Цензургүй Nemotron API
NVIDIA-н судалгааны угсаа, нээлттэй нийтэлсэн, татгалзах давхаргагүйгээр үйлчилдэг: STEM ба урт хугацааны сэтгэлгээнд тохируулсан 550Б hybrid Mamba-Attention MoE — 1 сая токен тутамд $0.75 оролт / $3.30 гаралт-аар.
Товчхондоо
Nemotron3Ultra-3BIT-REAP бол NVIDIA Nemotron 3 Ultra-гийн Shannon-ий цензургүй байршуулалт юм — токен тутамд 55Б идэвхтэй бүхий 550 тэрбум параметрийн холимог мэргэжилтнүүдийн загвар бөгөөд 2026 оны 6 сарын 4-нд жин, сургалтын өгөгдөл, аргачлалын хамт Linux Foundation-ийн зөвшөөрөлт OpenMDW-1.1 лицензийн дор гарсан. Бидний өөрсдийн GPU кластер дээр татгалзах давхаргагүй, гаралтын шүүлтгүйгээр, 262,144 токены контекст, хүсэлт тутамд дээд тал нь 16,384 гаралтын токен, хэрэгсэл дуудах, стриминг, сэтгэлгээний мөр, мөн хатуу json_schema гаралттайгаар ажилладаг. Зураг хүлээж авдаггүй. Үнэ: 1 сая токен тутамд $0.75 / $3.30.
Ихэнх "нээлттэй" загвар нээлттэй жин ба өөр юу ч биш байдаг — параметрийн архив, лиценз, тоо хаанаас гарсан талаар чимээгүй байдал. Nemotron хоёр жилийн турш тогтвортой ялгаа байсаар ирсэн: NVIDIA жин, сургалтын дараах өгөгдлийн сан, RL орчнууд, аргачлалыг хамтад нь гаргадаг. Энэ нь цензургүй endpoint-д ойлгоход амархан алгасах чухал байдлаар нөлөөлдөг. Зохицуулалтын өгөгдлөө нийтэлсэн загвар бол таны татгалзах зан үйлийн талаар таамаглах биш, учирлаж болдог загвар — мөн гуравдагч тал амаараа наасан контентын шүүлтгүйгээр хуулийн дагуу байршуулж болох загвар.
01Nemotron 3 Ultra гэж юу вэ?
Nemotron 3 Ultra бол NVIDIA-н Nemotron 3 гэр бүлийн хамгийн том гишүүн бөгөөд Hugging Face дээр 2026 оны 6 сарын 4-нд гарсан. NVIDIA-н техникийн тайлан үүнийг "550 тэрбум нийт ба 55 тэрбум идэвхтэй параметртэй холимог мэргэжилтнүүдийн Hybrid Mamba-Attention хэлний загвар" гэж тодорхойлсон — ямар ч токен дээр сүлжээний ойролцоогоор 10% нь ажилладаг бөгөөд яг энэ нь хагас триллион параметртэй загварыг ерөөс үйлчилгээнд гаргаж болохуйц болгодог.
Мэдээлсэн бүтэц нь загварын хэмжээс 8,192 дээрх 108 давхарга бөгөөд Mamba-2 төлөвийн орон зайн давхаргууд-ыг сийрэг цуглуулга бүрэн анхаарлын давхаргатай ээлжлүүлдэг, MoE давхарга тутамд top-22 чиглүүлэлттэй 512 мэргэжилтэн. Урьдчилан сургалт нь 2025 оны 9 сарын хязгаартай, 12 байгалийн хэл, 43 програмчлалын хэлээр хоёр үе шатанд — олон талт-ыг тэргүүлсэн, дараа нь чанарыг тэргүүлсэн — ойролцоогоор 20 триллион текст токен дээр явагдсан. Дараах сургалт SFT, батлагдах шаттай олон-орчинт RL, мөн арваас дээш мэргэшсэн багш нарын хамт Multi-Teacher On-Policy Distillation ашигласан. Тодорхойлсон дизайны зорилго бол урт хугацаагаар ажилладаг агент: том контекст барьдаг, олон арван удаа хэрэгсэл дуудсан, мөн токен тутмын эдийн засаг данс дээр давамгайлахаар хангалттай удаан ажилладаг сесс.
