Առանց ցենզուրայի Nemotron API
NVIDIA-ի հետազոտական ծագումնաբանությունը՝ հրապարակված բացահայտորեն և մատուցվող առանց մերժման շերտի. 550 միլիարդ պարամետրանոց հիբրիդային Mamba-Attention MoE, կարգավորված ճշգրիտ գիտությունների և երկարաժամկետ դատողության համար — $0.75 մուտք / $3.30 ելք՝ մեկ միլիոն տոկենի դիմաց:
Համառոտ
Nemotron3Ultra-3BIT-REAP-ը Shannon-ի կողմից տրամադրվող NVIDIA Nemotron 3 Ultra-ի առանց ցենզուրայի տարբերակն է՝ 550 միլիարդ պարամետրանոց Փորձագետների խառնուրդի (MoE) մոդել՝ 55 միլիարդ ակտիվ պարամետրով մեկ տոկենի համար, հրապարակված 2026 թ. հունիսի 4-ին՝ կշիռներով, ուսուցման տվյալներով և բաղադրատոմսերով՝ Linux Foundation-ի ազատական OpenMDW-1.1 լիցենզիայի ներքո: Մեր սեփական GPU կլաստերի վրա այն աշխատում է առանց մերժման շերտի և առանց ելքի զտման, 262,144 տոկեն համատեքստով, մինչև 16,384 ելքային տոկենով մեկ հարցման դիմաց, գործիքի կանչումով, հոսքային փոխանցումով, դատողության հետքերով և խիստ json_schema ելքով: Այն չի ընդունում պատկերներ: Գին՝ $0.75 / $3.30 մեկ միլիոն տոկենի դիմաց:
Մոդելների մեծ մասը, որոնք կոչվում են «բաց», բաց կշիռներ են և ոչինչ ավելին՝ պարամետրերի արխիվ, լիցենզիա և լռություն այն մասին, թե որտեղից են եկել թվերը: Nemotron-ը երկու տարի շարունակ եղել է հետևողական բացառություն. NVIDIA-ն հրապարակում է կշիռները, հետվարժեցման տվյալաշարերը, ամրապնդող ուսուցման միջավայրերը և բաղադրատոմսը: Սա նշանակություն ունի առանց ցենզուրայի էնդփոինթի համար այնպիսի ձևով, որը հեշտ է վրիպել: Մոդելը, որի հավասարեցման տվյալները հրապարակված են, մոդել է, որի մերժման վարքագծի մասին կարող եք դատել, ոչ թե գուշակել — և մոդել, որը երրորդ կողմը կարող է իրավաչափորեն տեղակայել՝ առանց բերանին կպցված բովանդակության զտիչի:
01Ի՞նչ է Nemotron 3 Ultra-ն
Nemotron 3 Ultra-ն NVIDIA-ի Nemotron 3 ընտանիքի ամենամեծ անդամն է, հրապարակված Hugging Face-ում 2026 թ. հունիսի 4-ին: NVIDIA-ի տեխնիկական զեկույցը նկարագրում է այն որպես «550 միլիարդ ընդհանուր և 55 միլիարդ ակտիվ պարամետրով Փորձագետների խառնուրդի հիբրիդային Mamba-Attention լեզվական մոդել» — ցանցի մոտավորապես 10%-ն է աշխատում ցանկացած տոկենի վրա, ինչը հենց այն է, ինչը կես տրիլիոն պարամետրանոց մոդելը դարձնում է ընդհանրապես սպասարկելի:
Հայտարարված կառուցվածքը 108 շերտ է՝ 8,192 մոդելային չափողականությամբ, որտեղ Mamba-2 վիճակների տարածության շերտերը հերթագայվում են լիարժեք ուշադրության շերտերի սակավաթիվ խմբի հետ, յուրաքանչյուր MoE շերտում՝ 512 փորձագետ՝ top-22 երթուղավորմամբ: Նախավարժեցումն իրականացվել է մոտավորապես 20 տրիլիոն տեքստային տոկենի վրա երկու փուլով՝ նախ բազմազանության վրա շեշտադրված, ապա որակի վրա շեշտադրված, 2025 թ. սեպտեմբերի կտրվածքով, 12 բնական լեզվով և 43 ծրագրավորման լեզվով: Հետվարժեցումն օգտագործել է SFT, բազմամիջավայրային RL՝ ստուգելի պարգևատրումներով, և Multi-Teacher On-Policy Distillation՝ ավելի քան տասը մասնագիտացված ուսուցիչների միջով: Հայտարարված նախագծային նպատակը երկարատև գործակալներն են՝ սեսիաներ, որոնք պահում են մեծ համատեքստ, տասնյակ անգամ կանչում են գործիքներ և բավական երկար են աշխատում, որպեսզի մեկ-տոկենային տնտեսագիտությունը գերիշխի հաշվի մեջ:
