بغیر سنسر شپ Nemotron API

زیادہ تر “کھلے” ماڈل کھلے وزنوں کے سوا کچھ نہیں ہوتے — پیرامیٹروں کا ایک ٹار بال، ایک لائسنس، اور اس بارے میں خاموشی کہ اعداد آئے کہاں سے۔ دو سال سے Nemotron مستقل استثنا رہا ہے: NVIDIA وزن، بعد از تربیت ڈیٹاسیٹ، RL ماحول اور ترکیب سب دیتا ہے۔ کسی بغیر سنسر شپ اینڈ پوائنٹ کے لیے اس کی اہمیت آسانی سے نظر انداز ہو جاتی ہے۔ جس ماڈل کا صف بندی ڈیٹا شائع شدہ ہو، اس کے انکاری رویے کے بارے میں آپ اندازہ لگانے کے بجائے استدلال کر سکتے ہیں — اور کوئی تیسرا فریق اسے جائز طور پر، منہ پر چھلنی چڑھائے بغیر، تعینات کر سکتا ہے۔

01Nemotron 3 Ultra ہے کیا؟

Nemotron 3 Ultra، NVIDIA کے Nemotron 3 خاندان کا سب سے بڑا فرد ہے، جو 4 جون 2026 کو Hugging Face پر جاری ہوا۔ NVIDIA کی تکنیکی رپورٹ اسے یوں بیان کرتی ہے: “کل 550 ارب اور فعال 55 ارب پیرامیٹر کا Mixture-of-Experts ہائبرڈ Mamba-Attention زبانی ماڈل” — یعنی کسی بھی ایک ٹوکن پر نیٹ ورک کا تقریباً 10% کام کرتا ہے، اور یہی وہ بات ہے جو نصف کھرب پیرامیٹر کے ماڈل کو سرے سے پیش کرنے کے قابل بناتی ہے۔

بتائی گئی ترتیب 8,192 ماڈل ابعاد پر 108 تہوں کی ہے، جس میں Mamba-2 حالتی فضا کی تہیں مکمل توجہ کی چند بکھری تہوں کے ساتھ باہم پیوستہ ہیں، اور ہر MoE تہہ میں 512 ماہرین سرِفہرست 22 راستہ بندی کے ساتھ۔ پیشگی تربیت تقریباً 20 کھرب متنی ٹوکن پر دو مرحلوں میں چلی — پہلے تنوع کی طرف جھکاؤ، پھر معیار کی طرف — ستمبر 2025 کی حد بندی، 12 قدرتی زبانوں اور 43 پروگرامنگ زبانوں کے ساتھ۔ بعد از تربیت میں SFT، قابلِ تصدیق انعامات کے ساتھ کثیر ماحول RL، اور دس سے زیادہ ماہر اساتذہ کے ذریعے Multi-Teacher On-Policy Distillation استعمال ہوئی۔ بیان کردہ ڈیزائن ہدف لمبے چلنے والے ایجنٹ ہیں: ایسے نشست جو بڑا سیاق سنبھالیں، درجنوں بار ٹول پکاریں، اور اتنی دیر چلیں کہ بل پر فی ٹوکن معیشت چھا جائے۔

02Nemotron کا سلسلہ، اور نسل کیوں اہم ہے

Nemotron کوئی ایک بار کی چیز نہیں۔ یہ NVIDIA کے ایک تحقیقی پروگرام کا نظر آنے والا حاصل ہے جو 2024 سے اسی سمت چل رہا ہے، اور ہر نسل کچھ ایسا چھوڑ گئی جو موجودہ ماڈل اب بھی اٹھائے ہوئے ہے۔ Nemotron-4 340B (جون 2024) ایک کھلی مصنوعی ڈیٹا تخلیق پائپ لائن، اپنے انعامی ماڈل اور اپنے مولد کے ساتھ آیا، نیز ایک غیر معمولی انکشاف کے ساتھ: اس کے صف بندی ڈیٹا کی بھاری اکثریت ماڈل ہی کی پیدا کردہ تھی۔ ماڈل کو غیب دان کے بجائے ڈیٹا کارخانہ سمجھنا ہی وہ وجہ ہے جس کے باعث بعد کی Nemotron اجرائیں وزنوں کے ساتھ ڈیٹاسیٹ بھی دیتی رہتی ہیں۔