02Nemotron угсаа, мөн угсаа яагаад чухал вэ
Nemotron нэг удаагийн зүйл биш. Энэ бол 2024 оноос хойш ижил чиглэлд явж буй NVIDIA-н судалгааны хөтөлбөрийн харагдах гаралт бөгөөд үе үе бүр одоогийн загварт үлдсэн зүйл орхисон. Nemotron-4 340B (2024 оны 6 сар) нээлттэй синтетик өгөгдөл үүсгэх дамжуулга, шагналын загвар, генератор, дээр нь ер бусын нээлт хамт гарсан: түүний зохицуулалтын өгөгдлийн дийлэнх нь загвар-үүсгэсэн байсан. Загвар нь бошиглогч биш, өгөгдлийн үйлдвэр байх нь дараа дараагийн Nemotron хувилбарууд жингийн хамт өгөгдлийн санг гаргасаар байгаагийн шалтгаан юм.
Llama-Nemotron — унтраагаад болдог сэтгэлгээ
2025 оны Llama-Nemotron гэр бүл (LN-Nano 8B, LN-Super 49B, LN-Ultra 253B) сайн хуучирсан хоёр санааг хувь нэмэр болгосон. Эхнийх нь архитектурын: NVIDIA-н Puzzle нейрон архитектур хайлт блок тус бүрээр дистилляц хийсэн трансформерийн блокуудын сан бүтээж, тэдгээрийг холимог бүхэл тоон программчлалаар угсарсан бөгөөд зарим блок анхаарлыг бүрэн алгасаж, эсвэл нэг шугаман давхаргаар сольж, харин FFN Fusion дараалсан feed-forward блокуудыг цөөн, өргөн, зэрэгцээ блокууд руу нурааж — параметрийн тоо биш дараалсан гүнийг таслаж — бий болгосон загваруудыг гаргасан. LN-Ultra ганц 8×H100 зангилаа дээр багтдаг байхдаа NVIDIA-н өгүүллийн дагуу DeepSeek-R1-ийг GPQA-Diamond дээр (76.0% vs 71.5%) давсан.
Хоёр дахь нь зан үйлийн: Llama-Nemotron бол динамик сэтгэлгээний унтраалгатай анхны нээлттэй гэр бүл байсан бөгөөд системийн зааварт сургалтын өгөгдлийг detailed thinking on эсвэл detailed thinking off гэж тэмдэглэж, on-горимд <think> шошгыг форматын шагналаар албаддаг байв. Нэг цуглуулга жин, хоёр зан үйл, инференсийн үед сонгож болно. Nemotron 3-ын сэтгэлгээний төсвийн удирдлага — мөн манай API дээрх reasoning_effort параметр — яг тэр ажлаас шууд гаралтай.
Nemotron 3 — hybrid эргэлт
Nemotron 3 Llama дериватив архитектурыг эхнээс бүтээсэн hybrid архитектураар сольж, LatentMoE (чиглүүлэхээс өмнө токеныг шахах бөгөөд NVIDIA-н хэлснээр энэ нь "ижил инференсийн зардлаар 4 дахин олон мэргэжилтэн" боломжийг олгодог), multi-token prediction, мөн төрөлх NVFP4 урьдчилан сургалтыг нэмсэн. NVIDIA жингийн хамт нийтдээ 50 сая SFT жишээ, 2 сая RL даалгавар, 55 RL орчин нийтэлсэн — загварыг юунд сургасныг ханган нийлүүлэгчийн үгэнд итгэх шаардлагагүй, учир нь сургалтын материал татаж авах боломжтой.