02Nemotron-ի տոհմը, և ինչու է կարևոր դրա ծագումնաբանությունը
Nemotron-ը միանգամյա արտադրանք չէ: Այն NVIDIA-ի հետազոտական ծրագրի տեսանելի արդյունքն է, որը 2024 թվականից ի վեր շարժվում է նույն ուղղությամբ, և յուրաքանչյուր սերունդ թողել է մի բան, որը ներկայիս մոդելը դեռ կրում է: Nemotron-4 340B-ը (2024 թ. հունիս) թողարկվեց բաց սինթետիկ տվյալների գեներացիայի խողովակաշարով, իր պարգևատրման մոդելով և գեներատորով, գումարած մի անսովոր բացահայտում. նրա հավասարեցման տվյալների ճնշող մեծամասնությունը մոդելի կողմից գեներացված էր: Մոդելը որպես տվյալների գործարան, ոչ թե որպես գուշակատուն, հենց այն պատճառն է, թե ինչու հետագա Nemotron թողարկումները շարունակում են կշիռների հետ մեկտեղ տրամադրել նաև տվյալաշարեր:
Llama-Nemotron — դատողություն, որը կարող եք անջատել
2025 թվականի Llama-Nemotron ընտանիքը (LN-Nano 8B, LN-Super 49B, LN-Ultra 253B) ներդրեց երկու գաղափար, որոնք լավ դիմացան ժամանակին: Առաջինը ճարտարապետական էր. NVIDIA-ի Puzzle նյարդային ճարտարապետության որոնումը կառուցեց բլոկային եղանակով դիստիլացված transformer բլոկների գրադարան և հավաքեց դրանք խառը ամբողջաթիվ ծրագրավորմամբ՝ ստեղծելով մոդելներ, որտեղ որոշ բլոկներ ամբողջովին բաց են թողնում ուշադրության մեխանիզմը կամ փոխարինում այն մեկ գծային շերտով, մինչդեռ FFN Fusion-ը հաջորդական feed-forward բլոկները փլուզեց ավելի քիչ, ավելի լայն, զուգահեռ բլոկների մեջ՝ կրճատելով հաջորդական խորությունը, ոչ թե պարամետրերի քանակը: LN-Ultra-ն տեղավորվում էր մեկ 8×H100 հանգույցի վրա, մինչդեռ, ըստ NVIDIA-ի հոդվածի, գերազանցում էր DeepSeek-R1-ին GPQA-Diamond-ում (76.0% ընդդեմ 71.5%-ի):
Երկրորդը վարքագծային էր. Llama-Nemotron-ը առաջին բաց ընտանիքն էր՝ դինամիկ դատողության անջատիչով, որը մարզման տվյալները նշանավորում էր որպես detailed thinking on կամ detailed thinking off համակարգային հրահանգում, ձևաչափի պարգևատրումներով, որոնք միացված ռեժիմում ապահովում էին <think> թեգերի կիրառումը: Կշիռների մեկ հավաքածու, երկու վարքագիծ, ընտրովի եզրակացության պահին: Nemotron 3-ի դատողության բյուջեի կառավարումը — և մեր API-ի reasoning_effort պարամետրը — ուղղակիորեն ծագում են այդ աշխատանքից:
Nemotron 3 — հիբրիդային շրջադարձը
Nemotron 3-ը Llama-ից ածանցված ճարտարապետությունը փոխարինեց զրոյից կառուցված հիբրիդային ճարտարապետությամբ և ավելացրեց LatentMoE (տոկենների սեղմում մինչև երթուղավորումը, ինչը, ըստ NVIDIA-ի, թույլ է տալիս «4 անգամ ավելի շատ փորձագետներ նույն եզրակացության արժեքով»), բազմատոկեն կանխատեսում և բնիկ NVFP4 նախավարժեցում: NVIDIA-ն կշիռների հետ մեկտեղ հրապարակեց ընդհանուր 50 միլիոն SFT նմուշ, 2 միլիոն RL առաջադրանք և 55 RL միջավայր — ձեզ պետք չէ մատակարարի խոսքին հավատալ այն մասին, թե ինչին է մոդելը վարժեցվել, քանի որ ուսուցողական նյութը ներբեռնելի է:
