Цензурасыз Nemotron API
NVIDIA'нын изилдөө теги, ачык жарыяланган жана баш тартуу катмарысыз тейленген: STEM менен узак горизонттогу ой жүгүртүүгө ыңгайлаштырылган 550B гибриддик Mamba-Attention MoE — миллион токенге $0.75 кирүү / $3.30 чыгуу баасында.
Кыскача
Nemotron3Ultra-3BIT-REAP — Shannon'дун NVIDIA Nemotron 3 Ultra моделин цензурасыз жайгаштыруусу: ар бир токенге 55B активдүү 550 миллиард параметрлик эксперттер аралашмасы (MoE) модели, 2026-жылдын 4-июнунда салмактары, үйрөтүү маалыматтары жана рецепттери менен бирге Linux Foundation'дун эркин OpenMDW-1.1 лицензиясы алдында чыккан. Өз GPU кластерибизде ал баш тартуу катмарысыз жана чыгууга чыпка колдонулбай, 262 144 токендик контекст, ар бир сурамга 16 384 чыгуу токенине чейин, курал чакыруу, агымдуу берүү, ой жүгүртүү изи жана катаң json_schema чыгуусу менен иштейт. Ал сүрөт кабыл албайт. Баасы: 1M токенге $0.75 / $3.30.
«Ачык» моделдердин көбү салмактары гана ачык, башка эч нерсеси эмес — параметрлер архиви, лицензия жана сандар кайдан келгени тууралуу унчукпоо. Nemotron эки жыл бою ырааттуу өзгөчө учур бойдон калууда: NVIDIA салмактарды да, кийинки үйрөтүү маалымат топтомдорун да, RL чөйрөлөрүн да, рецептти да таратат. Бул цензурасыз уч үчүн байкалбай кала турган жол менен маанилүү. Тегиздөө маалыматтары жарыяланган моделдин баш тартуу жүрүм-туруму тууралуу болжолдоонун ордуна ой жүгүртүүгө болот — жана үчүнчү тарап аны оозуна мазмун чыпкасын бекитпей мыйзамдуу түрдө жайгаштыра алат.
01Nemotron 3 Ultra деген эмне?
Nemotron 3 Ultra — NVIDIA'нын Nemotron 3 үй-бүлөсүнүн эң чоң мүчөсү, Hugging Face'ке 2026-жылдын 4-июнунда чыгарылган. NVIDIA'нын техникалык отчету аны «жалпысынан 550 миллиард, активдүү 55 миллиард параметрлик эксперттер аралашмасы, гибриддик Mamba-Attention тил модели» деп сүрөттөйт — тармактын болжол менен 10%ы ар бир айрым токен үстүндө иштейт, дал ушул жарым триллион параметрлик моделди жалпы эле тейлөөгө мүмкүн кылат.
Билдирилген түзүлүш — модель өлчөмү 8 192 болгон 108 катмар, Mamba-2 абал мейкиндиги катмарлары толук көңүл буруу катмарларынын сейрек топтому менен кезектешет, ар бир MoE катмарында 512 эксперт жана топ-22 маршруттоо. Алдын ала үйрөтүү болжол менен 20 триллион текст токенинде эки этапта жүргөн — адегенде ар түрдүүлүккө, андан соң сапатка жантайган — 2025-жылдын сентябрындагы чек менен, 12 табигый жана 43 программалоо тилинде. Кийинки үйрөтүүдө SFT, текшерилүүчү сыйлыктары бар көп чөйрөлүү RL жана ондон ашык адистешкен мугалим боюнча Multi-Teacher On-Policy Distillation колдонулган. Жарыяланган долбоордук максат — узак иштеген агенттер: чоң контекстти кармаган, куралдарды ондогон жолу чакырган жана токен боюнча эсеп-кысап эсепти аныктагыдай узак иштеген сессиялар.