03Hybrid архитектур танд юу өгдөг вэ
Трансформерийн KV кэш дараалалын урттай хамт шугаман өсдөг бөгөөд яг энэ шалтгаанаар урт-контекстийн инференс тооцооллоос өмнө санах ойд үнэтэй болдог. Mamba-2 давхаргууд нь тогтмол хэмжээтэй давтагдах төлөвийг агуулдаг төлөвийн орон зайн загварууд тул тэдгээрийн токен тутмын санах ойн зардал түүхтэй хамт өсдөггүй; тэдний сул тал бол нарийвчлалтай ассоциатив санах ой юм. Hybrid нь дараалал боловсруулалтын ихэнх хувийг Mamba-2-т, төлөвийн орон зайн давхаргуудын сул дардаг санах ойд цөөнхи бодит анхаарлын давхаргыг үлдээж, хатуу 64-query-head / 2-KV-head харьцаагаар кэшийг цаашид багасгадаг. NVIDIA 1M токен дээр RULER-ийн 94.7% гэж мэдээлсэн — энэ нь ашиглаж чадахгүй цонхоо мэдэгддэг загваруудыг олж илрүүлэхээр бүтээгдсэн зүү-хайх жишиг тест.
Үр дагавар нь дамжуулах хурд: NVIDIA харьцуулах загваруудаас ойролцоогоор 6 дахин өндөр инференсийн дамжуулах хурдтай, ижил нарийвчлалтай гэж мэдэгдсэн бөгөөд Artificial Analysis бие даан секундэд 140.3 токен, эхний токен хүртэлх 1.33 секунд гэж хэмжсэн — 89 загварын дундаас 7-р байрт. 200 эргэлттэй агентийн гүйлгээнд энэ нь нэг үдэшлэгт дуусах ба дуусахгүй байхын ялгаа юм.
04«3BIT-REAP» шударгаар хэлбэл юу гэсэн үг вэ
Дагавар нь чимэглэл биш — суурь загварыг багтаахын тулд яг юу хийснийг танд хэлдэг.
REAP — Router-weighted Expert Activation Pruning — Cerebras Research-ийн боловсруулж, ICLR 2026-д хүлээн авагдсан. Сийрэг MoE-д чиглүүлэгч токен бүрийг цөөн тооны мэргэжилтэн рүү илгээдэг; бодит ажлын ачаалалд зарим нь байнга, зарим нь бараг хэзээ ч хамрагддаггүй. REAP чиглүүлэгч түүнийг хэр хүчтэй нээдэг ба гаралтын хувь нэмэр нь хэр том хоёрыг хослуулсан ач холбогдлын шалгуураар мэргэжилтэн бүрийг дүгнэж, дараа нь хамгийн бага ач холбогдолтойг нь шууд арилгадаг — Cerebras 1 триллион хүртэлх параметртэй том загваруудаас мэргэжилтний 50% хүртэлийг хасахдаа суурь чанараа ихэнхдээ хадгалдаг гэж мэдээлсэн бөгөөд код мэтийн генератив ажлын хувьд хасалт нэгтгэхийг давдаг болохыг олж мэдсэн. Дараа нь 3 бит квантчилал амьд үлдсэн зүйлийг шахдаг. Эхлээд хасах, дараа нь квантчилах тул битийн төсөв үхсэн мэргэжилтнүүд дээр түрхэгдэхийн оронд урсгал дамжуулдаг мэргэжилтнүүд рүү явдаг.