03Ինչ է տալիս ձեզ հիբրիդային ճարտարապետությունը
Transformer-ի KV քեշը գծայնորեն մեծանում է հաջորդականության երկարության հետ, ինչի պատճառով երկար համատեքստի եզրակացությունը հիշողության առումով թանկանում է ավելի շուտ, քան հաշվարկի առումով: Mamba-2 շերտերը վիճակների տարածության մոդելներ են՝ ֆիքսված չափի կրկնվող վիճակով, ուստի դրանց մեկ-տոկենային հիշողության արժեքը չի աճում պատմության հետ. այն, ինչում դրանք թույլ են, ասոցիատիվ ճշգրիտ հիշարկումն է: Հիբրիդը Mamba-2-ը պահպանում է հաջորդականության մշակման հիմնական մասի համար, գումարած փոքրամասնություն իրական ուշադրության շերտեր՝ այն հիշարկման համար, որում վիճակների տարածության շերտերը սայթաքում են, 64 հարցման-գլուխ / 2 KV-գլուխ ագրեսիվ հարաբերակցությամբ, որն էլ ավելի է փոքրացնում քեշը: NVIDIA-ն հայտնում է 94.7% RULER-ում 1 միլիոն տոկենի դեպքում — «ասեղ փնտրելու» բենչմարք, որը կառուցված է որսալու համար այն մոդելները, որոնք հայտարարում են այնպիսի պատուհան, որը իրականում չեն կարող օգտագործել:
Հետևանքը թողունակությունն է. NVIDIA-ն հայտարարում է մինչև մոտավորապես 6 անգամ ավելի բարձր եզրակացության թողունակություն, քան համադրելի մոդելները՝ նույն մակարդակի ճշգրտությամբ, իսկ Artificial Analysis-ը անկախ չափմամբ գրանցել է 140.3 տոկեն/վայրկյան՝ առաջին տոկենի 1.33 վայրկյան ժամանակով — 89 մոդելից 7-րդը: 200-քայլանոց գործակալական աշխատարկման դեպքում սա տարբերությունն է ցերեկվա ընթացքում ավարտելու և չավարտելու միջև:
04Ինչ է իրականում նշանակում «3BIT-REAP»-ը
Վերջածանցը զարդարանք չէ. այն ձեզ ճշգրիտ ասում է, թե ինչ է արվել հիմքի հետ, որպեսզի այն տեղավորվի:
REAP-ը՝ Router-weighted Expert Activation Pruning, եկել է Cerebras Research-ից և ընդունվել է ICLR 2026-ում: Նոսր MoE-ում երթուղիչը յուրաքանչյուր տոկեն ուղարկում է մի քանի փորձագետի. իրական ծանրաբեռնվածության դեպքում ոմանք գործարկվում են անընդհատ, մյուսները՝ գրեթե երբեք: REAP-ը գնահատում է յուրաքանչյուր փորձագետի ըստ նշանակալիության չափանիշի, որը զուգակցում է այն, թե որքան ուժեղ է երթուղիչը այն դռներով անցկացնում, և որքան մեծ են դրա ելքային ներդրումները, ապա ամբողջովին հեռացնում է ամենաքիչ նշանակալիները — Cerebras-ը հայտնում է, որ մոդելներից, որոնք հասնում են 1 տրիլիոն պարամետրի, հեռացվում է փորձագետների մինչև 50%-ը՝ մեծապես պահպանելով բազային որակը, և գտնում է, որ գեներացիոն առաջադրանքների, օրինակ՝ կոդի, համար կրճատումը գերազանցում է միաձուլմանը: 3-բիթանոց քվանտացումն այնուհետև սեղմում է այն, ինչ գոյատևել է: Նախ կրճատել, ապա քվանտացնել, որպեսզի բիթային բյուջեն ուղղվի այն փորձագետներին, որոնք իրականում կրում են երթևեկություն, փոխանակ հավասարաչափ սփռվելու մեռած փորձագետների վրա:
Սեղմումն անվճար չէ, և մենք չենք ձևացնի, թե դա այլ կերպ է. ագրեսիվ քվանտացումն առաջին հերթին դրսևորվում է որպես փոքր անկումներ ճշգրիտ ձևաչափին համապատասխանության և երկար-շղթայական թվաբանության մեջ, ոչ թե որպես տեսանելի անհամապատասխանություն: Ահա, թե որտեղ են գտնվում երեք մակարդակները.
