API של Nemotron ללא צנזורה

רוב המודלים ה"פתוחים" פתוחים במשקלים ובזה נגמר העניין — ארכיון של פרמטרים, רישיון, ושתיקה לגבי מקור המספרים. Nemotron הוא היוצא מן הכלל העקבי כבר שנתיים: NVIDIA משחררת את המשקלים, את מערכי הנתונים לאימון המאוחר, את סביבות ה-RL ואת המתכון. לזה יש חשיבות לנקודת קצה ללא צנזורה באופן שקל לפספס. מודל שנתוני היישור שלו פורסמו הוא מודל שאפשר להסיק לגבי התנהגות הסירוב שלו במקום לנחש אותה — והוא גם מודל שצד שלישי יכול לפרוס באופן לגיטימי בלי מסנן תוכן מולחם לפיו.

01מהו Nemotron 3 Ultra?

Nemotron 3 Ultra הוא החבר הגדול ביותר במשפחת Nemotron 3 של NVIDIA, ששוחרר ב-Hugging Face ב-4 ביוני 2026. הדוח הטכני של NVIDIA מתאר אותו כ"מודל שפה מסוג Mixture-of-Experts היברידי Mamba-Attention עם 550 מיליארד פרמטרים בסך הכול ו-55 מיליארד פעילים" — כלומר בערך 10% מהרשת עובדת על כל טוקן נתון, וזה מה שהופך מודל של חצי טריליון פרמטרים לבר-הגשה בכלל.

המבנה המדווח הוא 108 שכבות במימד מודל של 8,192, המשלבות שכבות מרחב-מצבים Mamba-2 עם קבוצה דלילה של שכבות תשומת לב מלאות, 512 מומחים בכל שכבת MoE בניתוב top-22. האימון המקדים רץ על כ-20 טריליון טוקני טקסט בשני שלבים — קודם בהטיה לגיוון ואחר כך בהטיה לאיכות — עם נקודת חיתוך בספטמבר 2025, 12 שפות טבעיות ו-43 שפות תכנות. האימון המאוחר השתמש ב-SFT, ב-RL רב-סביבתי עם תגמולים ניתנים לאימות, ובזיקוק על-מדיניות מרובה-מורים מיותר מעשרה מורים מומחים. יעד התכנון המוצהר הוא סוכנים שרצים לאורך זמן: פגישות שמחזיקות הקשר גדול, קוראות לכלים עשרות פעמים, ורצות מספיק זמן כדי שהכלכלה לכל טוקן תשלוט בחשבון.

02שושלת Nemotron, ולמה הייחוס חשוב

Nemotron אינו מקרה חד-פעמי. הוא התוצר הגלוי של תוכנית מחקר של NVIDIA שרצה באותו כיוון מאז 2024, וכל דור הותיר משהו שהמודל הנוכחי עדיין נושא. Nemotron-4 340B (יוני 2024) שוחרר עם צינור פתוח ליצירת נתונים סינתטיים, עם מודל התגמול ועם המחולל שלו, ובנוסף עם גילוי חריג: הרוב המכריע של נתוני היישור שלו נוצר על ידי מודל. תפיסת המודל כמפעל נתונים ולא כאורקל היא הסיבה שמהדורות Nemotron המאוחרות ממשיכות לשחרר מערכי נתונים לצד המשקלים.

Llama-Nemotron — חשיבה שאפשר לכבות

משפחת Llama-Nemotron של 2025 (LN-Nano 8B, LN-Super 49B, LN-Ultra 253B) תרמה שני רעיונות שהזדקנו היטב. הראשון ארכיטקטוני: חיפוש הארכיטקטורות הנוירוניות Puzzle של NVIDIA בנה ספרייה של בלוקי טרנספורמר מזוקקים ברמת הבלוק והרכיב אותם בעזרת תכנות בשלמים מעורבים, ויצר מודלים שבהם חלק מהבלוקים מדלגים לגמרי על תשומת לב או מחליפים אותה בשכבה לינארית יחידה, בעוד FFN Fusion כיווץ בלוקי הזנה-קדימה רצופים למעט בלוקים רחבים ומקבילים יותר — קיצור העומק הסדרתי ולא מספר הפרמטרים. LN-Ultra נכנס לצומת יחיד של 8×H100 ובו בזמן, לפי המאמר של NVIDIA, עקף את DeepSeek-R1 ב-GPQA-Diamond (76.0% מול 71.5%).