02Nemotron теги жана ал эмне үчүн маанилүү
Nemotron — бир жолку иш эмес. Бул 2024-жылдан бери ошол эле багытта иштеп келе жаткан NVIDIA изилдөө программасынын көрүнгөн жыйынтыгы, жана ар бир муун азыркы модель дагы эле алып жүргөн нерсени калтырган. Nemotron-4 340B (2024-жылдын июну) синтетикалык маалымат жаратуунун ачык түтүгү, анын сыйлык модели жана генератору менен, плюс адаттан тыш ачыктоо менен чыккан: анын тегиздөө маалыматтарынын басымдуу бөлүгү модель тарабынан жаратылган. Моделди оракул эмес, маалымат фабрикасы катары кароо — кийинки Nemotron чыгарылыштары салмактар менен катар маалымат топтомдорун таратып жүрүшүнүн себеби.
Llama-Nemotron — өчүрүүгө боло турган ой жүгүртүү
2025-жылдагы Llama-Nemotron үй-бүлөсү (LN-Nano 8B, LN-Super 49B, LN-Ultra 253B) жакшы эскирген эки идеяны кошкон. Биринчиси архитектуралык: NVIDIA'нын Puzzle нейрондук архитектура издөөсү блок боюнча дистилденген трансформер блокторунун китепканасын куруп, аларды аралаш бүтүн сандуу программалоо менен чогулткан — натыйжада кээ бир блоктору көңүл бурууну таптакыр аттап өткөн же аны бир сызыктуу катмарга алмаштырган моделдер чыккан, ал эми FFN Fusion удаа келген түз байланыш блокторун азыраак, кеңирээк, параллель блокторго кыскарткан — параметр санын эмес, ырааттуу тереңдикти кыскартып. LN-Ultra бир 8×H100 түйүнүнө батып, NVIDIA'нын макаласы боюнча GPQA-Diamond'до DeepSeek-R1'ден озуп чыккан (76,0%га каршы 71,5%).
Экинчиси жүрүм-турумдук: Llama-Nemotron — динамикалык ой жүгүртүү которгучу болгон биринчи ачык үй-бүлө; үйрөтүү маалыматтары системалык көрсөтмөдө detailed thinking on же detailed thinking off деп белгиленген, ал эми формат сыйлыктары күйүк режимде <think> тегдерин талап кылган. Бир топтом салмак, эки жүрүм-турум, чыгарууда тандалат. Nemotron 3'түн ой жүгүртүү бюджетин башкаруусу — жана биздин API'дагы reasoning_effort параметри — түздөн-түз ошол иштен келип чыккан.
Nemotron 3 — гибриддик бурулуш
Nemotron 3 Llama'дан келип чыгууну нөлдөн курулган гибриддик архитектурага алмаштырып, LatentMoE'ди (маршруттоодон мурун токендерди кысуу, NVIDIA'нын айтуусу боюнча бул «ошол эле чыгаруу чыгымына 4 эсе көп экспертке» жол ачат), көп токенди алдын ала айтууну жана өзүнөн NVFP4 алдын ала үйрөтүүнү кошкон. NVIDIA салмактар менен катар жалпысынан 50 миллион SFT үлгүсүн, 2 миллион RL тапшырмасын жана 55 RL чөйрөсүн жарыялаган — модель эмнеге үйрөтүлгөнү тууралуу өндүрүүчүнүн сөзүнө ишенүүнүн кажети жок, анткени окуу материалын жүктөп алса болот.
03Гибриддик архитектура сизге эмне берет
Трансформердин KV кэши ырааттуулуктун узундугуна пропорционалдуу өсөт, ошондуктан узун контексттеги чыгаруу эсептөө жагынан эмес, эстутум жагынан кымбаттайт. Mamba-2 катмарлары — туруктуу өлчөмдөгү рекурренттик абалды алып жүргөн абал мейкиндиги моделдери, ошондуктан алардын токенге туура келген эстутум чыгымы тарых менен өспөйт; алардын алсыз жери — так ассоциативдик эстөө. Гибрид ырааттуулукту иштетүүнүн негизги бөлүгү үчүн Mamba-2'ни, ал эми абал мейкиндиги катмарлары чала аткарган эстөө үчүн чыныгы көңүл буруу катмарларынын азчылыгын кармайт, ал эми 64 суроо башы / 2 KV башы деген агрессивдүү катышы кэшти дагы кичирейтет. NVIDIA 1M токенде RULER боюнча 94,7% билдирет — бул колдоно албаган терезени жарнактаган моделдерди кармоо үчүн курулган ийне издөө бенчмаркы.