| Վերջածանց | Ինչ է | Որտեղ ենք օգտագործում |
|---|---|---|
| 3BIT-REAP | 3-բիթ կշիռներ + փորձագետների կրճատում | Ամենամեծ հիմքերը, որտեղ արագությամբ ոչինչ այլ բան չի տեղավորվում |
| W4A16-AUTOROUND-REAP | 4-բիթ կշիռներ / 16-բիթ ակտիվացումներ, AutoRound-ի ուսուցված կլորացում, + կրճատում | Միջին չափի հիմքեր. AutoRound-ը վերականգնում է ճշգրտությունը՝ համեմատած միամիտ ամենամոտին կլորացման հետ |
| W8A16 | 8-բիթ կշիռներ / 16-բիթ ակտիվացումներ | Ամենաբարձր հավատարմություն. հիմքեր, որոնք բավական փոքր են, որպեսզի ագրեսիվ սեղմման կարիք չունենան |
Nemotron 3 Ultra-ն՝ 550Բ պարամետրով, ուղիղ առաջին կատեգորիայի մեջ է: Եթե ձեր ծանրաբեռնվածությունն անսովոր զգայուն է երկար շղթաներում ճշգրիտ թվային ելքի նկատմամբ, հետազոտական ինդեքսը թվարկում է W8A16 մակարդակը — MiMo-V2.5-Pro-W8A16 և Hy3-W8A16 — $0.50/$2.00 հատակագնով: Իրական փոխզիջում, ոչ թե ձագար. ավելի փոքր մոդել, ավելի քիչ սեղմում:
05Ինչ է նշանակում «առանց ցենզուրայի»-ն այս էնդփոինթի համար
Կոնկրետ. մերժման շերտ չկա, և ելքի նկատմամբ չի կիրառվում բովանդակության զտում: Ոչ մի դասակարգիչ չի ուսումնասիրում ձեր հրահանգը՝ պատրաստի մերժում վերադարձնելու համար, և պատասխանը չի սկանավորվում մինչև ձեր հոսք հասնելը: Դուք ստանում եք հենց մոդելի սեփական վարքագիծը:
Հենց այստեղ է, որ բաց ծագումնաբանությունը դադարում է լինել հետաքրքրական մանրուք: Քանի որ NVIDIA-ն հրապարակել է հետվարժեցման տվյալները և RL միջավայրերը, մոդելի հակվածությունները սկզբունքորեն ստուգելի են, ոչ թե բանավոր ավանդություն: Եվ քանի որ OpenMDW-1.1-ը Linux Foundation-ի ազատական լիցենզիա է, որը ծածկում է ճարտարապետությունը, պարամետրերը, փաստաթղթավորումը և ծրագրակազմը, անկախ օպերատորը կարող է իր սեփական սարքավորումների վրա մատուցել փոփոխված, չզտված տեղակայում՝ առանց լիցենզիան խոչընդոտ լինելու: Շատ «բաց» մոդելների լիցենզիաներ դա թույլ չեն տալիս: Սա՝ թույլ է տալիս: Տարբերությունը երևում է այնտեղ, որտեղ ռեֆլեքսային մերժումը թերություն է, ոչ թե անվտանգության հատկություն.
