സെൻസർ ചെയ്യാത്ത Nemotron API

മിക്ക "ഓപ്പൺ" മോഡലുകളും ഓപ്പൺ വെയ്റ്റ്സ് മാത്രമാണ്, മറ്റൊന്നുമല്ല — പാരാമീറ്ററുകളുടെ ഒരു ടാർബോൾ, ഒരു ലൈസൻസ്, സംഖ്യകൾ എവിടെ നിന്ന് വന്നു എന്നതിനെക്കുറിച്ച് മൗനം. രണ്ട് വർഷമായി Nemotron സ്ഥിരമായ അപവാദമാണ്: NVIDIA വെയ്റ്റുകളും പോസ്റ്റ്-ട്രെയിനിംഗ് ഡാറ്റാസെറ്റുകളും RL പരിതസ്ഥിതികളും പാചകക്കുറിപ്പും നൽകുന്നു. എളുപ്പത്തിൽ ശ്രദ്ധിക്കപ്പെടാതെ പോകുന്ന ഒരു വിധത്തിൽ അത് ഒരു സെൻസർ ചെയ്യാത്ത എൻഡ്‌പോയിന്റിന് പ്രധാനമാണ്. അലൈൻമെന്റ് ഡാറ്റ പ്രസിദ്ധീകരിച്ച ഒരു മോഡലിന്റെ നിരസന പെരുമാറ്റം ഊഹിക്കുന്നതിന് പകരം അതിനെക്കുറിച്ച് ന്യായവാദം ചെയ്യാൻ കഴിയും — ഒപ്പം വായിൽ ഒരു ഉള്ളടക്ക ഫിൽട്ടർ ഘടിപ്പിക്കാതെ ഒരു മൂന്നാം കക്ഷിക്ക് നിയമാനുസൃതമായി വിന്യസിക്കാനും കഴിയും.

01എന്താണ് Nemotron 3 Ultra?

NVIDIA-യുടെ Nemotron 3 കുടുംബത്തിലെ ഏറ്റവും വലിയ അംഗമാണ് Nemotron 3 Ultra, 2026 ജൂൺ 4-ന് Hugging Face-ലേക്ക് പുറത്തിറങ്ങി. NVIDIA-യുടെ സാങ്കേതിക റിപ്പോർട്ട് അതിനെ "ആകെ 550 ബില്യൺ, സജീവം 55 ബില്യൺ പാരാമീറ്ററുള്ള Mixture-of-Experts ഹൈബ്രിഡ് Mamba-Attention ഭാഷാ മോഡൽ" എന്ന് വിശേഷിപ്പിക്കുന്നു — ഏതൊരു ടോക്കണിലും നെറ്റ്‌വർക്കിന്റെ ഏകദേശം 10% മാത്രമേ പ്രവർത്തിക്കുന്നുള്ളൂ, അരട്രില്യൺ പാരാമീറ്റർ മോഡൽ ഒട്ടും നൽകാൻ സാധ്യമാക്കുന്നത് അതാണ്.

റിപ്പോർട്ട് ചെയ്ത ഘടന 8,192 മോഡൽ ഡൈമൻഷനിൽ 108 പാളികളാണ്, Mamba-2 സ്റ്റേറ്റ്-സ്പേസ് പാളികളെ ചുരുക്കം ചില പൂർണ്ണ അറ്റൻഷൻ പാളികളുമായി ഇടകലർത്തുന്നു, ഓരോ MoE പാളിക്കും 512 എക്സ്പെർട്ടുകൾ, top-22 റൂട്ടിംഗോടെ. പ്രീട്രെയിനിംഗ് ഏകദേശം 20 ട്രില്യൺ ടെക്സ്റ്റ് ടോക്കണുകളിൽ രണ്ട് ഘട്ടങ്ങളായി നടന്നു — ആദ്യം വൈവിധ്യത്തിന് ഊന്നൽ, പിന്നെ ഗുണനിലവാരത്തിന് — 2025 സെപ്റ്റംബർ കട്ട്ഓഫോടെ, 12 സ്വാഭാവിക ഭാഷകളും 43 പ്രോഗ്രാമിംഗ് ഭാഷകളും. പോസ്റ്റ്-ട്രെയിനിംഗ് SFT, പരിശോധിക്കാവുന്ന റിവാർഡുകളുള്ള ബഹു-പരിതസ്ഥിതി RL, പത്തിലധികം വിദഗ്ധ അധ്യാപകരിലുടനീളമുള്ള Multi-Teacher On-Policy Distillation എന്നിവ ഉപയോഗിച്ചു. പ്രഖ്യാപിത രൂപകൽപ്പനാ ലക്ഷ്യം ദീർഘനേരം പ്രവർത്തിക്കുന്ന ഏജന്റുകളാണ്: വലിയ സന്ദർഭം പിടിച്ചുനിർത്തുന്ന, ഡസൻ കണക്കിന് തവണ ടൂളുകൾ വിളിക്കുന്ന, ഓരോ ടോക്കണിന്റെയും സാമ്പത്തികശാസ്ത്രം ബില്ലിനെ നിർണ്ണയിക്കുന്നത്ര നീണ്ട സെഷനുകൾ.