השני התנהגותי: Llama-Nemotron הייתה המשפחה הפתוחה הראשונה עם מתג חשיבה דינמי, שתייגה נתוני אימון ב-detailed thinking on או ב-detailed thinking off בהוראת המערכת, עם תגמולי פורמט שאכפו תגיות <think> במצב הדלוק. סט משקלים אחד, שתי התנהגויות, בחירה בזמן ההסקה. בקרת תקציב החשיבה של Nemotron 3 — והפרמטר reasoning_effort ב-API שלנו — צאצאים ישירים של העבודה הזו.

Nemotron 3 — הפנייה ההיברידית

Nemotron 3 החליף את הנגזרת מ-Llama בארכיטקטורה היברידית שנבנתה מאפס, והוסיף LatentMoE (דחיסת טוקנים לפני הניתוב, מה שלפי NVIDIA מאפשר "פי 4 מומחים באותה עלות הסקה"), ניבוי רב-טוקני, ואימון מקדים מובנה ב-NVFP4. NVIDIA פרסמה במצטבר 50 מיליון דגימות SFT, 2 מיליון משימות RL ו-55 סביבות RL לצד המשקלים — אינך צריך להאמין ליצרן על מה שהמודל למד, כי חומר הלימוד ניתן להורדה.

03מה הארכיטקטורה ההיברידית קונה לך

מטמון ה-KV של טרנספורמר גדל לינארית עם אורך הרצף, ולכן הסקה בהקשר ארוך נעשית יקרה בזיכרון עוד לפני שהיא נעשית יקרה בחישוב. שכבות Mamba-2 הן מודלים של מרחב מצבים שנושאים מצב רקורסיבי בגודל קבוע, ולכן עלות הזיכרון שלהן לכל טוקן אינה גדלה עם ההיסטוריה; מה שהן עושות רע הוא שליפה אסוציאטיבית מדויקת. ההיברידיות שומרת על Mamba-2 לרוב עיבוד הרצף ומוסיפה מיעוט של שכבות תשומת לב אמיתיות לשליפה ששכבות מרחב-מצבים מגמגמות בה, עם יחס אגרסיבי של 64 ראשי שאילתה ל-2 ראשי KV שמכווץ את המטמון עוד יותר. NVIDIA מדווחת על 94.7% ב-RULER במיליון טוקנים — בנצ'מרק לשליפת מחט שנבנה כדי לתפוס מודלים שמצהירים על חלון שאינם יכולים להשתמש בו.

התוצאה היא תפוקה: NVIDIA טוענת לתפוקת הסקה גבוהה עד פי 6 בערך ממודלים דומים ברמת דיוק מקבילה, ו-Artificial Analysis מדדה באופן עצמאי 140.3 טוקנים לשנייה עם 1.33 שניות עד הטוקן הראשון — מקום 7 מתוך 89 מודלים. בהרצת סוכן של 200 סבבים זה ההבדל בין לסיים בתוך אחר צהריים לבין לא לסיים.

04מה אומר "3BIT-REAP", בכנות

הסיומת אינה קישוט — היא מספרת לך בדיוק מה נעשה למודל היסוד כדי שייכנס.

REAP — Router-weighted Expert Activation Pruning — מגיע מ-Cerebras Research והתקבל ל-ICLR 2026. במודל MoE דליל הנתב שולח כל טוקן לקומץ מומחים; על פני עומס עבודה אמיתי חלקם נפגעים ללא הרף ואחרים כמעט אף פעם. REAP מדרג כל מומחה לפי קריטריון בולטות שמשלב באיזו עוצמה הנתב פותח לו שער עם עוצמת התרומה של הפלט שלו, ואז מסיר לחלוטין את בעלי הבולטות הנמוכה ביותר — Cerebras מדווחת על גיזום של עד 50% מהמומחים ממודלים בגודל של עד טריליון פרמטרים תוך שמירה במידה רבה על איכות הבסיס, ומוצאת שלמשימות יוצרות כמו קוד, גיזום מנצח מיזוג. קוונטיזציה ל-3 סיביות דוחסת אחר כך את מה ששרד. קודם גוזמים, אחר כך מקוונטזים, כך שתקציב הסיביות הולך למומחים שנושאים תעבורה במקום להימרח על מתים.