- Անվտանգության հետազոտություն — խոցելիության վերլուծություն, էքսպլոյթի դատողություն, վնասակար ծրագրերի վարքագիծ, red-team գործիքակազմ, առանց վիճելու, թե արդյոք հարցը թույլատրելի է:
- Քիմիա, կենսաբանություն և դեղաբանություն — դեղաչափի հաշվարկ, ռեակցիայի մեխանիզմներ, թունաբանություն, սինթեզի ուղիներ, որոնք զտված էնդփոինթը մերժում է բանալի բառի հպումով:
- Հակառակորդային ML — բարդ բացասական օրինակներ, jailbreak կորպուսներ և չարաշահման դասակարգումներ այն դասակարգիչների համար, որոնք պետք է տեսած լինեն իրական բանը:
- Կլինիկական, իրավական և դատաբժշկական տեքստ — գործի նյութեր, որոնք բնույթով դաժան ու պատկերավոր են, և հենց այդ պատճառով մերժվում են:
Առանց ցենզուրայի չի նշանակում՝ առանց հաշվետվողականության: Դուք տնօրինում եք այն, ինչ գեներացնում եք, և հաշիվը կարգավորվում է մեր Պատասխանատու օգտագործման քաղաքականությամբ և Ծառայության մատուցման պայմաններով: Մերժման շերտի հեռացումը հեռացնում է մտադրության մասին կռահումը. այն չի հեռացնում ձեզ վրա տարածվող օրենքով պարտադրված պարտավորությունները:
06STEM և դատողություն. ինչ են ասում հրապարակված թվերը
Nemotron-ի վարժեցման ուշադրության կենտրոնում մաթեմատիկան, կոդը, գիտությունը և հրահանգներին հետևելն են եղել դեռ այն ժամանակից, երբ Llama-Nemotron-ի հետվարժեցման տվյալաշարը կառուցվեց ուղիղ այս չորս առանցքների շուրջ: Ահա, թե ինչ է հայտնում NVIDIA-ն Nemotron 3 Ultra հիմքի համար — մատակարարի կողմից հայտարարված թվեր չսեղմված մոդելի վրա, որը մենք չենք գործարկել.
Երկու վերապահում, որոնք ավելի արժեքավոր են, քան թվերը: SWE-Bench Verified ցուցանիշը միջակայք է. NVIDIA-ն հայտնում է 65.0%-ից 70.4%, կախված նրանից, թե որ գործակալային շրջանակն է այն գործարկում (Pi, OpenHands, Hermes, OpenCode, Mini SWE Agent), և հինգ միավորանոց տարածումը միայն կառուցվածքից ցույց է տալիս, թե որքանով են գործակալական միավորները կախված շրջանակից, ոչ թե մոդելից: Իսկ Artificial Analysis-ը Nemotron 3 Ultra-ին տեղադրել է իր Intelligence Index-ում 48 միավորով, 89 մոդելից 9-րդը — ուժեղ, բայց ոչ ոլորտի առաջատարը, և հենց նրանց անկախ չափումն է, որին մենք կվստահեինք ավելի շատ, քան որևէ մատակարարի սլայդին:
Ավելի վաղ սերնդի համար NVIDIA-ի Llama-Nemotron հոդվածը հայտնում է, որ LN-Ultra-ն ստացել է 76.0% GPQA-Diamond-ում՝ DeepSeek-R1-ի 71.5%-ի և Llama-3.1-405B-Instruct-ի 43.4%-ի դիմաց, գումարած 80.8% AIME 2024-ում — այլ մոդել, ընդգրկված, քանի որ ասպիրանտուրայի մակարդակի գիտությունը և մրցութային մաթեմատիկան եղել են ընտանիքի նպատակը երկու սերնդի ընթացքում:
Այստեղի յուրաքանչյուր թիվ հրապարակված է ինչ-որ մեկի կողմից, ով մենք չենք: Ստուգեք առաջնային աղբյուրները ինքներդ:
Բենչմարքի ցուցանիշները՝ ինչպես հրապարակված են NVIDIA-ի կողմից (2026 թ. հունիս) չսեղմված Nemotron 3 Ultra-ի համար, և Artificial Analysis-ի կողմից՝ անկախ չափումների համար: Սեղմված տարբերակները կարող են տարբերվել: Մենք չենք հրապարակում այն բենչմարք թվերը, որոնք չենք ստուգել կամ չենք կարող վերագրել:
07Գին, և բազմաբառության վերապահումը
$0.75-ով մեկ միլիոն մուտքային տոկենի դիմաց և $3.30-ով մեկ միլիոն ելքային տոկենի դիմաց՝ Nemotron3Ultra-ն մեր կատալոգի ստորին երրորդում է մուտքի գնով և միջինում՝ ելքի: Հաշվարկված օրինակներ, քանի որ մեկ միլիոնի հաշվարկով գնագոյացումը դժվար է զգալ.