Шахалт үнэгүй биш бөгөөд бид үүнийг нуухгүй: хатуу квантчилал анх харагдахуйц уялдаагүй байдал биш, яг форматын нийцэл ба урт гинжин арифметикийн бага доройтол хэлбэрээр илэрдэг. Гурван түвшин хаана байрладаг вэ:
| Дагавар | Энэ нь юу вэ | Бид үүнийг хаана хэрэглэдэг вэ |
|---|---|---|
| 3BIT-REAP | 3 бит жин + мэргэжилтэн хасалт | Хурдаар өөр юу ч багтахгүй хамгийн том суурь загварууд |
| W4A16-AUTOROUND-REAP | 4 бит жин / 16 бит идэвхжүүлэлт, AutoRound сурсан бутархайлал, + хасалт | Дунд оврын суурь загварууд; AutoRound энгийн ойролцоогоор бутархайлахаас илүү нарийвчлал сэргээдэг |
| W8A16 | 8 бит жин / 16 бит идэвхжүүлэлт | Хамгийн өндөр үнэнч байдал; хатуу шахалт хэрэггүй хэмжээгээр жижиг суурь загварууд |
550Б-той Nemotron 3 Ultra яг эхний ангилалд багтдаг. Хэрэв таны ажлын ачаалал урт гинжин тооцооллын хувьд яг тоон гаралтад ер бусын мэдрэмтгий бол research индекс нь $0.50/$2.00 доод хязгаарт байрлах W8A16 түвшин — MiMo-V2.5-Pro-W8A16 ба Hy3-W8A16 — жагсаана. Бодит сэлгэлт, воронк биш: жижиг загвар, бага шахалт.
05«Цензургүй» гэдэг нь энэ endpoint дээр юу гэсэн үг вэ
Тодорхой хэлбэл: татгалзах давхарга байхгүй, гаралтад ямар ч контент шүүлт хэрэглэдэггүй. Ямар ч ангилагч таны промптыг шалгаж, бэлэн татгалзал буцаадаггүй, хариулт таны урсгалд хүрэхээс өмнө шалгагддаггүй. Та загварын өөрийнх нь зан үйлийг л авдаг.
Энд нээлттэй угсаа нь ердийн мэдлэг байхаа больдог. NVIDIA сургалтын дараах өгөгдөл ба RL орчнуудыг нийтэлсэн тул загварын зан чанар нь домог биш, зарчмын хувьд аудит хийгдэх боломжтой. Мөн OpenMDW-1.1 нь архитектур, параметр, баримт бичиг, программ хангамжийг хамарсан Linux Foundation-ийн зөвшөөрөлт лиценз тул бие даасан оператор лицензийг саадгүйгээр өөрийн тоног төхөөрөмж дээр өөрчилсөн, шүүлтгүй байршуулалт үйлчилж чадна. Олон "нээлттэй" загварын лиценз үүнийг зөвшөөрдөггүй. Энэ нь зөвшөөрдөг. Ялгаа нь рефлекс татгалзал алдаа болохоос, аюулгүй байдлын шинж чанар биш газарт харагддаг:
- Аюулгүй байдлын судалгаа — эмзэг байдлын шинжилгээ, ашиглалтын учирлалт, хортой програмын зан үйл, улаан багийн хэрэгсэл, асуулт зөвшөөрөгдсөн эсэхийн талаар маргалдалгүйгээр.
- Хими, биологи ба эмийн зүй — шүүлттэй endpoint түлхүүр үгтэй хүрэлцсэнээр татгалздаг тунгийн тооцоо, урвалын механизм, хортой бодисын судлал, синтезийн зам.
- Сөрөг ML — жинхэнэ зүйлийг харсан байх шаардлагатай ангилагчдад зориулсан хатуу сөрөг жишээ, jailbreak корпус, буруу ашиглалтын ангилал.
- Эмнэлгийн, хууль зүйн ба шүүх шинжилгээний текст — угаасаа тод дүрслэлтэй, яг тэр шалтгаанаар татгалздаг хэргийн материал.
Цензургүй гэдэг нь хариуцлагагүй гэсэн үг биш. Та үүсгэсэн зүйлээ эзэмшдэг бөгөөд манай Хариуцлагатай Хэрэглээний Бодлого ба Үйлчилгээний Нөхцөл акаунтыг зохицуулдаг. Татгалзах давхаргыг авах нь зорилгын тухай таамаглалыг авдаг; таны хамаарах хуулийн дагуух үүргийг авдаггүй.