הדחיסה אינה חינם, ולא נעמיד פנים אחרת: קוונטיזציה אגרסיבית מתגלה קודם כול כפגיעות קטנות בציות לפורמט מדויק ובאריתמטיקה של שרשראות ארוכות, ולא כחוסר קוהרנטיות גלוי. איפה שלושת הדרגים ממוקמים:

סיומת	מה זה	איפה אנחנו משתמשים בזה
3BIT-REAP	משקלים של 3 סיביות + גיזום מומחים	מודלי היסוד הגדולים ביותר, שם שום דבר אחר לא נכנס במהירות סבירה
W4A16-AUTOROUND-REAP	משקלים של 4 סיביות / הפעלות של 16 סיביות, עיגול נלמד של AutoRound, + גיזום	מודלי יסוד בינוניים; AutoRound משחזר דיוק לעומת עיגול נאיבי לערך הקרוב
W8A16	משקלים של 8 סיביות / הפעלות של 16 סיביות	הנאמנות הגבוהה ביותר; מודלי יסוד קטנים מספיק כדי לא להזדקק לדחיסה אגרסיבית

Nemotron 3 Ultra עם 550B נמצא בבירור בקטגוריה הראשונה. אם עומס העבודה שלך רגיש במיוחד לפלט מספרי מדויק לאורך שרשראות ארוכות, אינדקס המחקר מפרט את דרג ה-W8A16 — MiMo-V2.5-Pro-W8A16 ו-Hy3-W8A16 — ברצפת $0.50/$2.00. פשרה אמיתית, לא משפך: מודל קטן יותר, פחות דחיסה.

05מה המשמעות של "ללא צנזורה" בנקודת הקצה הזו

באופן מוחשי: אין שכבת סירוב ואין סינון תוכן על הפלט. אין מסווג שבודק את ההנחיה שלך ומחזיר סירוב מוכן מראש, והתשובה אינה נסרקת לפני שהיא מגיעה לזרם שלך. מה שאתה מקבל הוא ההתנהגות של המודל עצמו.

כאן השושלת הפתוחה מפסיקה להיות טריוויה. מכיוון ש-NVIDIA פרסמה את נתוני האימון המאוחר ואת סביבות ה-RL, הנטיות של המודל ניתנות עקרונית לביקורת ואינן פולקלור. ומכיוון ש-OpenMDW-1.1 הוא רישיון מתירני של קרן Linux שמכסה ארכיטקטורה, פרמטרים, תיעוד ותוכנה, מפעיל עצמאי יכול להגיש פריסה מותאמת ולא מסוננת על החומרה שלו בלי שהרישיון יהיה המכשול. רישיונות רבים של מודלים "פתוחים" אינם מתירים זאת. זה כן. ההבדל מתגלה במקומות שבהם סירוב רפלקסיבי הוא באג ולא תכונת בטיחות:

• מחקר אבטחה — ניתוח פגיעויות, חשיבה על ניצול חולשות, התנהגות תוכנות זדוניות וכלי צוות אדום, בלי להתווכח על השאלה אם השאלה מותרת.
• כימיה, ביולוגיה ופרמקולוגיה — חישובי מינון, מנגנוני תגובה, טוקסיקולוגיה ומסלולי סינתזה שנקודת קצה מסוננת מסרבת להם במגע של מילת מפתח.
• למידת מכונה יריבה — דוגמאות שליליות קשות, קורפוסים של פריצות מודל וטקסונומיות של שימוש לרעה, עבור מסווגים שחייבים לראות את הדבר האמיתי.
• טקסט קליני, משפטי ופורנזי — חומרי מקרה שהם גרפיים מטבעם ונדחים בדיוק מהסיבה הזו.

ללא צנזורה אינו נטול אחריות. אתה הבעלים של מה שאתה מייצר, ומדיניות השימוש האחראי ותנאי השירות שלנו חלים על החשבון. הסרת שכבת סירוב מסירה ניחוש לגבי כוונה; היא אינה מסירה את החובות שלך לפי הדין שחל עליך.