02Nemotron പരമ്പര, പാരമ്പര്യം പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്

Nemotron ഒറ്റത്തവണത്തേതല്ല. 2024 മുതൽ ഒരേ ദിശയിൽ പ്രവർത്തിക്കുന്ന ഒരു NVIDIA ഗവേഷണ പദ്ധതിയുടെ ദൃശ്യമായ ഫലമാണ് അത്, ഓരോ തലമുറയും നിലവിലെ മോഡൽ ഇപ്പോഴും വഹിക്കുന്ന എന്തെങ്കിലും ബാക്കിവച്ചു. Nemotron-4 340B (2024 ജൂൺ) ഒരു തുറന്ന കൃത്രിമ ഡാറ്റാ നിർമ്മാണ പൈപ്പ്‌ലൈനും അതിന്റെ റിവാർഡ് മോഡലും ജനറേറ്ററും സഹിതം വന്നു, ഒപ്പം അസാധാരണമായ ഒരു വെളിപ്പെടുത്തലും: അതിന്റെ അലൈൻമെന്റ് ഡാറ്റയിൽ ബഹുഭൂരിപക്ഷവും മോഡൽ ഉണ്ടാക്കിയതായിരുന്നു. ഒരു ഒറാക്കിൾ എന്നതിലുപരി ഡാറ്റാ ഫാക്ടറിയായുള്ള മോഡൽ എന്ന ആശയമാണ് പിന്നീടുള്ള Nemotron റിലീസുകൾ വെയ്റ്റുകൾക്കൊപ്പം ഡാറ്റാസെറ്റുകളും നൽകിക്കൊണ്ടിരിക്കുന്നതിന് കാരണം.

Llama-Nemotron — ഓഫാക്കാവുന്ന യുക്തിചിന്ത

2025-ലെ Llama-Nemotron കുടുംബം (LN-Nano 8B, LN-Super 49B, LN-Ultra 253B) നന്നായി നിലനിന്ന രണ്ട് ആശയങ്ങൾ സംഭാവന ചെയ്തു. ആദ്യത്തേത് ആർക്കിടെക്ചറൽ ആയിരുന്നു: NVIDIA-യുടെ Puzzle ന്യൂറൽ ആർക്കിടെക്ചർ സെർച്ച് ബ്ലോക്ക് അടിസ്ഥാനത്തിൽ ഡിസ്റ്റിൽ ചെയ്ത ട്രാൻസ്ഫോർമർ ബ്ലോക്കുകളുടെ ഒരു ലൈബ്രറി ഉണ്ടാക്കി മിക്സഡ്-ഇന്റിജർ പ്രോഗ്രാമിംഗ് ഉപയോഗിച്ച് അവയെ കൂട്ടിച്ചേർത്തു, അതിൽ ചില ബ്ലോക്കുകൾ അറ്റൻഷൻ പൂർണ്ണമായി ഒഴിവാക്കുകയോ ഒരൊറ്റ ലീനിയർ പാളി കൊണ്ട് പകരം വയ്ക്കുകയോ ചെയ്യുന്ന മോഡലുകൾ ഉണ്ടായി, ഒപ്പം FFN Fusion തുടർച്ചയായ ഫീഡ്-ഫോർവേഡ് ബ്ലോക്കുകളെ കുറവും വീതിയേറിയതും സമാന്തരവുമായവയിലേക്ക് ചുരുക്കി — പാരാമീറ്റർ എണ്ണമല്ല, ക്രമാനുഗത ആഴമാണ് കുറച്ചത്. LN-Ultra ഒരൊറ്റ 8×H100 നോഡിൽ ഒതുങ്ങി, ഒപ്പം NVIDIA-യുടെ പ്രബന്ധം അനുസരിച്ച് GPQA-Diamond-ൽ DeepSeek-R1-നെ (76.0% vs 71.5%) മറികടന്നു.

രണ്ടാമത്തേത് പെരുമാറ്റപരമായിരുന്നു: ഡൈനാമിക് യുക്തിചിന്താ ടോഗിളുള്ള ആദ്യ ഓപ്പൺ കുടുംബമായിരുന്നു Llama-Nemotron, സിസ്റ്റം നിർദ്ദേശത്തിൽ പരിശീലന ഡാറ്റയെ detailed thinking on അല്ലെങ്കിൽ detailed thinking off എന്ന് ടാഗ് ചെയ്തു, ഓൺ-മോഡിൽ <think> ടാഗുകൾ നിർബന്ധമാക്കുന്ന ഫോർമാറ്റ് റിവാർഡുകളോടെ. ഒരൊറ്റ കൂട്ടം വെയ്റ്റുകൾ, രണ്ട് പെരുമാറ്റങ്ങൾ, ഇൻഫറൻസ് സമയത്ത് തിരഞ്ഞെടുക്കാവുന്നത്. Nemotron 3-ന്റെ യുക്തിചിന്താ ബജറ്റ് നിയന്ത്രണവും — ഒപ്പം ഞങ്ങളുടെ API-യിലെ reasoning_effort പാരാമീറ്ററും — നേരിട്ട് ആ ജോലിയിൽ നിന്നാണ് വരുന്നത്.

Nemotron 3 — ഹൈബ്രിഡ് തിരിവ്

Nemotron 3 Llama-യിൽ നിന്നുള്ള ഉരുത്തിരിയലിന് പകരം പൂജ്യത്തിൽ നിന്ന് നിർമ്മിച്ച ഒരു ഹൈബ്രിഡ് ആർക്കിടെക്ചർ കൊണ്ടുവന്നു, ഒപ്പം LatentMoE (റൂട്ട് ചെയ്യുന്നതിന് മുമ്പ് ടോക്കണുകൾ കംപ്രസ് ചെയ്യുന്നു, ഇത് "അതേ ഇൻഫറൻസ് ചെലവിൽ 4 മടങ്ങ് എക്സ്പെർട്ടുകളെ" അനുവദിക്കുന്നുവെന്ന് NVIDIA പറയുന്നു), മൾട്ടി-ടോക്കൺ പ്രവചനം, നേറ്റീവ് NVFP4 പ്രീട്രെയിനിംഗ് എന്നിവ ചേർത്തു. വെയ്റ്റുകൾക്കൊപ്പം ആകെ 50 ദശലക്ഷം SFT സാമ്പിളുകളും 2 ദശലക്ഷം RL ജോലികളും 55 RL പരിതസ്ഥിതികളും NVIDIA പ്രസിദ്ധീകരിച്ചു — മോഡലിനെ എന്ത് പഠിപ്പിച്ചു എന്നതിന് ഒരു വെണ്ടറുടെ വാക്ക് വിശ്വസിക്കേണ്ടതില്ല, കാരണം പഠനസാമഗ്രി ഡൗൺലോഡ് ചെയ്യാവുന്നതാണ്.