06STEM ба сэтгэлгээ: нийтэлсэн тоо юу хэлдэг вэ
Nemotron-ий сургалтын анхаарал нь Llama-Nemotron-ий сургалтын дараах өгөгдлийн сан яг тэр дөрвөн тэнхлэгийн эргэн тойронд бүтээгдсэнээс хойш математик, код, шинжлэх ухаан, зааврыг дагах чиглэлд байсаар ирсэн. NVIDIA Nemotron 3 Ultra суурь загварын талаар мэдээлсэн зүйл — бидний ажиллуулаагүй шахагдаагүй загвар дээрх ханган нийлүүлэгчийн мэдээлсэн тоо баримт:
Тооноос илүү үнэ цэнэтэй хоёр сануулга. SWE-Bench Verified тоо баримт бол муж юм — NVIDIA ямар агентийн харнесс (Pi, OpenHands, Hermes, OpenCode, Mini SWE Agent) ажиллуулж байгаагаас хамааран 65.0%-аас 70.4% гэж мэдээлсэн бөгөөд зөвхөн scaffolding-оос үүдэлтэй таван нэгжийн зөрүү нь агентийн оноо загвараас илүү харнессаас хэр их хамаардгийг харуулж байна. Мөн Artificial Analysis Nemotron 3 Ultra-г өөрийн Intelligence Index дээр 48, 89 загварын дундаас 9-р байрт тавьсан — хүчтэй, гэвч салбарын тэргүүн биш, мөн тэдний бие даасан хэмжилтийг бид ямар ч ханган нийлүүлэгчийн слайдаас илүү жинлэх болно.
Өмнөх үеийн хувьд NVIDIA-н Llama-Nemotron өгүүлэл LN-Ultra-г DeepSeek-R1-ийн 71.5%, Llama-3.1-405B-Instruct-ийн 43.4%-той харьцуулахад GPQA-Diamond дээр 76.0%, дээр нь AIME 2024 дээр 80.8% гэж мэдээлсэн — өөр загвар боловч магистрын түвшний шинжлэх ухаан ба уралдааны математик хоёр үеийн турш энэ гэр бүлийн зорилт байсан учраас оруулав.
Энд байгаа тоо баримт бүр бидний бус өөр хэн нэгний нийтэлсэн зүйл. Анхдагч эх сурвалжийг өөрөө шалгаарай.
Жишиг тестийн тоо баримт NVIDIA-н (2026 оны 6 сар) шахагдаагүй Nemotron 3 Ultra дээр нийтэлсэн, мөн Artificial Analysis-ийн бие даасан хэмжилт. Шахагдсан бүтээц ялгаатай байж болно. Бид баталгаажуулаагүй эсвэл эх сурвалжийг нь тодорхойлж чадахгүй жишиг тестийн тоог нийтэлдэггүй.
07Үнэ, мөн үг хэллэгийн сануулга
1 сая оролтын токен тутамд $0.75, 1 сая гаралтын токен тутамд $3.30-тай Nemotron3Ultra манай каталогийн оролтын хувьд доод гуравны нэгт, гаралтын хувьд дунд хэсэгт байрладаг. Сая тутмын үнийг мэдрэхэд хэцүү тул тооцоолсон жишээ:
| Дуудлагын хэлбэр | Оролт | Гаралт | Өртөг |
|---|---|---|---|
| Ердийн RAG эргэлт | 50,000 | 4,000 | $0.051 |
| Урт баримт бичгийн шинжилгээ | 150,000 | 8,000 | $0.139 |
| Дээд хэмжээний дуудлага | 262,144 | 16,384 | $0.251 |
Бүрэн контекст, бүрэн гаралттай хүсэлт — endpoint хүлээж авах бүх токен ба гаргах бүх токен — ойролцоогоор 25 цент зардаг. Ижил хэлбэр манай хамгийн үнэтэй загвар болох $3.83/$19.12-той Kimi-K3-3BIT-REAP дээр ойролцоогоор $1.32, буюу 5.3 дахин илүү зардаг.