06מדעים וחשיבה: מה אומרים המספרים שפורסמו

מוקד האימון של Nemotron היה מתמטיקה, קוד, מדע וציות להוראות מאז שמערך הנתונים לאימון המאוחר של Llama-Nemotron נבנה סביב בדיוק ארבעת הצירים האלה. מה ש-NVIDIA מדווחת על מודל היסוד Nemotron 3 Ultra — מספרים מדווחי-יצרן על המודל הלא דחוס, שאנחנו לא הרצנו:

שתי הסתייגויות ששוות יותר מהמספרים. הנתון של SWE-Bench Verified הוא טווח — NVIDIA מדווחת על 65.0% עד 70.4% בהתאם למסגרת הסוכן שמריצה אותו (Pi, OpenHands, Hermes, OpenCode, Mini SWE Agent), ופער של חמש נקודות מהפיגומים בלבד מראה כמה ציונים סוכניים תלויים במסגרת ולא במודל. ו-Artificial Analysis מיקמה את Nemotron 3 Ultra על 48 במדד האינטליגנציה שלה, מקום 9 מתוך 89 מודלים — חזק, לא בראש התחום, והמדידה העצמאית שלהם היא זו שהיינו משקללים מעל כל שקופית של יצרן.

על הדור הקודם, המאמר של NVIDIA על Llama-Nemotron מדווח על LN-Ultra עם 76.0% ב-GPQA-Diamond מול 71.5% של DeepSeek-R1 ו-43.4% של Llama-3.1-405B-Instruct, ובנוסף 80.8% ב-AIME 2024 — מודל אחר, שנכלל כאן מפני שמדע ברמת תארים מתקדמים ומתמטיקה תחרותית הם היעד של המשפחה כבר שני דורות.

מספרי הבנצ'מרק כפי שפורסמו על ידי NVIDIA (יוני 2026) על Nemotron 3 Ultra הלא דחוס, ועל ידי Artificial Analysis למדידות עצמאיות. בניות דחוסות עשויות להיות שונות. אנחנו לא מפרסמים מספרי בנצ'מרק שלא אימתנו או שאיננו יכולים לייחס.

07מחיר, והסתייגות המילוליות

במחיר $0.75 למיליון טוקני קלט ו-$3.30 למיליון טוקני פלט, Nemotron3Ultra יושב בשליש התחתון של הקטלוג שלנו בקלט ובאמצע בפלט. דוגמאות מחושבות, כי קשה לחוש תמחור למיליון:

צורת הקריאה	קלט	פלט	עלות
סבב RAG טיפוסי	50,000	4,000	$0.051
ניתוח מסמך ארוך	150,000	8,000	$0.139
קריאה בגודל מרבי	262,144	16,384	$0.251

בקשה עם הקשר מלא ופלט מלא — כל טוקן שנקודת הקצה תקבל וכל טוקן שהיא תייצר — עולה בערך 25 סנט. אותה צורה על Kimi-K3-3BIT-REAP, המודל היקר ביותר שלנו במחיר $3.83/$19.12, עולה בערך $1.32, כלומר פי 5.3 יותר.

ועכשיו ההסתייגות, והיא אמיתית. Artificial Analysis מדדה ש-Nemotron 3 Ultra מייצר פי 2.3 יותר טוקני פלט מהחציון של עמיתיו על פני מערך הבנצ'מרקים שלהם. מודלי חשיבה מחייבים אותך על החשיבה, וזה חושב באריכות; יתרון מחיר לכל טוקן מתאדה לחיסרון לכל משימה אם המודל חושב פי שלושה זמן כדי להגיע לאותה תשובה. המיתון בנוי פנימה וחשוף ב-API שלנו: Nemotron 3 עבר אימון מאוחר לבקרת תקציב חשיבה, ו-reasoning_effort נתמך כאן — NVIDIA מתארת מצב מאמץ נמוך שמשתמש בפחות טוקני חשיבה באופן מהותי בתמורה לפשרת דיוק חד-ספרתית. בסיווג, בחילוץ ובניתוב, הורד אותו והכלכלה משתנה מהותית; בהוכחה או בשכתוב על פני קבצים רבים, העלה אותו ושלם על כך במודע. מדוד את הטוקנים למשימה אצלך במקום לקרוא את המחירון ולהניח.