03ഹൈബ്രിഡ് ആർക്കിടെക്ചർ നിങ്ങൾക്ക് എന്ത് നൽകുന്നു

ഒരു ട്രാൻസ്ഫോർമറിന്റെ KV കാഷ് സീക്വൻസ് നീളത്തിനനുസരിച്ച് രേഖീയമായി വളരുന്നു, അതുകൊണ്ടാണ് നീണ്ട സന്ദർഭ ഇൻഫറൻസ് കണക്കുകൂട്ടലിന് മുമ്പ് മെമ്മറിയിൽ ചെലവേറിയതാകുന്നത്. Mamba-2 പാളികൾ ഒരു നിശ്ചിത വലുപ്പമുള്ള ആവർത്തന അവസ്ഥ വഹിക്കുന്ന സ്റ്റേറ്റ്-സ്പേസ് മോഡലുകളാണ്, അതിനാൽ ടോക്കണിനുള്ള അവയുടെ മെമ്മറി ചെലവ് ചരിത്രത്തിനനുസരിച്ച് വളരുന്നില്ല; അവയ്ക്ക് മോശമായത് കൃത്യമായ അസോസിയേറ്റീവ് വീണ്ടെടുക്കലാണ്. സീക്വൻസ് പ്രോസസ്സിംഗിന്റെ ഭൂരിഭാഗത്തിനും Mamba-2 നിലനിർത്തുകയും, സ്റ്റേറ്റ്-സ്പേസ് പാളികൾ പതറുന്ന വീണ്ടെടുക്കലിന് ന്യൂനപക്ഷം യഥാർത്ഥ അറ്റൻഷൻ പാളികൾ വയ്ക്കുകയുമാണ് ഈ ഹൈബ്രിഡ് ചെയ്യുന്നത്, ഒപ്പം 64-ക്വറി-ഹെഡ് / 2-KV-ഹെഡ് എന്ന കടുത്ത അനുപാതം കാഷ് കൂടുതൽ ചുരുക്കുന്നു. 1M ടോക്കണിൽ RULER-ൽ 94.7% NVIDIA റിപ്പോർട്ട് ചെയ്യുന്നു — ഉപയോഗിക്കാനാവാത്ത ഒരു ജാലകം അവകാശപ്പെടുന്ന മോഡലുകളെ പിടികൂടാൻ നിർമ്മിച്ച ഒരു സൂചി-വീണ്ടെടുക്കൽ ബെഞ്ച്മാർക്ക്.

അതിന്റെ ഫലം ത്രൂപുട്ടാണ്: തുല്യമായ കൃത്യതയിൽ താരതമ്യപ്പെടുത്താവുന്ന മോഡലുകളെക്കാൾ ഏകദേശം 6× വരെ ഉയർന്ന ഇൻഫറൻസ് ത്രൂപുട്ട് NVIDIA അവകാശപ്പെടുന്നു, Artificial Analysis സ്വതന്ത്രമായി സെക്കൻഡിൽ 140.3 ടോക്കണുകൾ അളന്നു, ആദ്യ ടോക്കണിലേക്ക് 1.33 സെക്കൻഡ് സമയത്തോടെ — 89 മോഡലുകളിൽ ഏഴാമത്. 200 ടേൺ ഏജന്റ് ഓട്ടത്തിൽ അത് ഒരു ഉച്ചതിരിഞ്ഞ സമയത്തിനുള്ളിൽ തീരുന്നതും തീരാത്തതും തമ്മിലുള്ള വ്യത്യാസമാണ്.

04"3BIT-REAP" എന്നാൽ എന്ത്, സത്യസന്ധമായി

ഈ ഉപസർഗ്ഗം അലങ്കാരമല്ല — അടിത്തറ ഒതുങ്ങാൻ അതിനോട് കൃത്യമായി എന്ത് ചെയ്തു എന്ന് അത് പറയുന്നു.