Llama-Nemotron — وہ استدلال جسے آپ بند کر سکیں

2025 کے Llama-Nemotron خاندان (LN-Nano 8B، LN-Super 49B، LN-Ultra 253B) نے دو ایسے خیال دیے جو وقت کے ساتھ کھرے اترے۔ پہلا تعمیراتی تھا: NVIDIA کی Puzzle عصبی فن تعمیر تلاش نے بلاک بہ بلاک کشید کیے گئے ٹرانسفارمر بلاکوں کی ایک لائبریری بنائی اور انہیں مخلوط عددی پروگرامنگ سے جوڑا، جس سے ایسے ماڈل بنے جن کے کچھ بلاک توجہ کو سرے سے چھوڑ دیتے ہیں یا اس کی جگہ ایک اکہری خطی تہہ رکھ لیتے ہیں، جبکہ FFN Fusion نے پے در پے فیڈ فارورڈ بلاکوں کو کم تعداد کے، زیادہ چوڑے، متوازی بلاکوں میں سمیٹ دیا — یعنی پیرامیٹر گنتی کے بجائے پے در پے گہرائی کاٹی۔ LN-Ultra ایک ہی 8×H100 نوڈ پر سما گیا اور NVIDIA کے مقالے کے مطابق GPQA-Diamond پر DeepSeek-R1 سے آگے رہا (76.0% بمقابلہ 71.5%)۔

دوسرا خیال رویے سے متعلق تھا: Llama-Nemotron پہلا کھلا خاندان تھا جس میں متحرک استدلالی سوئچ تھا، جو تربیتی ڈیٹا کو نظامی ہدایت میں detailed thinking on یا detailed thinking off کے ساتھ نشان زد کرتا تھا، اور صورت گری کے انعامات آن حالت میں <think> ٹیگ نافذ کراتے تھے۔ ایک ہی وزنوں کا مجموعہ، دو رویے، جو استنباط کے وقت چنے جا سکیں۔ Nemotron 3 کا استدلالی بجٹ کنٹرول — اور ہمارے API پر reasoning_effort پیرامیٹر — براہِ راست اسی کام کی اولاد ہے۔

Nemotron 3 — ہائبرڈ موڑ

Nemotron 3 نے Llama سے اخذ کاری کی جگہ نئے سرے سے ایک ہائبرڈ فن تعمیر رکھا اور LatentMoE (راستہ بندی سے پہلے ٹوکن سمیٹنا، جس کے بارے میں NVIDIA کہتا ہے کہ یہ “اُسی استنباطی لاگت پر 4 گنا زیادہ ماہرین” کی اجازت دیتا ہے)، کثیر ٹوکن پیشگوئی، اور مقامی NVFP4 پیشگی تربیت شامل کی۔ NVIDIA نے وزنوں کے ساتھ مجموعی طور پر 5 کروڑ SFT نمونے، 20 لاکھ RL کام اور 55 RL ماحول شائع کیے — آپ کو یہ ماننے کی ضرورت نہیں کہ فروخت کنندہ ماڈل کی تعلیم کے بارے میں کیا کہتا ہے، کیونکہ درسی مواد خود ڈاؤن لوڈ کے قابل ہے۔

03ہائبرڈ فن تعمیر آپ کو کیا دیتا ہے

ٹرانسفارمر کا KV کیش ترتیب کی لمبائی کے ساتھ خطی طور پر بڑھتا ہے، اسی لیے طویل سیاق کا استنباط حساب سے پہلے یادداشت میں مہنگا ہو جاتا ہے۔ Mamba-2 تہیں حالتی فضا کے ماڈل ہیں جو ایک مقررہ حجم کی عودی حالت اٹھاتی ہیں، اس لیے ان کی فی ٹوکن یادداشتی لاگت تاریخ کے ساتھ نہیں بڑھتی؛ ان کی کمزوری عین درست تلازمی بازیافت ہے۔ ہائبرڈ ترتیب کے بڑے حصے کے لیے Mamba-2 رکھتا ہے اور اُس بازیافت کے لیے حقیقی توجہ کی چند تہیں، جس میں حالتی فضا کی تہیں لڑکھڑاتی ہیں، اور 64 استفسار سر / 2 KV سر کا جارحانہ تناسب کیش کو مزید سکیڑ دیتا ہے۔ NVIDIA 1M ٹوکن پر RULER پر 94.7% بتاتا ہے — یہ سوئی ڈھونڈنے کا وہ بینچ مارک ہے جو ایسے ماڈل پکڑنے کے لیے بنا ہے جو ایسی کھڑکی کا دعویٰ کریں جسے وہ استعمال نہیں کر سکتے۔