08איך קוראים לו: שלושה דיאלקטים, מודל אחד

כל מודל בשער עונה על שלושה משטחי API עם הזרמה, כך שאפשר להפנות אליו לקוח קיים בלי לשכתב את האינטגרציה: /v1/chat/completions (דיאלקט OpenAI), /v1/messages (דיאלקט Anthropic), ו-/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."}
    ]
  }'

סיכום היכולות, כדי ששום דבר לא יפתיע אותך בזמן האינטגרציה:

יכולת	Nemotron3Ultra · 3BIT-REAP
חלון הקשר	262,144 טוקנים
פלט מרבי / בקשה	16,384 טוקנים
הזרמה	כן
קריאת כלים	כן
עקבות חשיבה	כן
reasoning_effort	כן
json_schema (קפדני)	כן
response_format	כן
ראייה / קלט תמונה	לא — טקסט בלבד
שכבת סירוב	אין

שורת הראייה תופסת אנשים לא מוכנים: Nemotron3Ultra הוא טקסט בלבד. אם הצינור שלך שולח תמונות, השתמש ב-MiniMax-M3-3BIT-REAP או ב-MiMo-V2.5-W8A16 במחיר $0.50/$2.00, או ב-Kimi-K2.6-W4A16-AUTOROUND-REAP במחיר $0.78/$3.67 — כולם עם ראייה, כולם ללא צנזורה, כולם על אותו הקשר של 262,144 טוקנים. סימוכין מלאים לפרמטרים נמצאים בתיעוד ה-API.

09איפה Nemotron3Ultra ממוקם בין השנים-עשר

הקטלוג הוא שנים-עשר מודלים ללא צנזורה שחולקים את אותו חלון הקשר, את אותם שלושה דיאלקטים ואת אותו היעדר שכבת סירוב; הם נבדלים במודל היסוד, במחיר וביכולת. המיקום של Nemotron ספציפי: סוס העבודה של החשיבה בשושלת פתוחה — לא הזול ביותר, לא המסוגל ביותר, אבל זה עם שובל התיעוד הציבורי הגדול ביותר מאחורי ההתנהגות שלו, שכוונן חזק ביותר לכיוון מדעים וסוכנים.

מודל	קלט / 1M	פלט / 1M	ראייה	בחר בו עבור
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	כן	האפשרות הזולה ביותר עם ראייה
MiMo-V2.5-Pro · W8A16	$0.50	$2.00	לא	דרג הקוונטיזציה בנאמנות הגבוהה ביותר
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	לא	החשיבה הזולה ביותר על מודל יסוד גדול
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	לא	מדעים, סוכנים, שושלת פתוחה
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	כן	ראייה + נאמנות AutoRound
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	לא	ניתוח עמוק בסבב יחיד
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	כן	תקרת היכולת המוחלטת

שבעה מתוך שנים-עשר מוצגים. הקטלוג המלא — כולל Laguna-S-2.1, inkling, DeepSeek-V4-Flash, MiMo-V2.5 ו-Hy3 — נמצא בתיעוד ה-API. שים לב ש-Laguna-S-2.1 אינו תומך בפלט מובנה ו-inkling אינו תומך ב-json_schema; Nemotron3Ultra תומך בשניהם.

השכן הקרוב ביותר במחיר הוא GLM-5.2-3BIT-REAP ב-$0.73/$2.34, וההשוואה הכנה היא זו: GLM-5.2 זול יותר לטוקן, במיוחד בפלט. Nemotron מביא קורפוס אימון שפורסם, חוגה מפורשת לתקציב החשיבה, והיסטוריה משפחתית שמכוונת למדע ברמת תארים מתקדמים. לחשיבה כללית בנפח גבוה: הרץ את הזול יותר. לעומס עתיר מדעים, סוכני, או כפוף לביקורת ששואלת מאיפה הגיעה ההתנהגות של המודל: Nemotron מצדיק את ההפרש.

10שאלות נפוצות

---

מקורות: הדוח הטכני של NVIDIA Nemotron 3 Ultra · בלוג המפתחים של NVIDIA (יוני 2026) · הערות הארכיטקטורה של Nemotron 3 Super · Llama-Nemotron: Efficient Reasoning Models · Cerebras Research, REAP. בנצ'מרקים של מודל היסוד מדווחים על ידי NVIDIA על המודל הלא דחוס אלא אם מיוחסים ל-Artificial Analysis; בניות דחוסות עשויות להיות שונות. המחירים והיכולות עדכניים ל-5 בספטמבר 2026.