Одоо сануулга нь бодит юм. Artificial Analysis Nemotron 3 Ultra нь өөрсдийн жишиг тестийн багцын дундаж хамтрагчаас 2.3 дахин илүү гаралтын токен үүсгэдгийг хэмжсэн. Сэтгэлгээний загвар танаас бодох ажлын төлбөр авдаг бөгөөд энэ нь урт бодолттой; хэрэв загвар ижил хариултад хүрэхийн тулд гурав дахин удаан сэтгэдэг бол токен тутмын үнийн давуу тал даалгавар тутмын сул тал болон ууршдаг. Тохируулга бол суулгагдсан бөгөөд манай API дээр нээлттэй: Nemotron 3 сэтгэлгээний төсвийн удирдлагад зориулж дараах сургалт хийгдсэн бөгөөд reasoning_effort энд дэмжигддэг — NVIDIA нэг оронтой тооны нарийвчлалын алдагдлын хариуд мэдэгдэхүйц цөөн бодлын токен ашигладаг бага-хүчин чармайлтын горимыг тодорхойлдог. Ангилал, задлан авах, чиглүүлэлт дээр багасгаж эдийн засгийг мэдэгдэхүйц өөрчил; баталгаа эсвэл олон файлын рефактор дээр нэмэгдүүлж, зориудаар зардлыг нь төл. Үнийн жагсаалт уншиж таамаглахын оронд өөрийн даалгавар тутмын токеныг хэмжээрэй.
08Дуудах нь: гурван аялгуу, нэг загвар
Gateway дээрх загвар бүр гурван стриминг API гадаргуу дээр хариулдаг тул та интеграцаа дахин бичихгүйгээр одоо байгаа клиентээ түүн рүү чиглүүлж болно: /v1/chat/completions (OpenAI аялгуу), /v1/messages (Anthropic аялгуу), мөн /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."}
]
}'Интеграцийн үед юу ч гайхшруулахгүй байхын тулд чадварын хураангуй:
| Чадвар | Nemotron3Ultra · 3BIT-REAP |
|---|---|
| Контекст цонх | 262,144 токен |
| Дээд гаралт / хүсэлт | 16,384 токен |
| Стриминг | Тийм |
| Хэрэгсэл дуудах | Тийм |
| Сэтгэлгээний мөр | Тийм |
reasoning_effort | Тийм |
json_schema (хатуу) | Тийм |
response_format | Тийм |
| Хараа / зурган оролт | Үгүй — зөвхөн текст |
| Татгалзах давхарга | Байхгүй |
Харааны мөр хүмүүсийг гайхшруулдаг: Nemotron3Ultra нь зөвхөн текст. Хэрэв таны дамжуулга зураг илгээдэг бол $0.50/$2.00-тай MiniMax-M3-3BIT-REAP эсвэл MiMo-V2.5-W8A16, эсвэл $0.78/$3.67-той Kimi-K2.6-W4A16-AUTOROUND-REAP-г ашигла — бүгд харааг дэмждэг, бүгд цензургүй, бүгд ижил 262,144 токены контекст дээр. Бүрэн параметрийн лавлагаа API баримт бичигт байна.