Кесепети — өткөрүмдүүлүк: NVIDIA бирдей тактыкта салыштырма моделдерден болжол менен 6 эсеге чейин жогору чыгаруу өткөрүмдүүлүгүн доолайт, ал эми Artificial Analysis көзкарандысыз түрдө секундасына 140,3 токен жана биринчи токенге чейин 1,33 секунд өлчөгөн — 89 моделдин ичинен 7-орун. 200 кезектик агент ишинде бул түштөн кийин бүтүрүү менен таптакыр бүтүрбөөнүн ортосундагы айырма.
04«3BIT-REAP» чынында эмнени билдирет
Кошумча — жасалга эмес: ал негизди батыруу үчүн ага так эмне жасалганын айтат.
REAP — Router-weighted Expert Activation Pruning — Cerebras Research'тен чыккан жана ICLR 2026'га кабыл алынган. Сейрек MoE'де маршрутизатор ар бир токенди бир нече экспертке жөнөтөт; чыныгы жүктө кээ бирлери тынымсыз, кээ бирлери дээрлик эч качан колдонулбайт. REAP ар бир экспертти маршрутизатор аны канчалык күчтүү ачарын жана анын чыгууга кошкон салымы канчалык чоң экенин айкалыштырган маанилүүлүк критерийи боюнча баалап, эң аз маанилүүлөрүн таптакыр алып салат — Cerebras 1 триллион параметрге чейинки моделдерден эксперттердин 50%ына чейинкисин кыскартып, базалык сапатты негизинен сактап калганын билдирет жана код сыяктуу жаратуучу тапшырмалар үчүн кыскартуу бириктирүүдөн озорун табат. Андан кийин 3 биттик кванттоо аман калгандарын кысат. Адегенде кыскартуу, андан соң кванттоо — ошондо бит бюджети өлүк эксперттердин арасына жайылбай, трафик алып жүргөндөргө жумшалат.
Кысуу бекер эмес, жана биз башкача деп көрсөтпөйбүз: агрессивдүү кванттоо адегенде көрүнөө ырааттуулуктун бузулушу катары эмес, так форматты сактоодо жана узун чынжырлуу арифметикада майда начарлоо катары билинет. Үч деңгээл кайда турат:
| Кошумча | Бул эмне | Аны кайда колдонобуз |
|---|---|---|
| 3BIT-REAP | 3 биттик салмактар + эксперт кыскартуу | Башка эч нерсе ылдамдыгы менен батпаган эң чоң негиздер |
| W4A16-AUTOROUND-REAP | 4 биттик салмактар / 16 биттик активациялар, AutoRound үйрөнүлгөн тегеректөө, + кыскартуу | Орто өлчөмдөгү негиздер; AutoRound эң жакын мааниге түз тегеректөөгө караганда тактыкты калыбына келтирет |
| W8A16 | 8 биттик салмактар / 16 биттик активациялар | Эң жогорку тактык; агрессивдүү кысууну талап кылбагыдай кичине негиздер |
550B'дагы Nemotron 3 Ultra так биринчи категорияда. Эгер жүгүңүз узун чынжырлардагы так сандык чыгууга адаттан тыш сезгич болсо, изилдөө индекси W8A16 деңгээлин — MiMo-V2.5-Pro-W8A16 жана Hy3-W8A16 — $0.50/$2.00 түбүндө көрсөтөт. Бул чыныгы алмашуу, воронка эмес: кичирээк модель, азыраак кысуу.