REAP — Router-weighted Expert Activation Pruning — Cerebras Research-ൽ നിന്ന് വരുന്നു, ICLR 2026-ൽ സ്വീകരിക്കപ്പെട്ടു. ഒരു സ്പാഴ്സ് MoE-യിൽ റൂട്ടർ ഓരോ ടോക്കണും ചുരുക്കം എക്സ്പെർട്ടുകളിലേക്ക് അയയ്ക്കുന്നു; ഒരു യഥാർത്ഥ ജോലിഭാരത്തിൽ ചിലതിനെ നിരന്തരം വിളിക്കുന്നു, മറ്റുള്ളവയെ ഏതാണ്ട് ഒരിക്കലുമില്ല. റൂട്ടർ അതിനെ എത്ര ശക്തമായി ഗേറ്റ് ചെയ്യുന്നു എന്നതും അതിന്റെ ഔട്ട്പുട്ട് സംഭാവനകൾ എത്ര വലുതാണ് എന്നതും ചേർത്ത ഒരു സാലിയൻസി മാനദണ്ഡത്തിൽ REAP ഓരോ എക്സ്പെർട്ടിനെയും സ്കോർ ചെയ്യുന്നു, തുടർന്ന് ഏറ്റവും പ്രാധാന്യം കുറഞ്ഞവയെ പൂർണ്ണമായി നീക്കുന്നു — 1 ട്രില്യൺ പാരാമീറ്റർ വരെ വലിയ മോഡലുകളിൽ നിന്ന് 50% വരെ എക്സ്പെർട്ടുകളെ പ്രൂൺ ചെയ്യുമ്പോഴും അടിസ്ഥാന ഗുണനിലവാരം ഏറെക്കുറെ നിലനിർത്തുന്നതായി Cerebras റിപ്പോർട്ട് ചെയ്യുന്നു, കോഡ് പോലുള്ള ജനറേറ്റീവ് ജോലികൾക്ക് പ്രൂണിംഗ് ലയിപ്പിക്കലിനെ തോൽപ്പിക്കുന്നതായും കണ്ടെത്തുന്നു. തുടർന്ന് 3-ബിറ്റ് ക്വാണ്ടൈസേഷൻ അതിജീവിക്കുന്നതിനെ കംപ്രസ് ചെയ്യുന്നു. ആദ്യം പ്രൂൺ ചെയ്യുക, പിന്നെ ക്വാണ്ടൈസ് ചെയ്യുക, അങ്ങനെ ബിറ്റ് ബജറ്റ് നിർജ്ജീവമായവയിൽ പരത്തുന്നതിന് പകരം ട്രാഫിക് വഹിക്കുന്ന എക്സ്പെർട്ടുകളിലേക്ക് പോകുന്നു.

കംപ്രഷൻ സൗജന്യമല്ല, മറിച്ചാണെന്ന് ഞങ്ങൾ നടിക്കുകയുമില്ല: കടുത്ത ക്വാണ്ടൈസേഷൻ ആദ്യം പ്രത്യക്ഷപ്പെടുന്നത് കൃത്യമായ ഫോർമാറ്റ് പാലനത്തിലും നീണ്ട ചങ്ങല ഗണിതത്തിലുമുള്ള ചെറിയ ദുർബലപ്പെടലുകളായാണ്, ദൃശ്യമായ അസംബന്ധമായല്ല. മൂന്ന് തട്ടുകൾ എവിടെ നിൽക്കുന്നു:

ഉപസർഗ്ഗം	അത് എന്താണ്	ഞങ്ങൾ അത് എവിടെ ഉപയോഗിക്കുന്നു
3BIT-REAP	3-ബിറ്റ് വെയ്റ്റുകൾ + എക്സ്പെർട്ട് പ്രൂണിംഗ്	ഏറ്റവും വലിയ അടിത്തറകൾ, അവിടെ വേഗതയിൽ വേറൊന്നും ഒതുങ്ങില്ല
W4A16-AUTOROUND-REAP	4-ബിറ്റ് വെയ്റ്റുകൾ / 16-ബിറ്റ് ആക്ടിവേഷനുകൾ, AutoRound പഠിച്ച റൗണ്ടിംഗ്, + പ്രൂണിംഗ്	ഇടത്തരം അടിത്തറകൾ; നിഷ്കളങ്കമായ അടുത്ത സംഖ്യയിലേക്കുള്ള റൗണ്ടിംഗിനെക്കാൾ AutoRound കൃത്യത വീണ്ടെടുക്കുന്നു
W8A16	8-ബിറ്റ് വെയ്റ്റുകൾ / 16-ബിറ്റ് ആക്ടിവേഷനുകൾ	ഏറ്റവും ഉയർന്ന വിശ്വസ്തത; കടുത്ത കംപ്രഷൻ ആവശ്യമില്ലാത്തത്ര ചെറിയ അടിത്തറകൾ

550B-ലുള്ള Nemotron 3 Ultra വ്യക്തമായി ആദ്യ വിഭാഗത്തിലാണ്. നീണ്ട ചങ്ങലകളിലുടനീളം കൃത്യമായ സംഖ്യാ ഔട്ട്പുട്ടിനോട് നിങ്ങളുടെ ജോലിഭാരം അസാധാരണമായി സംവേദനക്ഷമമാണെങ്കിൽ, ഗവേഷണ സൂചിക W8A16 തട്ട് പട്ടികപ്പെടുത്തുന്നു — MiMo-V2.5-Pro-W8A16, Hy3-W8A16 — $0.50/$2.00 തറനിരക്കിൽ. ഒരു യഥാർത്ഥ വിട്ടുവീഴ്ച, ഒരു ഫണലല്ല: ചെറിയ മോഡൽ, കുറഞ്ഞ കംപ്രഷൻ.

05ഈ എൻഡ്‌പോയിന്റിൽ "സെൻസർ ചെയ്യാത്തത്" എന്നാൽ എന്ത്

കൃത്യമായി പറഞ്ഞാൽ: ഒരു നിരസന പാളിയുമില്ല, ഔട്ട്പുട്ടിൽ ഉള്ളടക്ക ഫിൽട്ടറിംഗ് പ്രയോഗിക്കുന്നുമില്ല. നിങ്ങളുടെ പ്രോംപ്റ്റ് പരിശോധിച്ച് തയ്യാറാക്കിവച്ച ഒരു നിഷേധം തിരികെ നൽകുന്ന ക്ലാസിഫയറില്ല, നിങ്ങളുടെ സ്ട്രീമിൽ എത്തുന്നതിന് മുമ്പ് പ്രതികരണം സ്കാൻ ചെയ്യപ്പെടുന്നുമില്ല. നിങ്ങൾക്ക് കിട്ടുന്നത് മോഡലിന്റെ സ്വന്തം പെരുമാറ്റമാണ്.