09Nemotron3Ultra арван хоёрын дунд хаана тохирдог вэ
Каталог бол ижил контекст цонх, ижил гурван аялгуу, татгалзах давхаргын ижил байхгүй байдлыг хуваалцдаг арван хоёр цензургүй загвар; тэдгээр нь суурь загвар, үнэ, чадвараараа ялгаатай. Nemotron-ий байр суурь тодорхой: нээлттэй угсаатай сэтгэлгээний ажлын морь — хамгийн хямд нь ч биш, хамгийн чадварлаг нь ч биш, гэвч зан үйлийнхээ ард хамгийн олон нийтэд нээлттэй өгүүллийн мөр бүхий, STEM ба агентад хамгийн хатуу тохируулагдсан загвар.
| Загвар | Оролт / 1M | Гаралт / 1M | Хараа | Үүнийг сонго |
|---|---|---|---|---|
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | Тийм | Хамгийн хямд харааг дэмждэг сонголт |
| MiMo-V2.5-Pro · W8A16 | $0.50 | $2.00 | Үгүй | Хамгийн өндөр үнэнч байдлын квантчилалын түвшин |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | Үгүй | Хамгийн хямд том суурь загварын сэтгэлгээ |
| Nemotron3Ultra · 3BIT-REAP | $0.75 | $3.30 | Үгүй | STEM, агент, нээлттэй угсаа |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | Тийм | Хараа + AutoRound-ийн үнэнч байдал |
| DeepSeek-V4-Pro · 3BIT-REAP | $1.95 | $3.90 | Үгүй | Гүн нэг удаагийн шинжилгээ |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | Тийм | Үнэмлэхүй чадварын дээд хязгаар |
Арван хоёрын долоог харуулав. Laguna-S-2.1, inkling, DeepSeek-V4-Flash, MiMo-V2.5 ба Hy3-г багтаасан бүрэн каталог API баримт бичигт байна. Laguna-S-2.1 бүтэцтэй гаралтыг дэмждэггүй, inkling json_schema-г дэмждэггүй болохыг анзаараарай; Nemotron3Ultra хоёуланг нь дэмждэг.
Үнэ дээр хамгийн ойрхон хөрш нь $0.73/$2.34-той GLM-5.2-3BIT-REAP бөгөөд шударга харьцуулалт бол ийм: GLM-5.2 нь токен тутамд хямд, ялангуяа гаралт дээр. Nemotron нийтэлсэн сургалтын корпус, тодорхой сэтгэлгээ-төсвийн тохируулга, магистрын түвшний шинжлэх ухаанд чиглэсэн гэр бүлийн түүхийг авчирдаг. Их хэмжээний ерөнхий сэтгэлгээ: хямд загвараа ажиллуул. STEM-ихтэй, агентийн, эсвэл загварын зан үйл хаанаас гарсныг асуудаг аудитын хамралтад: Nemotron зөрүүгээ зөвтгөнө.
10Түгээмэл асуултууд
Цензургүй Nemotron API гэж юу вэ?
Энэ бол NVIDIA-н нээлттэй жинтэй Nemotron 3 Ultra-гийн шахагдсан бүтээц болох Nemotron3Ultra 3BIT-REAP-д зориулсан Shannon AI-н байршуулсан endpoint юм. Энэ нь бидний өөрсдийн GPU кластер дээр татгалзах давхаргагүй, гаралтын шүүлтгүйгээр ажилладаг, 262,144 токены контекст ба хүсэлт тутамд 16,384 гаралтын токен нээлттэй болгодог, мөн 1 сая оролтын токен тутамд $0.75, 1 сая гаралтын токен тутамд $3.30 үнэтэй.
NVIDIA Nemotron үнэхээр нээлттэй жинтэй мөн үү?
Тийм. NVIDIA Nemotron 3 Ultra-г 2026 оны 6 сарын 4-нд жин, сургалтын өгөгдөл, аргачлалын хамт Linux Foundation-ийн зөвшөөрөлт OpenMDW-1.1 лицензийн дор Nemotron-4 340B ба Llama-Nemotron гэр бүлийн дараа нийтэлсэн. Тэр нээлттэй байдал л бие даасан оператороор ажиллуулсан, шүүлтгүй байршуулалтыг боломжтой болгодог зүйл юм.