| Կանչի տեսակ | Մուտք | Ելք | Արժեք |
|---|---|---|---|
| Բնորոշ RAG փուլ | 50,000 | 4,000 | $0.051 |
| Երկար փաստաթղթի վերլուծություն | 150,000 | 8,000 | $0.139 |
| Առավելագույն չափի կանչ | 262,144 | 16,384 | $0.251 |
Ամբողջ-համատեքստով, ամբողջ-ելքով հարցումը՝ ամեն մի տոկեն, որը էնդփոինթը կընդունի, և ամեն մի տոկեն, որը կարտադրի, արժե մոտավորապես 25 ցենտ: Նույն ձևով Kimi-K3-3BIT-REAP-ի վրա, մեր ամենաթանկ մոդելը՝ $3.83/$19.12 գնով, արժե մոտավորապես $1.32, կամ 5.3 անգամ ավելի:
Իսկ հիմա՝ վերապահումը, և այն իրական է: Artificial Analysis-ը չափել է, որ Nemotron 3 Ultra-ն գեներացնում է 2.3 անգամ ավելի շատ ելքային տոկեն, քան միջին մրցակիցը իրենց բենչմարք փաթեթում: Դատողության մոդելները ձեզանից գանձում են մտածելու համար, իսկ սա երկար է մտածում. մեկ-տոկենային գնային առավելությունը վերածվում է մեկ-առաջադրանքային թերության, եթե մոդելը երեք անգամ ավելի երկար է դատում՝ նույն պատասխանին հասնելու համար: Մեղմացումը ներկառուցված է և հասանելի է մեր API-ում. Nemotron 3-ը հետվարժեցվել է դատողության բյուջեի կառավարման համար, և reasoning_effort-ն ապահովվում է այստեղ — NVIDIA-ն նկարագրում է ցածր-ջանքի ռեժիմ, որն օգտագործում է զգալիորեն քիչ մտածողության տոկեններ՝ մեկ նիշանոց ճշգրտության փոխզիջումով: Դասակարգման, արտահանման և երթուղավորման դեպքում իջեցրեք այն, և տնտեսագիտությունը զգալիորեն փոխվում է. ապացույցի կամ բազմաֆայլային վերաձևակերպման դեպքում բարձրացրեք այն և գիտակցաբար վճարեք դրա համար: Չափեք ձեր սեփական տոկեն-մեկ-առաջադրանք հարաբերակցությունը, փոխանակ գնացուցակը կարդալու և ենթադրելու:
08Կանչելը. երեք բարբառ, մեկ մոդել
Gateway-ի յուրաքանչյուր մոդել պատասխանում է երեք հոսքային API մակերեսների վրա, ուստի կարող եք ձեր առկա հաճախորդին ուղղորդել դեպի այն՝ առանց ինտեգրումը վերաշարադրելու. /v1/chat/completions (OpenAI բարբառ), /v1/messages (Anthropic բարբառ), և /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."}
]
}'Հնարավորությունների ամփոփում, որպեսզի ինտեգրման պահին ոչինչ ձեզ չզարմացնի.