തുറന്ന പരമ്പര വെറും കൗതുകവിവരം അല്ലാതാകുന്നത് ഇവിടെയാണ്. NVIDIA പോസ്റ്റ്-ട്രെയിനിംഗ് ഡാറ്റയും RL പരിതസ്ഥിതികളും പ്രസിദ്ധീകരിച്ചതുകൊണ്ട്, മോഡലിന്റെ പ്രവണതകൾ നാടോടിക്കഥയല്ല, തത്വത്തിൽ ഓഡിറ്റ് ചെയ്യാവുന്നതാണ്. ആർക്കിടെക്ചർ, പാരാമീറ്ററുകൾ, ഡോക്യുമെന്റേഷൻ, സോഫ്റ്റ്‌വെയർ എന്നിവ ഉൾക്കൊള്ളുന്ന ഉദാരമായ ഒരു Linux Foundation ലൈസൻസാണ് OpenMDW-1.1 എന്നതുകൊണ്ട്, ലൈസൻസ് ഒരു തടസ്സമാകാതെ ഒരു സ്വതന്ത്ര നടത്തിപ്പുകാരന് സ്വന്തം ഹാർഡ്‌വെയറിൽ ഒരു പരിഷ്കരിച്ച, ഫിൽട്ടർ ചെയ്യാത്ത വിന്യാസം നൽകാൻ കഴിയും. പല "ഓപ്പൺ" മോഡൽ ലൈസൻസുകളും അത് അനുവദിക്കുന്നില്ല. ഇത് അനുവദിക്കുന്നു. പ്രതിഫലനപരമായ നിരസനം ഒരു സുരക്ഷാ സവിശേഷതയല്ല, ഒരു ബഗ് ആകുന്നിടത്ത് ആ വ്യത്യാസം പ്രത്യക്ഷപ്പെടുന്നു:

• സുരക്ഷാ ഗവേഷണം — ദുർബലതാ വിശകലനം, എക്സ്പ്ലോയിറ്റ് ന്യായവാദം, മാൽവെയർ പെരുമാറ്റം, റെഡ്-ടീം ഉപകരണങ്ങൾ, ചോദ്യം അനുവദനീയമാണോ എന്ന് തർക്കിക്കാതെ.
• രസതന്ത്രം, ജീവശാസ്ത്രം, ഔഷധശാസ്ത്രം — അളവ് കണക്കുകൂട്ടലുകൾ, പ്രതിപ്രവർത്തന സംവിധാനങ്ങൾ, വിഷശാസ്ത്രം, ഒരു കീവേഡ് കണ്ടാൽ ഫിൽട്ടർ ചെയ്ത ഒരു എൻഡ്‌പോയിന്റ് നിരസിക്കുന്ന സംശ്ലേഷണ വഴികൾ.
• ശത്രുതാപരമായ ML — യഥാർത്ഥ വസ്തു കണ്ടിരിക്കേണ്ട ക്ലാസിഫയറുകൾക്കുള്ള ഹാർഡ് നെഗറ്റീവുകൾ, ജെയിൽബ്രേക്ക് കോർപ്പസുകൾ, ദുരുപയോഗ വർഗ്ഗീകരണങ്ങൾ.
• ക്ലിനിക്കൽ, നിയമ, ഫോറൻസിക് ടെക്സ്റ്റ് — സ്വഭാവത്താൽ തന്നെ വിശദവും രൂക്ഷവുമായ, കൃത്യമായി ആ കാരണത്താൽ നിരസിക്കപ്പെടുന്ന കേസ് സാമഗ്രികൾ.

സെൻസർ ചെയ്യാത്തത് എന്നാൽ ഉത്തരവാദിത്തമില്ലാത്തത് എന്നല്ല. നിങ്ങൾ ഉണ്ടാക്കുന്നത് നിങ്ങളുടേതാണ്, ഞങ്ങളുടെ ഉത്തരവാദിത്ത ഉപയോഗ നയവും സേവന നിബന്ധനകളുമാണ് അക്കൗണ്ടിനെ ഭരിക്കുന്നത്. ഒരു നിരസന പാളി നീക്കുന്നത് ഉദ്ദേശ്യത്തെക്കുറിച്ചുള്ള ഒരു ഊഹം നീക്കുന്നു; നിങ്ങൾക്ക് ബാധകമായ നിയമപ്രകാരമുള്ള നിങ്ങളുടെ ബാധ്യതകൾ അത് നീക്കുന്നില്ല.

06STEM-ഉം യുക്തിചിന്തയും: പ്രസിദ്ധീകരിച്ച സംഖ്യകൾ പറയുന്നത്

Llama-Nemotron പോസ്റ്റ്-ട്രെയിനിംഗ് ഡാറ്റാസെറ്റ് കൃത്യമായി ആ നാല് അക്ഷങ്ങളെ ചുറ്റിപ്പറ്റി നിർമ്മിച്ചതു മുതൽ Nemotron-ന്റെ പരിശീലന ശ്രദ്ധ ഗണിതം, കോഡ്, ശാസ്ത്രം, നിർദ്ദേശം പിന്തുടരൽ എന്നിവയായിരുന്നു. Nemotron 3 Ultra അടിത്തറയ്ക്കായി NVIDIA റിപ്പോർട്ട് ചെയ്യുന്നത് — കംപ്രസ് ചെയ്യാത്ത മോഡലിലെ വെണ്ടർ റിപ്പോർട്ട് ചെയ്ത കണക്കുകൾ, ഞങ്ങൾ പ്രവർത്തിപ്പിച്ചവയല്ല:

സംഖ്യകളെക്കാൾ വിലയുള്ള രണ്ട് മുന്നറിയിപ്പുകൾ. SWE-Bench Verified കണക്ക് ഒരു പരിധിയാണ് — ഏത് ഏജന്റ് ഹാർനെസ് അത് പ്രവർത്തിപ്പിക്കുന്നു എന്നതിനനുസരിച്ച് (Pi, OpenHands, Hermes, OpenCode, Mini SWE Agent) 65.0% മുതൽ 70.4% വരെ NVIDIA റിപ്പോർട്ട് ചെയ്യുന്നു, സ്കാഫോൾഡിംഗ് കൊണ്ട് മാത്രമുള്ള അഞ്ച് പോയിന്റ് വ്യാപ്തി ഏജന്റിക് സ്കോറുകൾ മോഡലിനെക്കാൾ ഹാർനെസിനെ എത്രമാത്രം ആശ്രയിക്കുന്നുവെന്ന് കാണിക്കുന്നു. ഒപ്പം Artificial Analysis Nemotron 3 Ultra-യെ അതിന്റെ Intelligence Index-ൽ 48-ൽ, 89 മോഡലുകളിൽ ഒമ്പതാമതായി നിർത്തി — കരുത്തുറ്റത്, മേഖലയുടെ മുകളിലല്ല, ഏതൊരു വെണ്ടറുടെ സ്ലൈഡിനെക്കാളും അവരുടെ സ്വതന്ത്ര അളവിനാണ് ഞങ്ങൾ ഭാരം നൽകുക.

മുൻ തലമുറയിൽ, NVIDIA-യുടെ Llama-Nemotron പ്രബന്ധം LN-Ultra-യെ GPQA-Diamond-ൽ 76.0% ആയി റിപ്പോർട്ട് ചെയ്യുന്നു, DeepSeek-R1-ന്റെ 71.5%-നും Llama-3.1-405B-Instruct-ന്റെ 43.4%-നും എതിരെ, ഒപ്പം AIME 2024-ൽ 80.8%-ഉം — വ്യത്യസ്തമായ ഒരു മോഡൽ, ബിരുദാനന്തര തലത്തിലുള്ള ശാസ്ത്രവും മത്സര ഗണിതവും രണ്ട് തലമുറകളായി ഈ കുടുംബത്തിന്റെ ലക്ഷ്യമായിരുന്നതിനാൽ ഉൾപ്പെടുത്തിയത്.

ബെഞ്ച്മാർക്ക് കണക്കുകൾ കംപ്രസ് ചെയ്യാത്ത Nemotron 3 Ultra-യിൽ NVIDIA പ്രസിദ്ധീകരിച്ചത് (2026 ജൂൺ), സ്വതന്ത്ര അളവുകൾക്ക് Artificial Analysis. കംപ്രസ് ചെയ്ത ബിൽഡുകൾ വ്യത്യാസപ്പെടാം. ഞങ്ങൾ പരിശോധിക്കാത്തതോ ആരോപിക്കാനാവാത്തതോ ആയ ബെഞ്ച്മാർക്ക് സംഖ്യകൾ ഞങ്ങൾ പ്രസിദ്ധീകരിക്കുന്നില്ല.

07വിലയും വാചാലതയെക്കുറിച്ചുള്ള മുന്നറിയിപ്പും

ദശലക്ഷം ഇൻപുട്ട് ടോക്കണിന് $0.75-ഉം ദശലക്ഷം ഔട്ട്പുട്ട് ടോക്കണിന് $3.30-ഉം എന്ന നിലയിൽ, ഇൻപുട്ടിൽ ഞങ്ങളുടെ കാറ്റലോഗിന്റെ താഴത്തെ മൂന്നിലൊന്നിലും ഔട്ട്പുട്ടിൽ മധ്യത്തിലുമാണ് Nemotron3Ultra നിൽക്കുന്നത്. ദശലക്ഷത്തിന്റെ വില അനുഭവിക്കാൻ പ്രയാസമായതിനാൽ, പ്രവർത്തിപ്പിച്ച ഉദാഹരണങ്ങൾ:

കോൾ രൂപം	ഇൻപുട്ട്	ഔട്ട്പുട്ട്	ചെലവ്
സാധാരണ RAG ടേൺ	50,000	4,000	$0.051
നീണ്ട രേഖാ വിശകലനം	150,000	8,000	$0.139
പരമാവധി വലുപ്പമുള്ള കോൾ	262,144	16,384	$0.251

പൂർണ്ണ സന്ദർഭവും പൂർണ്ണ ഔട്ട്പുട്ടുമുള്ള ഒരു അഭ്യർത്ഥന — എൻഡ്‌പോയിന്റ് സ്വീകരിക്കുന്ന എല്ലാ ടോക്കണും അത് ഉണ്ടാക്കുന്ന എല്ലാ ടോക്കണും — ഏകദേശം 25 സെന്റ് ചെലവാകും. അതേ രൂപം ഞങ്ങളുടെ ഏറ്റവും ചെലവേറിയ മോഡലായ Kimi-K3-3BIT-REAP-ൽ ($3.83/$19.12) ഏകദേശം $1.32, അതായത് 5.3× കൂടുതൽ.