05Бул учта «цензурасыз» эмнени билдирет
Так айтканда: баш тартуу катмары жок жана чыгууга мазмун чыпкасы колдонулбайт. Эч бир классификатор промптуңузду текшерип, даяр баш тартуу кайтарбайт, ал эми жооп агымыңызга жетээрден мурун сканерленбейт. Сиз алганыңыз — моделдин өз жүрүм-туруму.
Дал ушул жерде ачык тек кызыктуу факт болуудан калат. NVIDIA кийинки үйрөтүү маалыматтарын жана RL чөйрөлөрүн жарыялагандыктан, моделдин бейими уламыш эмес, принципте текшериле турган нерсе. Ал эми OpenMDW-1.1 — архитектураны, параметрлерди, документтерди жана программалык камсыздоону камтыган Linux Foundation'дун эркин лицензиясы болгондуктан, көзкарандысыз оператор өзгөртүлгөн, чыпкаланбаган жайгаштырууну өз жабдыгында лицензия тоскоол болбогон түрдө тейлей алат. Көптөгөн «ачык» модель лицензиялары буга жол бербейт. Бул берет. Айырма рефлекстүү баш тартуу коопсуздук функциясы эмес, мүчүлүштүк болгон жерде көрүнөт:
- Коопсуздук изилдөөсү — алсыздыктарды талдоо, эксплойт логикасы, зыяндуу программанын жүрүм-туруму, red-team куралдары — суроого уруксат барбы деп талашпастан.
- Химия, биология жана фармакология — доза эсеби, реакция механизмдери, токсикология, чыпкаланган уч ачкыч сөзгө тийери менен баш тарткан синтез жолдору.
- Атаандаш ML — чыныгы нерсени көргөн болушу керек болгон классификаторлор үчүн оор терс мисалдар, jailbreak корпустары жана кыянат колдонуу таксономиялары.
- Клиникалык, укуктук жана соттук-медициналык текст — жаратылышы боюнча оор жана дал ошол себептен четке кагылган иш материалдары.
Цензурасыз дегени жоопкерчиликсиз дегени эмес. Жараткан нерсеңиз үчүн өзүңүз жооптуусуз, ал эми аккаунтту биздин жоопкерчиликтүү колдонуу саясатыбыз менен тейлөө шарттарыбыз жөнгө салат. Баш тартуу катмарын алып салуу ниет тууралуу болжолду алып салат; ал сизге тиешелүү мыйзам боюнча милдеттериңизди алып салбайт.
06STEM жана ой жүгүртүү: жарыяланган сандар эмне дейт
Llama-Nemotron'дун кийинки үйрөтүү маалымат топтому так ошол төрт огунун тегерегинде курулгандан бери Nemotron'дун үйрөтүү багыты — математика, код, илим жана көрсөтмө аткаруу. NVIDIA Nemotron 3 Ultra негизи үчүн билдиргени — кысылбаган модель боюнча өндүрүүчү билдирген сандар, аларды биз иштеткен жокпуз:
Сандардан да маанилүү эки эскертүү. SWE-Bench Verified көрсөткүчү — аралык: NVIDIA аны кайсы агенттик каркас иштеткенине жараша (Pi, OpenHands, Hermes, OpenCode, Mini SWE Agent) 65,0%дан 70,4%га чейин билдирет, ал эми бир гана каркастан келген беш пункттук чачыроо агенттик упайлар моделден эмес, каркастан канчалык көз каранды экенин көрсөтөт. Ал эми Artificial Analysis Nemotron 3 Ultra'ны өзүнүн Intelligence Index'инде 48 упай, 89 моделдин ичинен 9-орунга койгон — күчтүү, бирок тармактын чокусу эмес, жана алардын көзкарандысыз өлчөөсү — биз каалаган өндүрүүчүнүн слайдынан жогору бааларыбыз.
Мурунку муун боюнча NVIDIA'нын Llama-Nemotron макаласы LN-Ultra'ны GPQA-Diamond'до 76,0% менен билдирет — DeepSeek-R1'дин 71,5%ына жана Llama-3.1-405B-Instruct'тин 43,4%ына каршы, плюс AIME 2024'тө 80,8%. Бул башка модель, бирок аспирантура деңгээлиндеги илим менен олимпиада математикасы эки муун бою бул үй-бүлөнүн максаты болгондуктан кошулду.