| Հնարավորություն | Nemotron3Ultra · 3BIT-REAP |
|---|---|
| Համատեքստի պատուհան | 262,144 տոկեն |
| Առավելագույն ելք / հարցում | 16,384 տոկեն |
| Հոսքային փոխանցում | Այո |
| Գործիքի կանչում | Այո |
| Դատողության հետքեր | Այո |
reasoning_effort | Այո |
json_schema (խիստ) | Այո |
response_format | Այո |
| Տեսողություն / պատկերի մուտք | Ոչ — միայն տեքստ |
| Մերժման շերտ | Չկա |
Տեսողության տողը մարդկանց հաճախ շփոթեցնում է. Nemotron3Ultra-ն միայն տեքստային է: Եթե ձեր խողովակաշարն ուղարկում է պատկերներ, օգտագործեք MiniMax-M3-3BIT-REAP կամ MiMo-V2.5-W8A16՝ $0.50/$2.00 գնով, կամ Kimi-K2.6-W4A16-AUTOROUND-REAP՝ $0.78/$3.67 գնով — բոլորը տեսողությամբ, բոլորը՝ առանց ցենզուրայի, բոլորը՝ նույն 262,144 տոկեն համատեքստով: Ամբողջական պարամետրերի տեղեկատուն գտնվում է API փաստաթղթերում:
09Որտեղ է Nemotron3Ultra-ն տեղավորվում տասներկուսի մեջ
Կատալոգը կազմված է տասներկու առանց ցենզուրայի մոդելից, որոնք կիսում են նույն համատեքստի պատուհանը, նույն երեք բարբառները և մերժման շերտի նույն բացակայությունը. դրանք տարբերվում են հիմքով, գնով և հնարավորություններով: Nemotron-ի դիրքը կոնկրետ է. բաց-ծագումնաբանության դատողության բեռնակիր ձին — ոչ ամենաէժանը, ոչ ամենակարող մոդելը, բայց այն, որի վարքագծի հետևում ամենաշատ հրապարակային փաստագրական հետքն է, և որը ամենախստորեն կարգավորված է դեպի STEM և գործակալներ:
| Մոդել | Մուտք / 1Մ | Ելք / 1Մ | Տեսողություն | Ընտրեք սա |
|---|---|---|---|---|
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | Այո | Ամենաէժան տեսողությամբ տարբերակը |
| MiMo-V2.5-Pro · W8A16 | $0.50 | $2.00 | Ոչ | Ամենաբարձր հավատարմության քվանտացման մակարդակ |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | Ոչ | Ամենաէժան մեծ-հիմքով դատողությունը |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | Ոչ | STEM, գործակալներ, բաց ծագումնաբանություն |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | Այո | Տեսողություն + AutoRound հավատարմություն |
| DeepSeek-V4-Pro · 3BIT-REAP | $1.95 | $3.90 | Ոչ | Խորը մեկանգամյա վերլուծություն |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | Այո | Բացարձակ հնարավորությունների առաստաղ |
Ցուցադրված է տասներկուսից յոթը: Ամբողջական կատալոգը — ներառյալ Laguna-S-2.1, inkling, DeepSeek-V4-Flash, MiMo-V2.5 և Hy3 — գտնվում է API փաստաթղթերում: Նկատի ունեցեք, որ Laguna-S-2.1-ը չի աջակցում կառուցվածքային ելքին, իսկ inkling-ը չի աջակցում json_schema-ին. Nemotron3Ultra-ն աջակցում է երկուսին էլ:
Գնով ամենամոտ հարևանը GLM-5.2-3BIT-REAP-ն է՝ $0.73/$2.34 գնով, և ազնիվ համեմատությունն այս է. GLM-5.2-ն ավելի էժան է մեկ տոկենի հաշվարկով, հատկապես ելքի մասով: Nemotron-ը բերում է հրապարակված վարժեցման կորպուս, դատողության-բյուջեի բացահայտ կարգավորիչ և ընտանեկան պատմություն, որն ուղղված է ասպիրանտուրայի մակարդակի գիտությանը: Բարձր-ծավալ ընդհանուր դատողություն. գործարկեք ավելի էժանը: STEM-ուղղված, գործակալական, կամ ենթակա աուդիտի, որը հարցնում է, թե որտեղից է եկել մոդելի վարքագիծը. Nemotron-ը վաստակում է տարբերությունը:
10Հաճախ տրվող հարցեր
Ի՞նչ է առանց ցենզուրայի Nemotron API-ն:
Դա Shannon AI-ի հյուրընկալվող էնդփոինթն է Nemotron3Ultra 3BIT-REAP-ի համար՝ NVIDIA-ի բաց կշիռներով Nemotron 3 Ultra-ի սեղմված տարբերակը: Այն աշխատում է մեր սեփական GPU կլաստերի վրա՝ առանց մերժման շերտի և առանց ելքի զտման, տրամադրում է 262,144 տոկեն համատեքստ և 16,384 ելքային տոկեն մեկ հարցման դիմաց, և արժե $0.75 մեկ միլիոն մուտքային տոկենի դիմաց և $3.30 մեկ միլիոն ելքային տոկենի դիմաց:
Արդյո՞ք NVIDIA Nemotron-ն իսկապես բաց կշիռներ ունի:
Այո: NVIDIA-ն հրապարակեց Nemotron 3 Ultra-ն 2026 թ. հունիսի 4-ին՝ կշիռներով, ուսուցման տվյալներով և բաղադրատոմսերով՝ Linux Foundation-ի ազատական OpenMDW-1.1 լիցենզիայի ներքո, հետևելով Nemotron-4 340B-ին և Llama-Nemotron ընտանիքին: Հենց այդ բացությունն է հնարավոր դարձնում անկախ շահագործվող, չզտված տեղակայումը:
Ի՞նչ է նշանակում 3BIT-REAP-ը:
Երկու սեղմման քայլ: REAP-ը՝ Router-weighted Expert Activation Pruning, Cerebras Research-ից և ընդունված ICLR 2026-ում, գնահատում է Փորձագետների խառնուրդի (MoE) յուրաքանչյուր փորձագետի ըստ նրա, թե որքան ուժեղ է երթուղիչը այն դռներով անցկացնում, և որքան մեծ են դրա ելքային ներդրումները, ապա ամբողջովին հեռացնում է ամենաքիչ նշանակալիներին: Գոյատևողները քվանտացվում են 3-բիթ կշիռների, այնպես որ բիթային բյուջեն ծախսվում է այն փորձագետների վրա, որոնք իրականում կրում են երթևեկություն:
Nemotron3Ultra-ն աջակցո՞ւմ է տեսողության կամ JSON schema ելքի:
Ոչ մի պատկեր. այս էնդփոինթը միայն տեքստային է: Այն աջակցում է խիստ կառուցվածքային ելքին — և՛ json_schema, և՛ response_format — գումարած գործիքի կանչում, հոսքային փոխանցում, դատողության հետքեր և reasoning_effort: Առանց ցենզուրայի մոդելի վրա պատկերների համար փոխարենը օգտագործեք MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 կամ inkling:
Ինչու՞ է համատեքստը 262,144 տոկեն, երբ NVIDIA-ն գովազդում է 1Մ:
Nemotron 3 ճարտարապետությունը նպատակադրված է 1 միլիոն տոկեն պատուհանի, և NVIDIA-ն այդ երկարությամբ հայտնում է 94.7% RULER-ում: Մեր տեղակայումը տրամադրում է 262,144 տոկեն՝ այն պատուհանը, որը մենք պահում ենք լրիվ արագությամբ ողջ կատալոգում: Gateway-ի յուրաքանչյուր մոդել տրամադրում է նույն համատեքստը, ուստի կարող եք փոխարինել մոդելի ID-ները՝ առանց ձեր բեկորավորումը վերաշարադրելու:
Nemotron-ը լա՞վն է մաթեմատիկայի, գիտության և կոդի համար:
STEM-ը և դատողությունը ընտանիքի հայտարարված կենտրոնացումն են: NVIDIA-ն Nemotron 3 Ultra-ի համար հայտնում է 90% PinchBench-ում, 65.0-70.4% SWE-Bench Verified-ում՝ հինգ գործակալային շրջանակների միջով, և 56.4% Terminal-Bench 2.1-ում. ավելի վաղ Llama-Nemotron Ultra-ն հայտնել էր 76.0% GPQA-Diamond-ում՝ DeepSeek-R1-ի 71.5%-ի դիմաց: Բոլորը մատակարարի կողմից հայտարարված են չսեղմված հիմքի վրա:
Կանչեք առանց ցենզուրայի Nemotron API-ն
262K համատեքստ, գործիքի կանչում, խիստ JSON schema, առանց մերժման շերտի — $0.75 մուտք / $3.30 ելք՝ մեկ միլիոն տոկենի դիմաց:
Կարդալ API փաստաթղթերը Բոլոր մոդելային քարտերըShannon Lab LLC · Նյու Մեքսիկո, ԱՄՆ · օգտագործումը կարգավորվում է մեր Պատասխանատու օգտագործման քաղաքականությամբ
Աղբյուրներ՝ NVIDIA Nemotron 3 Ultra technical report · NVIDIA developer blog (June 2026) · Nemotron 3 Super architecture notes · Llama-Nemotron: Efficient Reasoning Models · Cerebras Research, REAP: Հիմքային բենչմարքները NVIDIA-ի կողմից հայտարարված են չսեղմված մոդելի վրա, եթե այլ բան նշված չէ Artificial Analysis-ի վերագրմամբ. սեղմված տարբերակները կարող են տարբերվել: Գները և հնարավորությունները արդիական են 2026 թ. սեպտեմբերի 5-ի դրությամբ: