अनसेंसर्ड Nemotron API

ज़्यादातर "ओपन" मॉडल सिर्फ़ ओपन वेट्स होते हैं और उससे आगे कुछ नहीं — पैरामीटरों का एक टारबॉल, एक लाइसेंस, और इस बारे में चुप्पी कि ये आँकड़े आए कहाँ से। Nemotron दो साल से लगातार अपवाद रहा है: NVIDIA वेट्स, पोस्ट-ट्रेनिंग डेटासेट, RL एनवायरनमेंट और रेसिपी सब भेजता है। किसी अनसेंसर्ड एंडपॉइंट के लिए इसका महत्व ऐसा है जिसे नज़रअंदाज़ करना आसान है। जिस मॉडल का अलाइनमेंट डेटा प्रकाशित है, उसके इनकार वाले व्यवहार के बारे में आप अंदाज़ा लगाने के बजाय तर्क कर सकते हैं — और उसे कोई तीसरा पक्ष उसके मुँह पर कंटेंट फ़िल्टर कसे बिना वैध रूप से तैनात कर सकता है।

01Nemotron 3 Ultra क्या है?

Nemotron 3 Ultra, NVIDIA के Nemotron 3 परिवार का सबसे बड़ा सदस्य है, जिसे 4 जून 2026 को Hugging Face पर जारी किया गया। NVIDIA की तकनीकी रिपोर्ट इसे "550 अरब कुल और 55 अरब सक्रिय पैरामीटर वाला Mixture-of-Experts हाइब्रिड Mamba-Attention भाषा मॉडल" बताती है — यानी किसी भी दिए गए टोकन पर नेटवर्क का लगभग 10% ही काम करता है, और यही वजह है कि आधा-ट्रिलियन पैरामीटर वाला मॉडल परोसना व्यावहारिक हो पाता है।

रिपोर्ट किया गया लेआउट 8,192 मॉडल डाइमेंशन पर 108 लेयर का है, जिसमें Mamba-2 स्टेट-स्पेस लेयर और फ़ुल अटेंशन लेयरों के एक विरल समुच्चय को आपस में गूँथा गया है, तथा प्रति MoE लेयर 512 एक्सपर्ट हैं जिनमें टॉप-22 राउटिंग होती है। प्रीट्रेनिंग लगभग 20 ट्रिलियन टेक्स्ट टोकन पर दो चरणों में चली — पहले विविधता-पक्षपाती, फिर गुणवत्ता-पक्षपाती — सितंबर 2025 के कटऑफ़, 12 प्राकृतिक भाषाओं और 43 प्रोग्रामिंग भाषाओं के साथ। पोस्ट-ट्रेनिंग में SFT, सत्यापन-योग्य पुरस्कारों वाली मल्टी-एनवायरनमेंट RL, और दस से ज़्यादा विशेषज्ञ शिक्षकों पर Multi-Teacher On-Policy Distillation इस्तेमाल हुई। घोषित डिज़ाइन लक्ष्य लंबे समय तक चलने वाले एजेंट हैं: ऐसे सत्र जो बड़ा कॉन्टेक्स्ट थामे रखते हैं, दर्जनों बार टूल बुलाते हैं, और इतनी देर चलते हैं कि बिल पर प्रति-टोकन अर्थशास्त्र हावी हो जाता है।

02Nemotron की वंशावली, और यह पेडिग्री क्यों मायने रखती है

Nemotron कोई एक बार का प्रयोग नहीं है। यह NVIDIA के उस शोध कार्यक्रम का दृश्य नतीजा है जो 2024 से एक ही दिशा में चल रहा है, और हर पीढ़ी कुछ ऐसा छोड़ गई जिसे मौजूदा मॉडल आज भी ढो रहा है। Nemotron-4 340B (जून 2024) एक ओपन सिंथेटिक डेटा जनरेशन पाइपलाइन, अपने रिवॉर्ड मॉडल और अपने जनरेटर के साथ आया, साथ में एक असामान्य खुलासा भी: उसके अलाइनमेंट डेटा का भारी बहुमत मॉडल-जनित था। मॉडल को दैवज्ञ के बजाय डेटा फ़ैक्ट्री मानने की यही सोच वजह है कि बाद के Nemotron रिलीज़ वेट्स के साथ डेटासेट भी भेजते रहते हैं।