Бул жердеги ар бир сан бизден башка бирөө тарабынан жарыяланган. Баштапкы булактарды өзүңүз текшериңиз.
Бенчмарк сандары — NVIDIA тарабынан (2026-жылдын июну) кысылбаган Nemotron 3 Ultra үчүн жана Artificial Analysis тарабынан көзкарандысыз өлчөөлөр катары жарыяланган. Кысылган курулуштар айырмаланышы мүмкүн. Биз текшербеген же булагын көрсөтө албаган бенчмарк сандарын жарыялабайбыз.
07Баасы жана сөзмөрлүк эскертүүсү
Миллион кирүү токенине $0.75 жана миллион чыгуу токенине $3.30 баада Nemotron3Ultra каталогубуздун кирүү боюнча төмөнкү үчтөн биринде, чыгуу боюнча ортосунда турат. Миллион боюнча бааны сезүү кыйын болгондуктан, иштелген мисалдар:
| Чакыруунун түрү | Кирүү | Чыгуу | Баасы |
|---|---|---|---|
| Кадимки RAG кезеги | 50,000 | 4,000 | $0.051 |
| Узун документти талдоо | 150,000 | 8,000 | $0.139 |
| Эң чоң өлчөмдөгү чакыруу | 262,144 | 16,384 | $0.251 |
Толук контексттүү, толук чыгуулуу сурам — уч кабыл ала турган ар бир токен жана ал жарата турган ар бир токен — болжол менен 25 центке турат. Ошол эле форма $3.83/$19.12 менен эң кымбат моделибиз болгон Kimi-K3-3BIT-REAP'те болжол менен $1.32, б.а. 5,3 эсе кымбат.
Эми эскертүү, жана ал чыныгы. Artificial Analysis Nemotron 3 Ultra'нын өз бенчмарк топтому боюнча медианалык теңтуштарына караганда 2,3 эсе көп чыгуу токенин жаратканын өлчөгөн. Ой жүгүртүүчү моделдер ойлонгону үчүн эсеп коёт, ал эми бул модель узакка ойлонот; эгер модель ошол эле жоопко жетүү үчүн үч эсе узак ой жүгүртсө, токен боюнча баа артыкчылыгы тапшырма боюнча жоготууга айланат. Аны басаңдатуу курулушка киргизилген жана биздин API'да ачылган: Nemotron 3 ой жүгүртүү бюджетин башкарууга кийин үйрөтүлгөн жана бул жерде reasoning_effort колдоого алынат — NVIDIA бир орундуу тактык алмашуусу менен кыйла азыраак ой жүгүртүү токенин колдонгон төмөн аракет режимин сүрөттөйт. Классификация, чыгарып алуу жана багыттоодо аны төмөндөтсөңүз, экономика олуттуу өзгөрөт; далил же көп файлдуу рефакторингде аны атайын көтөрүп, ага төлөңүз. Прайс-баракты окуп, божомолдогондун ордуна өз тапшырмаңызга канча токен кетерин өзүңүз өлчөңүз.
08Чакыруу: үч диалект, бир модель
Шлюздагы ар бир модель үч агымдуу API бетинде жооп берет, ошондуктан интеграцияңызды кайра жазбай туруп учтагы клиентти ага багыттай аласыз: /v1/chat/completions (OpenAI диалекти), /v1/messages (Anthropic диалекти) жана /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."}
]
}'Мүмкүнчүлүктөрдүн кыскача жыйындысы, интеграция учурунда эч нерсе күтүүсүз болбошу үчүн:
| Мүмкүнчүлүк | Nemotron3Ultra · 3BIT-REAP |
|---|---|
| Контекст терезеси | 262 144 токен |
| Сурамга эң чоң чыгуу | 16 384 токен |
| Агымдуу берүү | Ооба |
| Курал чакыруу | Ооба |
| Ой жүгүртүү изи | Ооба |
reasoning_effort | Ооба |
json_schema (катаң) | Ооба |
response_format | Ооба |
| Көрүү / сүрөт киргизүү | Жок — текст гана |
| Баш тартуу катмары | Жок |
Көрүү сабы адамдарды жаңылтат: Nemotron3Ultra — текст гана. Эгер түтүгүңүз сүрөт жөнөтсө, $0.50/$2.00 баасындагы MiniMax-M3-3BIT-REAP же MiMo-V2.5-W8A16, же $0.78/$3.67 баасындагы Kimi-K2.6-W4A16-AUTOROUND-REAP колдонуңуз — баары көрүүсү бар, баары цензурасыз, баары ошол эле 262 144 токендик контексте. Параметрлердин толук справкасы API документтеринде.
09Nemotron3Ultra он экинин арасында кайда турат
Каталог — ошол эле контекст терезесин, ошол эле үч диалектти жана баш тартуу катмарынын ошол эле жоктугун бөлүшкөн он эки цензурасыз модель; алар негизи, баасы жана мүмкүнчүлүктөрү менен айырмаланат. Nemotron'дун орду так: ачык тектүү ой жүгүртүү жумушчусу — эң арзаны да, эң жөндөмдүүсү да эмес, бирок жүрүм-турумунун артында эң көп ачык кагаз изи бар, STEM менен агенттерге эң катуу ыңгайлаштырылганы.
| Модель | Кирүү / 1M | Чыгуу / 1M | Көрүү | Аны эмне үчүн тандоо керек |
|---|---|---|---|---|
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | Ооба | Көрүүсү бар эң арзан вариант |
| MiMo-V2.5-Pro · W8A16 | $0.50 | $2.00 | Жок | Эң жогорку тактыктагы кванттоо деңгээли |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | Жок | Чоң негиздүү эң арзан ой жүгүртүү |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | Жок | STEM, агенттер, ачык тек |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | Ооба | Көрүү + AutoRound тактыгы |
| DeepSeek-V4-Pro · 3BIT-REAP | $1.95 | $3.90 | Жок | Терең бир жолку талдоо |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | Ооба | Жөндөмдүн абсолюттук чеги |
Он экинин жетөө көрсөтүлдү. Толук каталог — Laguna-S-2.1, inkling, DeepSeek-V4-Flash, MiMo-V2.5 жана Hy3 кошулуп — API документтеринде. Эске алыңыз: Laguna-S-2.1 структураланган чыгууну колдобойт, ал эми inkling json_schema'ны колдобойт; Nemotron3Ultra экөөнү тең колдойт.
Баасы боюнча эң жакын кошунасы — $0.73/$2.34 баасындагы GLM-5.2-3BIT-REAP, ал эми чынчыл салыштыруу мындай: GLM-5.2 токен боюнча арзаныраак, өзгөчө чыгууда. Nemotron жарыяланган үйрөтүү корпусун, ой жүгүртүү бюджетинин ачык рычагын жана аспирантура деңгээлиндеги илимге багытталган үй-бүлөлүк тарыхты алып келет. Көлөмдүү жалпы ой жүгүртүү: арзаныраагын иштетиңиз. STEM'ге оор, агенттик же моделдин жүрүм-туруму кайдан келгенин сураган аудитке кабылган иш: айырманы Nemotron актайт.
10Көп берилүүчү суроолор
Цензурасыз Nemotron API деген эмне?
Бул — Shannon AI'дын Nemotron3Ultra 3BIT-REAP үчүн тейлеген учу, б.а. NVIDIA'нын ачык салмактуу Nemotron 3 Ultra моделинин кысылган курулушу. Ал өз GPU кластерибизде баш тартуу катмарысыз жана чыгууга чыпка колдонулбай иштейт, 262 144 токендик контекстти жана ар бир сурамга 16 384 чыгуу токенин ачат, ал эми баасы миллион кирүү токенине $0.75 жана миллион чыгуу токенине $3.30.
