τροποποιημένη, αφιλτράριστη ανάπτυξη στο δικό του υλικό χωρίς να στέκεται εμπόδιο η άδεια. Πολλές άδειες «ανοιχτών» μοντέλων δεν το επιτρέπουν αυτό. Αυτή το επιτρέπει. Η διαφορά φαίνεται εκεί όπου η αντανακλαστική άρνηση είναι σφάλμα και όχι χαρακτηριστικό ασφάλειας:

• Έρευνα ασφάλειας — ανάλυση ευπαθειών, συλλογιστική για exploit, συμπεριφορά κακόβουλου λογισμικού, εργαλεία red team, χωρίς να μαλώνεις για το αν επιτρέπεται η ερώτηση.
• Χημεία, βιολογία και φαρμακολογία — υπολογισμοί δοσολογίας, μηχανισμοί αντιδράσεων, τοξικολογία, συνθετικές οδοί που ένα φιλτραρισμένο endpoint αρνείται με την πρώτη επαφή με λέξη-κλειδί.
• Ανταγωνιστική μηχανική μάθηση — δύσκολα αρνητικά παραδείγματα, σώματα jailbreak και ταξινομίες κατάχρησης για ταξινομητές που πρέπει να έχουν δει το πραγματικό πράγμα.
• Κλινικό, νομικό και ιατροδικαστικό κείμενο — υλικό υποθέσεων που είναι ωμό από τη φύση του και απορρίπτεται ακριβώς γι' αυτόν τον λόγο.

Χωρίς λογοκρισία δεν σημαίνει χωρίς λογοδοσία. Είσαι υπεύθυνος για ό,τι παράγεις, και η Πολιτική Υπεύθυνης Χρήσης και οι Όροι Χρήσης μας διέπουν τον λογαριασμό. Η αφαίρεση ενός επιπέδου άρνησης αφαιρεί μια εικασία για την πρόθεση· δεν αφαιρεί τις υποχρεώσεις σου βάσει του δικαίου που σε δεσμεύει.

06STEM και συλλογιστική: τι λένε τα δημοσιευμένα νούμερα

Η εστίαση της εκπαίδευσης του Nemotron ήταν μαθηματικά, κώδικας, επιστήμη και τήρηση οδηγιών από τότε που το σύνολο δεδομένων post-training του Llama-Nemotron χτίστηκε ακριβώς γύρω από αυτούς τους τέσσερις άξονες. Τι αναφέρει η NVIDIA για το θεμέλιο Nemotron 3 Ultra — νούμερα δηλωμένα από τον προμηθευτή για το ασυμπίεστο μοντέλο, τα οποία δεν τρέξαμε εμείς:

Δύο επιφυλάξεις που αξίζουν περισσότερο από τα νούμερα. Το νούμερο του SWE-Bench Verified είναι εύρος — η NVIDIA αναφέρει 65.0% έως 70.4% ανάλογα με το ποιο agent harness το τρέχει (Pi, OpenHands, Hermes, OpenCode, Mini SWE Agent), και μια διαφορά πέντε μονάδων μόνο από το scaffolding δείχνει πόσο τα αντζεντικά σκορ εξαρτώνται από το harness και όχι από το μοντέλο. Και η Artificial Analysis τοποθέτησε το Nemotron 3 Ultra στο 48 του Intelligence Index της, 9ο ανάμεσα σε 89 μοντέλα — ισχυρό, όχι κορυφή του πεδίου, και η ανεξάρτητη μέτρησή τους είναι αυτή που θα βαραίναμε πάνω από τη διαφάνεια οποιουδήποτε προμηθευτή.

Για την προηγούμενη γενιά, το paper Llama-Nemotron της NVIDIA αναφέρει το LN-Ultra στο 76.0% στο GPQA-Diamond έναντι 71.5% του DeepSeek-R1 και 43.4% του Llama-3.1-405B-Instruct, συν 80.8% στο AIME 2024 — διαφορετικό μοντέλο, που το συμπεριλαμβάνουμε επειδή η επιστήμη μεταπτυχιακού επιπέδου και τα μαθηματικά διαγωνισμών είναι ο στόχος της οικογένειας εδώ και δύο γενιές.