Llama-Nemotron — ऐसी रीज़निंग जिसे आप बंद कर सकते हैं

2025 का Llama-Nemotron परिवार (LN-Nano 8B, LN-Super 49B, LN-Ultra 253B) दो ऐसे विचार लाया जो अच्छे से टिके। पहला आर्किटेक्चरल था: NVIDIA के Puzzle न्यूरल आर्किटेक्चर सर्च ने ब्लॉक-वार डिस्टिल्ड ट्रांसफ़ॉर्मर ब्लॉकों की एक लाइब्रेरी बनाई और उन्हें मिक्स्ड-इंटीजर प्रोग्रामिंग से जोड़ा, जिससे ऐसे मॉडल बने जिनमें कुछ ब्लॉक अटेंशन पूरी तरह छोड़ देते हैं या उसकी जगह एक अकेली लीनियर लेयर रख देते हैं, जबकि FFN Fusion ने लगातार आने वाले फ़ीड-फ़ॉरवर्ड ब्लॉकों को कम, चौड़े और समानांतर ब्लॉकों में समेट दिया — यानी पैरामीटर संख्या के बजाय क्रमिक गहराई काटी गई। LN-Ultra एक ही 8×H100 नोड पर समा गया और, NVIDIA के पेपर के अनुसार, GPQA-Diamond पर DeepSeek-R1 से आगे निकला (76.0% बनाम 71.5%)।

दूसरा विचार व्यवहारगत था: Llama-Nemotron पहला ऐसा ओपन परिवार था जिसमें डायनामिक रीज़निंग टॉगल था, जो ट्रेनिंग डेटा को सिस्टम निर्देश में detailed thinking on या detailed thinking off से टैग करता था, और ऑन-मोड में <think> टैग लागू करवाने के लिए फ़ॉर्मैट रिवॉर्ड लगाए गए थे। वेट्स का एक सेट, दो व्यवहार, इन्फ़रेंस के वक़्त चुने जाने वाले। Nemotron 3 का रीज़निंग बजट कंट्रोल — और हमारे API पर मौजूद reasoning_effort पैरामीटर — सीधे उसी काम से निकला है।

Nemotron 3 — हाइब्रिड मोड़

Nemotron 3 ने Llama से व्युत्पत्ति छोड़कर शुरू से बना एक हाइब्रिड आर्किटेक्चर अपनाया और उसमें LatentMoE (राउटिंग से पहले टोकन कंप्रेस करना, जिसके बारे में NVIDIA कहता है कि इससे "उसी इन्फ़रेंस लागत पर 4 गुना ज़्यादा एक्सपर्ट" संभव होते हैं), मल्टी-टोकन प्रेडिक्शन, और नेटिव NVFP4 प्रीट्रेनिंग जोड़ी। NVIDIA ने वेट्स के साथ-साथ कुल मिलाकर 5 करोड़ SFT सैंपल, 20 लाख RL टास्क और 55 RL एनवायरनमेंट प्रकाशित किए — मॉडल को क्या सिखाया गया, इसके लिए आपको किसी वेंडर की बात पर भरोसा नहीं करना पड़ता, क्योंकि पढ़ाई की सामग्री डाउनलोड की जा सकती है।

03हाइब्रिड आर्किटेक्चर से आपको क्या मिलता है

किसी ट्रांसफ़ॉर्मर का KV कैश सीक्वेंस लंबाई के साथ रैखिक रूप से बढ़ता है, इसीलिए लंबे कॉन्टेक्स्ट की इन्फ़रेंस कंप्यूट से पहले मेमोरी में महँगी पड़ती है। Mamba-2 लेयर स्टेट-स्पेस मॉडल हैं जो एक तयशुदा आकार की रिकरंट स्टेट ढोते हैं, इसलिए उनकी प्रति-टोकन मेमोरी लागत इतिहास के साथ नहीं बढ़ती; वे कमज़ोर सटीक साहचर्य स्मरण में पड़ते हैं। यह हाइब्रिड सीक्वेंस प्रोसेसिंग के बड़े हिस्से के लिए Mamba-2 रखता है और उस स्मरण के लिए असली अटेंशन लेयरों की एक अल्पसंख्या रखता है जिसमें स्टेट-स्पेस लेयर लड़खड़ाती हैं, साथ ही 64-क्वेरी-हेड / 2-KV-हेड का आक्रामक अनुपात कैश को और छोटा कर देता है। NVIDIA 1M टोकन पर RULER में 94.7% रिपोर्ट करता है — यह एक नीडल-रिट्रीवल बेंचमार्क है जो उन मॉडलों को पकड़ने के लिए बना है जो ऐसी विंडो का दावा करते हैं जिसका वे इस्तेमाल नहीं कर पाते।

नतीजा थ्रूपुट में दिखता है: NVIDIA का दावा है कि बराबर सटीकता पर तुलनीय मॉडलों से लगभग 6× तक ज़्यादा इन्फ़रेंस थ्रूपुट मिलता है, और Artificial Analysis ने स्वतंत्र रूप से 140.3 टोकन/सेकंड मापा, जिसमें पहले टोकन तक का समय 1.33 सेकंड था — 89 मॉडलों में 7वाँ स्थान। 200-टर्न वाले किसी एजेंट रन पर यही फ़र्क तय करता है कि काम दोपहर बाद तक ख़त्म होगा या ख़त्म ही नहीं होगा।

04"3BIT-REAP" का ईमानदार मतलब

यह प्रत्यय सजावट नहीं है — यह ठीक-ठीक बताता है कि फ़ाउंडेशन को समाने लायक बनाने के लिए उसके साथ क्या किया गया।

REAP — Router-weighted Expert Activation Pruning — Cerebras Research से आया है और ICLR 2026 में स्वीकार हुआ। किसी विरल MoE में राउटर हर टोकन को मुट्ठी भर एक्सपर्ट के पास भेजता है; असली वर्कलोड पर कुछ एक्सपर्ट लगातार चुने जाते हैं और कुछ लगभग कभी नहीं। REAP हर एक्सपर्ट को एक सैलिएंसी कसौटी पर स्कोर देता है जो जोड़ती है कि राउटर उसे कितनी मज़बूती से गेट करता है और उसके आउटपुट योगदान कितने बड़े हैं, फिर सबसे कम महत्वपूर्ण को सीधे हटा देता है — Cerebras बताता है कि 1 ट्रिलियन पैरामीटर तक के मॉडलों से 50% तक एक्सपर्ट काटे जा सकते हैं और फिर भी बेसलाइन गुणवत्ता काफ़ी हद तक बनी रहती है, और यह भी कि कोड जैसे जनरेटिव कामों में प्रूनिंग, मर्जिंग से बेहतर है। इसके बाद 3-बिट क्वांटाइज़ेशन बचे हुए हिस्से को कंप्रेस करता है। पहले प्रून, फिर क्वांटाइज़, ताकि बिट बजट उन एक्सपर्ट पर जाए जो ट्रैफ़िक ढोते हैं, न कि मरे हुए एक्सपर्ट पर बिखर जाए।

कंप्रेशन मुफ़्त नहीं होता, और हम इसका दिखावा नहीं करेंगे: आक्रामक क्वांटाइज़ेशन सबसे पहले सटीक-फ़ॉर्मैट अनुपालन और लंबी शृंखला वाले अंकगणित में छोटी गिरावटों के रूप में दिखता है, न कि खुली असंगति के रूप में। तीनों स्तर कहाँ ठहरते हैं:

प्रत्यय	यह क्या है	हम इसे कहाँ इस्तेमाल करते हैं
3BIT-REAP	3-बिट वेट्स + एक्सपर्ट प्रूनिंग	सबसे बड़े फ़ाउंडेशन, जहाँ रफ़्तार के साथ और कुछ समाता ही नहीं
W4A16-AUTOROUND-REAP	4-बिट वेट्स / 16-बिट एक्टिवेशन, AutoRound सीखी हुई राउंडिंग, + प्रूनिंग	मध्यम आकार के फ़ाउंडेशन; AutoRound सीधी-सादी राउंड-टू-नियरेस्ट के मुक़ाबले सटीकता वापस लाता है
W8A16	8-बिट वेट्स / 16-बिट एक्टिवेशन	सर्वोच्च निष्ठा; ऐसे फ़ाउंडेशन जो इतने छोटे हैं कि आक्रामक कंप्रेशन की ज़रूरत नहीं

550B पर Nemotron 3 Ultra सीधे पहली श्रेणी में आता है। अगर आपका वर्कलोड लंबी शृंखलाओं में सटीक संख्यात्मक आउटपुट के प्रति असामान्य रूप से संवेदनशील है, तो रिसर्च इंडेक्स में W8A16 स्तर सूचीबद्ध है — MiMo-V2.5-Pro-W8A16 और Hy3-W8A16 — $0.50/$2.00 की न्यूनतम कीमत पर। यह एक असली अदला-बदली है, कोई फ़नल नहीं: छोटा मॉडल, कम कंप्रेशन।

05इस एंडपॉइंट पर "अनसेंसर्ड" का क्या मतलब है

ठोस शब्दों में: कोई रिफ्यूज़ल लेयर नहीं है और आउटपुट पर कोई कंटेंट फ़िल्टरिंग लागू नहीं होती। कोई क्लासिफ़ायर आपके प्रॉम्प्ट की जाँच करके रटा-रटाया इनकार नहीं लौटाता, और जवाब आपकी स्ट्रीम तक पहुँचने से पहले स्कैन नहीं किया जाता। आपको जो मिलता है वह मॉडल का अपना व्यवहार है।

यहीं आकर ओपन वंशावली महज़ जानकारी की चीज़ नहीं रह जाती। चूँकि NVIDIA ने पोस्ट-ट्रेनिंग डेटा और RL एनवायरनमेंट प्रकाशित किए, इसलिए मॉडल की प्रवृत्तियाँ सिद्धांततः लोककथा नहीं बल्कि ऑडिट करने योग्य हैं। और चूँकि OpenMDW-1.1 एक उदार Linux Foundation लाइसेंस है जो आर्किटेक्चर, पैरामीटर, दस्तावेज़ीकरण और सॉफ़्टवेयर को कवर करता है, इसलिए कोई स्वतंत्र ऑपरेटर अपने हार्डवेयर पर एक संशोधित, बिना फ़िल्टर वाली तैनाती चला सकता है और लाइसेंस अड़चन नहीं बनता। कई "ओपन" मॉडल लाइसेंस इसकी इजाज़त नहीं देते। यह देता है। यह फ़र्क वहाँ दिखता है जहाँ प्रतिवर्ती इनकार एक बग है, सुरक्षा सुविधा नहीं:

• सुरक्षा अनुसंधान — भेद्यता विश्लेषण, एक्सप्लॉइट तर्क, मैलवेयर व्यवहार, रेड-टीम टूलिंग, बिना इस बहस के कि सवाल पूछने की इजाज़त है या नहीं।
• रसायन विज्ञान, जीव विज्ञान और औषध विज्ञान — खुराक का गणित, अभिक्रिया तंत्र, विष विज्ञान, संश्लेषण मार्ग — जिन पर फ़िल्टर वाला एंडपॉइंट कीवर्ड छूते ही इनकार कर देता है।
• एडवर्सेरियल ML — ऐसे क्लासिफ़ायर के लिए हार्ड नेगेटिव, जेलब्रेक कॉर्पस और दुरुपयोग वर्गीकरण, जिन्हें असली चीज़ देखी होनी चाहिए।
• क्लिनिकल, कानूनी और फ़ोरेंसिक टेक्स्ट — ऐसी केस सामग्री जो स्वभाव से ही वीभत्स होती है और ठीक इसी वजह से इनकार झेलती है।