3BIT-REAP гэж юу вэ?
Хоёр шахалтын алхам. Cerebras Research-ийн боловсруулж, ICLR 2026-д хүлээн авагдсан REAP — Router-weighted Expert Activation Pruning — чиглүүлэгч түүнийг хэр хүчтэй нээдэг, гаралтын хувь нэмэр нь хэр том байгаагаар холимог мэргэжилтнүүдийн загварын мэргэжилтэн бүрийг дүгнэж, дараа нь хамгийн бага ач холбогдолтойг нь шууд хасдаг. Амьд үлдсэн хэсгийг 3 бит жин болгон квантчилдаг тул битийн төсөв бодит урсгал дамжуулдаг мэргэжилтнүүдэд зарцуулагддаг.
Nemotron3Ultra хараа эсвэл JSON schema гаралтыг дэмждэг үү?
Зураг байхгүй: энэ endpoint нь зөвхөн текст. Энэ нь хатуу бүтэцтэй гаралтыг — json_schema ба response_format хоёуланг — дэмждэг, дээр нь хэрэгсэл дуудах, стриминг, сэтгэлгээний мөр ба reasoning_effort. Цензургүй загвар дээр зурагт зориулж MiniMax-M3, Kimi-K2.6, Kimi-K3, MiMo-V2.5 эсвэл inkling-г ашигла.
NVIDIA 1M-ийг сурталчилдаг байхад контекст яагаад 262,144 токен байдаг вэ?
Nemotron 3 архитектур нь 1M токены цонхыг зорьдог бөгөөд NVIDIA тэр уртад RULER дээр 94.7% гэж мэдээлсэн. Бидний байршуулалт бүх каталогийн туршид бид бүрэн хурдаар барьдаг цонх болох 262,144 токеныг үйлчилдэг. Gateway дээрх загвар бүр ижил контекстыг нээлттэй болгодог тул та хэсэглэлээ дахин бичихгүйгээр загварын ID-г солиж болно.
Nemotron математик, шинжлэх ухаан, кодод сайн уу?
STEM ба сэтгэлгээ бол энэ гэр бүлийн мэдэгдсэн анхаарлын төв. NVIDIA Nemotron 3 Ultra-гийн хувьд PinchBench дээр 90%, таван агентийн харнесс дээр SWE-Bench Verified дээр 65.0-70.4%, Terminal-Bench 2.1 дээр 56.4% гэж мэдээлсэн; өмнөх Llama-Nemotron Ultra GPQA-Diamond дээр DeepSeek-R1-ийн 71.5%-той харьцуулахад 76.0% гэж мэдээлсэн. Бүгд шахагдаагүй суурь загвар дээрх ханган нийлүүлэгчийн мэдээлсэн тоо.
Цензургүй Nemotron API-г дуудаарай
262K контекст, хэрэгсэл дуудах, хатуу JSON schema, татгалзах давхаргагүй — 1 сая токен тутамд $0.75 оролт / $3.30 гаралт.
API Баримт Бичгийг Унших Бүх Загварын КартShannon Lab LLC · Нью-Мексико муж, АНУ · ашиглалт манай Хариуцлагатай Хэрэглээний Бодлогоор зохицуулагддаг
Эх сурвалж: NVIDIA Nemotron 3 Ultra техникийн тайлан · NVIDIA хөгжүүлэгчийн блог (2026 оны 6 сар) · Nemotron 3 Super архитектурын тэмдэглэл · Llama-Nemotron: Efficient Reasoning Models · Cerebras Research, REAP. Суурь загварын жишиг тест нь Artificial Analysis-т хамааруулаагүй л бол NVIDIA-н шахагдаагүй загвар дээр мэдээлсэн тоо; шахагдсан бүтээц ялгаатай байж болно. Үнэ ба чадварууд нь 2026 оны 9 сарын 5-ны байдлаар хүчинтэй.