ഇനി മുന്നറിയിപ്പ്, അത് യഥാർത്ഥമാണ്. അവരുടെ ബെഞ്ച്മാർക്ക് കൂട്ടത്തിലുടനീളം Nemotron 3 Ultra ശരാശരി സമാന മോഡലിനെക്കാൾ 2.3× കൂടുതൽ ഔട്ട്പുട്ട് ടോക്കണുകൾ ഉണ്ടാക്കുന്നതായി Artificial Analysis അളന്നു. യുക്തിചിന്താ മോഡലുകൾ ചിന്തയ്ക്കും നിങ്ങളെ ബിൽ ചെയ്യുന്നു, ഇത് നീണ്ടുനിന്ന് ചിന്തിക്കുന്നു; അതേ ഉത്തരത്തിൽ എത്താൻ മോഡൽ മൂന്നിരട്ടി നേരം ചിന്തിക്കുന്നുവെങ്കിൽ ടോക്കണിന്റെ വിലയിലെ മുൻതൂക്കം ഒരു ജോലിക്കുള്ള പോരായ്മയായി ബാഷ്പീകരിക്കപ്പെടും. പരിഹാരം അതിൽ തന്നെ നിർമ്മിച്ചിട്ടുണ്ട്, ഞങ്ങളുടെ API-യിൽ തുറന്നുനൽകിയിട്ടുമുണ്ട്: യുക്തിചിന്താ ബജറ്റ് നിയന്ത്രണത്തിനാണ് Nemotron 3 പോസ്റ്റ്-ട്രെയിൻ ചെയ്തത്, ഇവിടെ reasoning_effort പിന്തുണയ്ക്കുന്നു — ഒറ്റയക്ക കൃത്യതാ വിട്ടുവീഴ്ചയ്ക്ക് ഗണ്യമായി കുറച്ച് ചിന്താ ടോക്കണുകൾ ഉപയോഗിക്കുന്ന ഒരു കുറഞ്ഞ പരിശ്രമ മോഡിനെ NVIDIA വിവരിക്കുന്നു. വർഗ്ഗീകരണം, എക്സ്ട്രാക്ഷൻ, റൂട്ടിംഗ് എന്നിവയിൽ അത് താഴ്ത്തുക, സാമ്പത്തികശാസ്ത്രം ഗണ്യമായി മാറും; ഒരു തെളിവിലോ ബഹുഫയൽ റീഫാക്ടറിലോ അത് ഉയർത്തി ബോധപൂർവം പണം നൽകുക. വിലപ്പട്ടിക വായിച്ച് ഊഹിക്കുന്നതിന് പകരം നിങ്ങളുടെ സ്വന്തം ജോലിക്കുള്ള ടോക്കണുകൾ അളക്കുക.

08അത് വിളിക്കൽ: മൂന്ന് ഭാഷാഭേദങ്ങൾ, ഒരു മോഡൽ

ഗേറ്റ്‌വേയിലെ എല്ലാ മോഡലും മൂന്ന് സ്ട്രീമിംഗ് API പ്രതലങ്ങളിൽ ഉത്തരം നൽകുന്നു, അതിനാൽ നിങ്ങളുടെ സംയോജനം മാറ്റിയെഴുതാതെ നിലവിലുള്ള ഒരു ക്ലയന്റിനെ അതിലേക്ക് ചൂണ്ടാം: /v1/chat/completions (OpenAI ഭാഷാഭേദം), /v1/messages (Anthropic ഭാഷാഭേദം), /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."}
    ]
  }'

സംയോജന സമയത്ത് ഒന്നും നിങ്ങളെ അമ്പരപ്പിക്കാതിരിക്കാൻ, ശേഷികളുടെ ചുരുക്കം:

ശേഷി	Nemotron3Ultra · 3BIT-REAP
സന്ദർഭ ജാലകം	262,144 ടോക്കൺ
ഒരു അഭ്യർത്ഥനയ്ക്ക് പരമാവധി ഔട്ട്പുട്ട്	16,384 ടോക്കൺ
സ്ട്രീമിംഗ്	ഉവ്വ്
ടൂൾ കോളിംഗ്	ഉവ്വ്
യുക്തിചിന്താ അടയാളങ്ങൾ	ഉവ്വ്
reasoning_effort	ഉവ്വ്
json_schema (കർശനം)	ഉവ്വ്
response_format	ഉവ്വ്
വിഷൻ / ഇമേജ് ഇൻപുട്ട്	ഇല്ല — ടെക്സ്റ്റ് മാത്രം
നിരസന പാളി	ഇല്ല

വിഷൻ വരി ആളുകളെ കുടുക്കാറുണ്ട്: Nemotron3Ultra ടെക്സ്റ്റ് മാത്രമാണ്. നിങ്ങളുടെ പൈപ്പ്‌ലൈൻ ഇമേജുകൾ അയയ്ക്കുന്നുവെങ്കിൽ, $0.50/$2.00-ന് MiniMax-M3-3BIT-REAP അല്ലെങ്കിൽ MiMo-V2.5-W8A16, അല്ലെങ്കിൽ $0.78/$3.67-ന് Kimi-K2.6-W4A16-AUTOROUND-REAP ഉപയോഗിക്കുക — എല്ലാം വിഷൻ ശേഷിയുള്ളവ, എല്ലാം സെൻസർ ചെയ്യാത്തവ, എല്ലാം അതേ 262,144 ടോക്കൺ സന്ദർഭത്തിൽ. പൂർണ്ണ പാരാമീറ്റർ റഫറൻസ് API ഡോക്യുമെന്റേഷനിൽ ഉണ്ട്.