अनसेंसर्ड का मतलब जवाबदेही से मुक्त होना नहीं है। आप जो बनाते हैं उसके मालिक आप हैं, और खाते पर हमारी Responsible Use Policy तथा Terms of Service लागू होती हैं। रिफ्यूज़ल लेयर हटाने से इरादे के बारे में लगाया गया अंदाज़ा हटता है; उस कानून के तहत आपकी ज़िम्मेदारियाँ नहीं हटतीं जो आप पर लागू होता है।

06STEM और रीज़निंग: प्रकाशित आँकड़े क्या कहते हैं

Nemotron का ट्रेनिंग फ़ोकस गणित, कोड, विज्ञान और निर्देश-पालन रहा है, तब से जब Llama-Nemotron पोस्ट-ट्रेनिंग डेटासेट ठीक इन्हीं चार अक्षों के इर्द-गिर्द बनाया गया था। Nemotron 3 Ultra फ़ाउंडेशन के लिए NVIDIA जो रिपोर्ट करता है — बिना कंप्रेस किए मॉडल पर वेंडर द्वारा रिपोर्ट किए गए आँकड़े, जिन्हें हमने नहीं चलाया:

दो चेतावनियाँ इन आँकड़ों से भी ज़्यादा कीमती हैं। SWE-Bench Verified का आँकड़ा एक रेंज है — NVIDIA 65.0% से 70.4% तक रिपोर्ट करता है, यह इस पर निर्भर करता है कि उसे कौन सा एजेंट हार्नेस चलाता है (Pi, OpenHands, Hermes, OpenCode, Mini SWE Agent), और सिर्फ़ स्कैफ़ोल्डिंग से आया पाँच अंक का अंतर दिखाता है कि एजेंटिक स्कोर मॉडल से कहीं ज़्यादा हार्नेस पर निर्भर करते हैं। और Artificial Analysis ने Nemotron 3 Ultra को अपने Intelligence Index पर 48 अंक, 89 मॉडलों में 9वाँ स्थान दिया — मज़बूत, पर मैदान का शीर्ष नहीं, और उनका स्वतंत्र माप ही वह चीज़ है जिसे हम किसी भी वेंडर की स्लाइड से ऊपर तौलेंगे।

पिछली पीढ़ी पर, NVIDIA का Llama-Nemotron पेपर LN-Ultra को GPQA-Diamond पर 76.0% बताता है, जबकि DeepSeek-R1 का 71.5% और Llama-3.1-405B-Instruct का 43.4% था, साथ ही AIME 2024 पर 80.8%। यह एक अलग मॉडल है, जिसे इसलिए शामिल किया गया क्योंकि स्नातकोत्तर स्तर का विज्ञान और प्रतियोगी गणित दो पीढ़ियों से इस परिवार का लक्ष्य रहे हैं।

बेंचमार्क आँकड़े वैसे ही हैं जैसे NVIDIA (जून 2026) ने बिना कंप्रेस किए Nemotron 3 Ultra पर प्रकाशित किए, और स्वतंत्र मापों के लिए Artificial Analysis ने। कंप्रेस किए गए बिल्ड भिन्न हो सकते हैं। हम ऐसे बेंचमार्क आँकड़े प्रकाशित नहीं करते जिन्हें हमने सत्यापित नहीं किया या जिनका श्रेय नहीं दे सकते।

07कीमत, और वाचालता वाली चेतावनी

$0.75 प्रति दस लाख इनपुट टोकन और $3.30 प्रति दस लाख आउटपुट टोकन पर, Nemotron3Ultra हमारी कैटलॉग में इनपुट के लिहाज़ से निचले एक-तिहाई में और आउटपुट के लिहाज़ से बीच में बैठता है। कुछ हिसाब लगे उदाहरण, क्योंकि प्रति-दस-लाख कीमत को महसूस करना मुश्किल होता है:

कॉल का स्वरूप	इनपुट	आउटपुट	लागत
सामान्य RAG टर्न	50,000	4,000	$0.051
लंबे दस्तावेज़ का विश्लेषण	150,000	8,000	$0.139
अधिकतम आकार वाली कॉल	262,144	16,384	$0.251

पूरे कॉन्टेक्स्ट और पूरे आउटपुट वाला एक अनुरोध — यानी हर वह टोकन जो एंडपॉइंट स्वीकार करेगा और हर वह टोकन जो वह पैदा करेगा — लगभग 25 सेंट का पड़ता है। वही स्वरूप Kimi-K3-3BIT-REAP पर, जो $3.83/$19.12 के साथ हमारा सबसे महँगा मॉडल है, लगभग $1.32 यानी 5.3× ज़्यादा का पड़ता है।

अब चेतावनी, और यह असली है। Artificial Analysis ने अपने बेंचमार्क सूट में मापा कि Nemotron 3 Ultra माध्य समकक्ष से 2.3× ज़्यादा आउटपुट टोकन पैदा करता है। रीज़निंग मॉडल आपसे सोचने का भी बिल लेते हैं, और यह मॉडल लंबा सोचता है; प्रति-टोकन कीमत का फ़ायदा प्रति-कार्य नुक़सान में बदल जाता है अगर मॉडल वही जवाब पाने में तीन गुना ज़्यादा देर तर्क करता रहे। इसका उपाय अंदर ही बना हुआ है और हमारे API पर उपलब्ध है: Nemotron 3 को रीज़निंग बजट कंट्रोल के लिए पोस्ट-ट्रेन किया गया था, और reasoning_effort यहाँ समर्थित है — NVIDIA एक कम-प्रयास मोड बताता है जो इकाई अंकों की सटीकता की अदला-बदली में काफ़ी कम थिंकिंग टोकन इस्तेमाल करता है। वर्गीकरण, निष्कर्षण और राउटिंग पर इसे घटा दीजिए, अर्थशास्त्र बदल जाएगा; किसी प्रमाण या मल्टी-फ़ाइल रीफ़ैक्टर पर इसे बढ़ाइए और सोच-समझकर उसका दाम चुकाइए। कीमत सूची पढ़कर मान लेने के बजाय अपने ख़ुद के टोकन-प्रति-कार्य नापिए।

08इसे बुलाना: तीन बोलियाँ, एक मॉडल

गेटवे का हर मॉडल तीन स्ट्रीमिंग API सतहों पर जवाब देता है, ताकि आप अपना इंटीग्रेशन दोबारा लिखे बिना मौजूदा क्लाइंट को उस पर मोड़ सकें: /v1/chat/completions (OpenAI बोली), /v1/messages (Anthropic बोली), और /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."}
    ]
  }'

क्षमताओं का सारांश, ताकि इंटीग्रेशन के वक़्त कुछ भी चौंकाए नहीं:

क्षमता	Nemotron3Ultra · 3BIT-REAP
कॉन्टेक्स्ट विंडो	262,144 टोकन
अधिकतम आउटपुट / अनुरोध	16,384 टोकन
स्ट्रीमिंग	हाँ
टूल कॉलिंग	हाँ
रीज़निंग ट्रेस	हाँ
reasoning_effort	हाँ
json_schema (सख़्त)	हाँ
response_format	हाँ
विज़न / इमेज इनपुट	नहीं — सिर्फ़ टेक्स्ट
रिफ्यूज़ल लेयर	कोई नहीं

विज़न वाली पंक्ति लोगों को चौंकाती है: Nemotron3Ultra सिर्फ़ टेक्स्ट के लिए है। अगर आपकी पाइपलाइन इमेज भेजती है, तो $0.50/$2.00 पर MiniMax-M3-3BIT-REAP या MiMo-V2.5-W8A16 इस्तेमाल कीजिए, या $0.78/$3.67 पर Kimi-K2.6-W4A16-AUTOROUND-REAP — सभी विज़न-सक्षम, सभी अनसेंसर्ड, सभी उसी 262,144-टोकन कॉन्टेक्स्ट पर। पूरा पैरामीटर संदर्भ API दस्तावेज़ीकरण में है।

09बारह में Nemotron3Ultra कहाँ बैठता है

कैटलॉग में बारह अनसेंसर्ड मॉडल हैं जो एक ही कॉन्टेक्स्ट विंडो, वही तीन बोलियाँ और रिफ्यूज़ल लेयर की वही अनुपस्थिति साझा करते हैं; वे फ़ाउंडेशन, कीमत और क्षमता में अलग हैं। Nemotron की जगह ख़ास है: ओपन-वंश वाला रीज़निंग वर्कहॉर्स — न सबसे सस्ता, न सबसे सक्षम, पर वह जिसके व्यवहार के पीछे सबसे ज़्यादा सार्वजनिक काग़ज़ी रिकॉर्ड है, और जिसे STEM तथा एजेंटों की ओर सबसे कसकर ट्यून किया गया है।

मॉडल	इन / 1M	आउट / 1M	विज़न	इसे इसलिए चुनिए
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	हाँ	सबसे सस्ता विज़न-सक्षम विकल्प
MiMo-V2.5-Pro · W8A16	$0.50	$2.00	नहीं	सर्वोच्च-निष्ठा वाला क्वांटाइज़ेशन स्तर
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	नहीं	सबसे सस्ती बड़े-फ़ाउंडेशन वाली रीज़निंग
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	नहीं	STEM, एजेंट, ओपन वंशावली
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	हाँ	विज़न + AutoRound निष्ठा
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	नहीं	गहरा एकल-शॉट विश्लेषण
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	हाँ	क्षमता की परम सीमा

बारह में से सात दिखाए गए हैं। पूरी कैटलॉग — जिसमें Laguna-S-2.1, inkling, DeepSeek-V4-Flash, MiMo-V2.5 और Hy3 शामिल हैं — API डॉक्स में है। ध्यान दीजिए कि Laguna-S-2.1 स्ट्रक्चर्ड आउटपुट सपोर्ट नहीं करता और inkling json_schema सपोर्ट नहीं करता; Nemotron3Ultra दोनों सपोर्ट करता है।

कीमत के हिसाब से सबसे नज़दीकी पड़ोसी $0.73/$2.34 पर GLM-5.2-3BIT-REAP है, और ईमानदार तुलना यह है: GLM-5.2 प्रति टोकन सस्ता है, ख़ासकर आउटपुट पर। Nemotron एक प्रकाशित ट्रेनिंग कॉर्पस, रीज़निंग-बजट का स्पष्ट डायल, और स्नातकोत्तर स्तर के विज्ञान पर निशाना साधने वाला पारिवारिक इतिहास लाता है। बड़ी मात्रा में सामान्य रीज़निंग: सस्ता वाला चलाइए। STEM-प्रधान, एजेंटिक, या ऐसे ऑडिट के दायरे में जो पूछता है कि मॉडल का व्यवहार कहाँ से आया: वहाँ Nemotron यह अंतर चुकाने लायक बना देता है।

10अक्सर पूछे जाने वाले सवाल

---

स्रोत: NVIDIA Nemotron 3 Ultra तकनीकी रिपोर्ट · NVIDIA डेवलपर ब्लॉग (जून 2026) · Nemotron 3 Super आर्किटेक्चर नोट्स · Llama-Nemotron: Efficient Reasoning Models · Cerebras Research, REAP। फ़ाउंडेशन बेंचमार्क तब तक NVIDIA द्वारा बिना कंप्रेस किए मॉडल पर रिपोर्ट किए गए हैं जब तक उनका श्रेय Artificial Analysis को न दिया गया हो; कंप्रेस किए गए बिल्ड भिन्न हो सकते हैं। कीमतें और क्षमताएँ 5 सितंबर 2026 तक की हैं।