NVIDIA Nemotron чындап ачык салмактуубу?
Ооба. NVIDIA Nemotron 3 Ultra'ны 2026-жылдын 4-июнунда салмактары, үйрөтүү маалыматтары жана рецепттери менен бирге Linux Foundation'дун эркин OpenMDW-1.1 лицензиясы алдында жарыялаган — Nemotron-4 340B менен Llama-Nemotron үй-бүлөсүнөн кийин. Дал ошол ачыктык көзкарандысыз оператордун чыпкаланбаган жайгаштыруусун мүмкүн кылат.
3BIT-REAP эмнени билдирет?
Эки кысуу кадамын. REAP — Cerebras Research'тен чыккан жана ICLR 2026'га кабыл алынган Router-weighted Expert Activation Pruning — эксперттер аралашмасынын ар бир экспертин маршрутизатор аны канчалык күчтүү ачарына жана анын чыгууга кошкон салымы канчалык чоң экенине жараша баалап, эң аз маанилүүлөрүн таптакыр алып салат. Аман калгандары 3 биттик салмактарга кванттелет, ошондуктан бит бюджети чындап трафик алып жүргөн эксперттерге жумшалат.
Nemotron3Ultra көрүүнү же JSON схема боюнча чыгууну колдойбу?
Сүрөт жок: бул уч текст гана. Ал катаң структураланган чыгууну — json_schema'ны да, response_format'ты да — жана курал чакырууну, агымдуу берүүнү, ой жүгүртүү издерин жана reasoning_effort'ту колдойт. Цензурасыз моделде сүрөт керек болсо, анын ордуна MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 же inkling колдонуңуз.
NVIDIA 1M жарнактап жатканда контекст эмне үчүн 262 144 токен?
Nemotron 3 архитектурасы 1M токендик терезени көздөйт жана NVIDIA ошол узундукта RULER боюнча 94,7% билдирет. Биздин жайгаштыруубуз 262 144 токенди тейлейт — бул бүт каталог боюнча толук ылдамдыкта кармаган терезебиз. Шлюздагы ар бир модель ошол эле контекстти ачат, ошондуктан бөлүктөргө бөлүү логикаңызды кайра жазбай туруп модель id'лерин алмаштыра аласыз.
Nemotron математика, илим жана код үчүн жакшыбы?
STEM менен ой жүгүртүү — үй-бүлөнүн жарыяланган багыты. NVIDIA Nemotron 3 Ultra үчүн PinchBench боюнча 90%, беш агенттик каркас боюнча SWE-Bench Verified'де 65,0-70,4% жана Terminal-Bench 2.1'де 56,4% билдирет; мурунку Llama-Nemotron Ultra болсо GPQA-Diamond'до DeepSeek-R1'дин 71,5%ына каршы 76,0% билдирген. Баары кысылбаган негиз боюнча өндүрүүчү билдирген сандар.
Цензурасыз Nemotron API'ди чакырыңыз
262K контекст, курал чакыруу, катаң JSON схема, баш тартуу катмары жок — 1M токенге $0.75 кирүү / $3.30 чыгуу.
API документтерин окуу Бардык модель карточкаларыShannon Lab LLC · Нью-Мексико, АКШ · колдонуу жоопкерчиликтүү колдонуу саясатыбыз менен жөнгө салынат
Булактар: NVIDIA Nemotron 3 Ultra техникалык отчету · NVIDIA иштеп чыгуучулар блогу (2026-жылдын июну) · Nemotron 3 Super архитектурасы боюнча эскертүүлөр · Llama-Nemotron: Efficient Reasoning Models · Cerebras Research, REAP. Негиздин бенчмарктары — Artificial Analysis'ке таандык деп көрсөтүлбөсө, кысылбаган модель боюнча NVIDIA билдирген сандар; кысылган курулуштар айырмаланышы мүмкүн. Баалар менен мүмкүнчүлүктөр 2026-жылдын 5-сентябрына карата актуалдуу.