09പന്ത്രണ്ടിനിടയിൽ Nemotron3Ultra എവിടെ ചേരുന്നു

ഒരേ സന്ദർഭ ജാലകവും അതേ മൂന്ന് ഭാഷാഭേദങ്ങളും നിരസന പാളിയുടെ അതേ അഭാവവും പങ്കിടുന്ന പന്ത്രണ്ട് സെൻസർ ചെയ്യാത്ത മോഡലുകളാണ് കാറ്റലോഗ്; അടിത്തറ, വില, ശേഷി എന്നിവയിലാണ് അവ വ്യത്യാസപ്പെടുന്നത്. Nemotron-ന്റെ സ്ഥാനം പ്രത്യേകമാണ്: തുറന്ന പരമ്പരയുള്ള യുക്തിചിന്താ പണിയാള — ഏറ്റവും വിലകുറഞ്ഞതല്ല, ഏറ്റവും ശേഷിയുള്ളതുമല്ല, പക്ഷേ അതിന്റെ പെരുമാറ്റത്തിന് പിന്നിൽ ഏറ്റവും കൂടുതൽ പരസ്യമായ രേഖാമൂലമുള്ള പാതയുള്ളത്, STEM-ലേക്കും ഏജന്റുകളിലേക്കും ഏറ്റവും ശക്തമായി ട്യൂൺ ചെയ്തത്.

മോഡൽ	ഇൻ / 1M	ഔട്ട് / 1M	വിഷൻ	ഇതിനായി തിരഞ്ഞെടുക്കുക
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	ഉവ്വ്	ഏറ്റവും വിലകുറഞ്ഞ വിഷൻ ശേഷിയുള്ള ഓപ്ഷൻ
MiMo-V2.5-Pro · W8A16	$0.50	$2.00	ഇല്ല	ഏറ്റവും ഉയർന്ന വിശ്വസ്തതയുള്ള ക്വാണ്ടൈസേഷൻ തട്ട്
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	ഇല്ല	ഏറ്റവും വിലകുറഞ്ഞ വലിയ അടിത്തറ യുക്തിചിന്ത
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	ഇല്ല	STEM, ഏജന്റുകൾ, തുറന്ന പരമ്പര
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	ഉവ്വ്	വിഷൻ + AutoRound വിശ്വസ്തത
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	ഇല്ല	ആഴമുള്ള ഒറ്റ-ഷോട്ട് വിശകലനം
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	ഉവ്വ്	കേവല ശേഷി പരിധി

പന്ത്രണ്ടിൽ ഏഴെണ്ണം കാണിച്ചിരിക്കുന്നു. പൂർണ്ണ കാറ്റലോഗ് — Laguna-S-2.1, inkling, DeepSeek-V4-Flash, MiMo-V2.5, Hy3 എന്നിവ ഉൾപ്പെടെ — API ഡോക്സിൽ ഉണ്ട്. Laguna-S-2.1 ഘടനാപരമായ ഔട്ട്പുട്ട് പിന്തുണയ്ക്കുന്നില്ലെന്നും inkling json_schema പിന്തുണയ്ക്കുന്നില്ലെന്നും ശ്രദ്ധിക്കുക; Nemotron3Ultra രണ്ടും പിന്തുണയ്ക്കുന്നു.

വില അനുസരിച്ച് ഏറ്റവും അടുത്ത അയൽക്കാരൻ $0.73/$2.34-ലുള്ള GLM-5.2-3BIT-REAP ആണ്, സത്യസന്ധമായ താരതമ്യം ഇതാണ്: ടോക്കണിന് GLM-5.2 വിലകുറഞ്ഞതാണ്, പ്രത്യേകിച്ച് ഔട്ട്പുട്ടിൽ. Nemotron കൊണ്ടുവരുന്നത് പ്രസിദ്ധീകരിച്ച ഒരു പരിശീലന കോർപ്പസ്, വ്യക്തമായ ഒരു യുക്തിചിന്താ-ബജറ്റ് ഡയൽ, ബിരുദാനന്തര തലത്തിലുള്ള ശാസ്ത്രം ലക്ഷ്യമിട്ട ഒരു കുടുംബ ചരിത്രം എന്നിവയാണ്. ഉയർന്ന അളവിലുള്ള പൊതു യുക്തിചിന്ത: വിലകുറഞ്ഞത് പ്രവർത്തിപ്പിക്കുക. STEM-ഭാരമുള്ളത്, ഏജന്റിക്, അല്ലെങ്കിൽ മോഡലിന്റെ പെരുമാറ്റം എവിടെ നിന്ന് വന്നു എന്ന് ചോദിക്കുന്ന ഒരു ഓഡിറ്റിന് വിധേയമായത്: Nemotron ആ വ്യത്യാസം അർഹിക്കുന്നു.

10പതിവ് ചോദ്യങ്ങൾ

---

സ്രോതസ്സുകൾ: NVIDIA Nemotron 3 Ultra സാങ്കേതിക റിപ്പോർട്ട് · NVIDIA ഡെവലപ്പർ ബ്ലോഗ് (2026 ജൂൺ) · Nemotron 3 Super ആർക്കിടെക്ചർ കുറിപ്പുകൾ · Llama-Nemotron: Efficient Reasoning Models · Cerebras Research, REAP. Artificial Analysis-ന് ആരോപിക്കാത്തിടത്തോളം അടിത്തറ ബെഞ്ച്മാർക്കുകൾ കംപ്രസ് ചെയ്യാത്ത മോഡലിൽ NVIDIA റിപ്പോർട്ട് ചെയ്തതാണ്; കംപ്രസ് ചെയ്ത ബിൽഡുകൾ വ്യത്യാസപ്പെടാം. വിലകളും ശേഷികളും 2026 സെപ്റ്റംബർ 5 വരെ നിലവിലുള്ളതാണ്.