Νούμερα benchmark όπως δημοσιεύτηκαν από τη NVIDIA (Ιούνιος 2026) για το ασυμπίεστο Nemotron 3 Ultra, και από την Artificial Analysis για τις ανεξάρτητες μετρήσεις. Τα συμπιεσμένα build μπορεί να διαφέρουν. Δεν δημοσιεύουμε νούμερα benchmark που δεν επαληθεύσαμε ή που δεν μπορούμε να αποδώσουμε σε πηγή.

07Τιμή, και η επιφύλαξη για τη φλυαρία

Στα $0.75 ανά εκατομμύριο tokens εισόδου και $3.30 ανά εκατομμύριο tokens εξόδου, το Nemotron3Ultra κάθεται στο κάτω τρίτο του καταλόγου μας στην είσοδο και στη μέση στην έξοδο. Λυμένα παραδείγματα, επειδή η τιμολόγηση ανά εκατομμύριο δύσκολα γίνεται αισθητή:

Μορφή κλήσης	Είσοδος	Έξοδος	Κόστος
Τυπικός γύρος RAG	50.000	4.000	$0.051
Ανάλυση μεγάλου εγγράφου	150.000	8.000	$0.139
Κλήση μέγιστου μεγέθους	262.144	16.384	$0.251

Ένα αίτημα με πλήρες context και πλήρη έξοδο — κάθε token που θα δεχτεί το endpoint και κάθε token που θα παραγάγει — κοστίζει περίπου 25 σεντς. Η ίδια μορφή στο Kimi-K3-3BIT-REAP, το ακριβότερο μοντέλο μας στα $3.83/$19.12, κοστίζει περίπου $1.32, δηλαδή 5.3× περισσότερο.

Τώρα η επιφύλαξη, και είναι υπαρκτή. Η Artificial Analysis μέτρησε ότι το Nemotron 3 Ultra παράγει 2.3× περισσότερα tokens εξόδου από τον διάμεσο ομότιμό του σε όλη τη σουίτα benchmark τους. Τα μοντέλα συλλογιστικής σε χρεώνουν για τη σκέψη, και αυτό σκέφτεται εκτενώς· ένα πλεονέκτημα τιμής ανά token εξατμίζεται σε μειονέκτημα ανά εργασία αν το μοντέλο συλλογίζεται τρεις φορές περισσότερο για να φτάσει στην ίδια απάντηση. Ο μετριασμός είναι ενσωματωμένος και εκτεθειμένος στο API μας: το Nemotron 3 εκπαιδεύτηκε μετά την προεκπαίδευση για έλεγχο προϋπολογισμού συλλογιστικής, και το reasoning_effort υποστηρίζεται εδώ — η NVIDIA περιγράφει μια λειτουργία χαμηλότερης προσπάθειας που χρησιμοποιεί ουσιαστικά λιγότερα tokens σκέψης με μονοψήφια ανταλλαγή σε ακρίβεια. Σε ταξινόμηση, εξαγωγή και δρομολόγηση, χαμήλωσέ το και τα οικονομικά αλλάζουν ουσιαστικά· σε μια απόδειξη ή σε ένα refactor πολλών αρχείων, ανέβασέ το και πλήρωσε γι' αυτό συνειδητά. Μέτρα τα δικά σου tokens ανά εργασία αντί να διαβάζεις τον τιμοκατάλογο και να υποθέτεις.

08Πώς το καλείς: τρεις διάλεκτοι, ένα μοντέλο

Κάθε μοντέλο στο gateway απαντά σε τρεις επιφάνειες streaming API, ώστε να μπορείς να στρέψεις έναν υπάρχοντα client πάνω του χωρίς να ξαναγράψεις την ενσωμάτωσή σου: /v1/chat/completions (διάλεκτος OpenAI), /v1/messages (διάλεκτος Anthropic) και /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."}
    ]
  }'

Σύνοψη δυνατοτήτων, ώστε να μη σε αιφνιδιάσει τίποτε τη στιγμή της ενσωμάτωσης:

Δυνατότητα	Nemotron3Ultra · 3BIT-REAP
Παράθυρο context	262.144 tokens
Μέγιστη έξοδος / αίτημα	16.384 tokens
Streaming	Ναι
Κλήση εργαλείων	Ναι
Ίχνη συλλογιστικής	Ναι
reasoning_effort	Ναι
json_schema (αυστηρό)	Ναι
response_format	Ναι
Όραση / είσοδος εικόνας	Όχι — μόνο κείμενο
Επίπεδο άρνησης	Κανένα

Η γραμμή της όρασης πιάνει κόσμο απροετοίμαστο: το Nemotron3Ultra δέχεται μόνο κείμενο. Αν το pipeline σου στέλνει εικόνες, χρησιμοποίησε το MiniMax-M3-3BIT-REAP ή το MiMo-V2.5-W8A16 στα $0.50/$2.00, ή το Kimi-K2.6-W4A16-AUTOROUND-REAP στα $0.78/$3.67 — όλα με δυνατότητα όρασης, όλα χωρίς λογοκρισία, όλα στο ίδιο context 262.144 tokens. Η πλήρης αναφορά παραμέτρων βρίσκεται στην τεκμηρίωση του API.

09Πού ταιριάζει το Nemotron3Ultra ανάμεσα στα δώδεκα

Ο κατάλογος είναι δώδεκα μοντέλα χωρίς λογοκρισία που μοιράζονται το ίδιο παράθυρο context, τις ίδιες τρεις διαλέκτους και την ίδια απουσία επιπέδου άρνησης· διαφέρουν σε θεμέλιο, τιμή και δυνατότητες. Η θέση του Nemotron είναι συγκεκριμένη: το άλογο εργασίας της συλλογιστικής με ανοιχτή καταγωγή — ούτε το φθηνότερο ούτε το ικανότερο, αλλά αυτό με το πιο δημόσιο χαρτί πίσω από τη συμπεριφορά του, ρυθμισμένο πιο σκληρά προς STEM και πράκτορες.

Μοντέλο	In / 1M	Out / 1M	Όραση	Διάλεξέ το για
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ναι	Η φθηνότερη επιλογή με όραση
MiMo-V2.5-Pro · W8A16	$0.50	$2.00	Όχι	Βαθμίδα κβάντισης υψηλότερης πιστότητας
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Όχι	Η φθηνότερη συλλογιστική μεγάλου θεμελίου
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	Όχι	STEM, πράκτορες, ανοιχτή καταγωγή
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Ναι	Όραση + πιστότητα AutoRound
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	Όχι	Βαθιά ανάλυση με μία βολή
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ναι	Απόλυτη οροφή δυνατοτήτων

Εμφανίζονται επτά από τα δώδεκα. Ο πλήρης κατάλογος — μαζί με τα Laguna-S-2.1, inkling, DeepSeek-V4-Flash, MiMo-V2.5 και Hy3 — βρίσκεται στην τεκμηρίωση του API. Σημείωσε ότι το Laguna-S-2.1 δεν υποστηρίζει δομημένη έξοδο και το inkling δεν υποστηρίζει json_schema· το Nemotron3Ultra υποστηρίζει και τα δύο.

Ο πλησιέστερος γείτονας σε τιμή είναι το GLM-5.2-3BIT-REAP στα $0.73/$2.34, και η ειλικρινής σύγκριση είναι η εξής: το GLM-5.2 είναι φθηνότερο ανά token, ειδικά στην έξοδο. Το Nemotron φέρνει δημοσιευμένο σώμα εκπαίδευσης, ρητό διακόπτη προϋπολογισμού συλλογιστικής και ένα οικογενειακό ιστορικό στοχευμένο στην επιστήμη μεταπτυχιακού επιπέδου. Γενική συλλογιστική σε μεγάλο όγκο: τρέξε το φθηνότερο. Βαριά STEM, αντζεντική δουλειά, ή υποκείμενη σε έλεγχο που ρωτά από πού προήλθε η συμπεριφορά του μοντέλου: το Nemotron κερδίζει τη διαφορά.

10Συχνές ερωτήσεις

---

Πηγές: Τεχνική αναφορά NVIDIA Nemotron 3 Ultra · Blog προγραμματιστών NVIDIA (Ιούνιος 2026) · Σημειώσεις αρχιτεκτονικής Nemotron 3 Super · Llama-Nemotron: Efficient Reasoning Models · Cerebras Research, REAP. Τα benchmark του θεμελίου είναι δηλωμένα από τη NVIDIA για το ασυμπίεστο μοντέλο, εκτός αν αποδίδονται στην Artificial Analysis· τα συμπιεσμένα build μπορεί να διαφέρουν. Οι τιμές και οι δυνατότητες ισχύουν στις 5 Σεπτεμβρίου 2026.