نتیجہ گزرگاہ کی رفتار ہے: NVIDIA دعویٰ کرتا ہے کہ برابر درستگی پر ہم پلہ ماڈلوں کے مقابلے میں استنباطی گزرگاہ تقریباً 6 گنا تک زیادہ ہے، اور Artificial Analysis نے آزادانہ طور پر 140.3 ٹوکن فی سیکنڈ ناپے، پہلے ٹوکن تک 1.33 سیکنڈ کے ساتھ — 89 ماڈلوں میں ساتواں نمبر۔ 200 باریوں کے ایجنٹ رن پر یہی فرق ایک دوپہر میں کام مکمل ہونے اور نہ ہونے کا ہوتا ہے۔

04“3BIT-REAP” کا ایماندارانہ مطلب

یہ لاحقہ سجاوٹ نہیں — یہ عین بتاتا ہے کہ بنیاد کو سمانے کے قابل بنانے کے لیے اس کے ساتھ کیا کیا گیا۔

REAP — یعنی Router-weighted Expert Activation Pruning — Cerebras Research سے آیا اور ICLR 2026 میں قبول ہوا۔ کسی خلوت دار MoE میں روٹر ہر ٹوکن کو چند ماہرین کی طرف بھیجتا ہے؛ کسی حقیقی کام کے بوجھ پر کچھ ماہر مسلسل چنے جاتے ہیں اور کچھ تقریباً کبھی نہیں۔ REAP ہر ماہر کو ایک نمایاں پن کے پیمانے پر نمبر دیتا ہے جو روٹر کے گیٹ کرنے کی شدت اور اس کے اخراجی حصوں کے حجم کو ملا کر بنتا ہے، پھر سب سے کم نمایاں کو سرے سے ہٹا دیتا ہے — Cerebras بتاتا ہے کہ ایک کھرب پیرامیٹر تک کے ماڈلوں سے 50% تک ماہر کاٹے جا سکے جبکہ بنیادی معیار بڑی حد تک برقرار رہا، اور یہ بھی کہ کوڈ جیسے تخلیقی کاموں کے لیے کٹائی، ملاپ سے بہتر رہتی ہے۔ پھر 3-bit کوانٹائزیشن بچ رہنے والوں کو سکیڑتی ہے۔ پہلے کاٹیے، پھر کوانٹائز کیجیے، تاکہ بٹ بجٹ اُن ماہرین پر جائے جو ٹریفک اٹھاتے ہیں، نہ کہ مردہ ماہرین پر بکھر جائے۔

ترکیب مفت نہیں، اور ہم اس کے برعکس ظاہر نہیں کریں گے: جارحانہ کوانٹائزیشن سب سے پہلے عین صورت گری کی پابندی اور لمبی زنجیر کی حسابیات میں معمولی گراوٹ کے طور پر ظاہر ہوتی ہے، نہ کہ نظر آنے والی بے ربطگی کے طور پر۔ تینوں درجے کہاں بیٹھتے ہیں:

لاحقہ	یہ ہے کیا	ہم اسے کہاں استعمال کرتے ہیں
3BIT-REAP	3-bit وزن + ماہر کٹائی	سب سے بڑی بنیادیں، جہاں اور کچھ رفتار کے ساتھ سماتا نہیں
W4A16-AUTOROUND-REAP	4-bit وزن / 16-bit فعالیت، AutoRound کی سیکھی ہوئی راؤنڈنگ، + کٹائی	درمیانے حجم کی بنیادیں؛ AutoRound سادہ قریب ترین راؤنڈنگ کے مقابلے میں درستگی واپس لاتی ہے
W8A16	8-bit وزن / 16-bit فعالیت	سب سے زیادہ وفاداری؛ وہ بنیادیں جو اتنی چھوٹی ہیں کہ انہیں جارحانہ ترکیب درکار نہیں

550B پر Nemotron 3 Ultra سیدھا پہلے زمرے میں آتا ہے۔ اگر آپ کا کام لمبی زنجیروں پر عین عددی اخراج کے معاملے میں غیر معمولی طور پر حساس ہے تو تحقیقی فہرست میں W8A16 درجہ موجود ہے — MiMo-V2.5-Pro-W8A16 اور Hy3-W8A16 — $0.50/$2.00 کے فرش پر۔ یہ ایک حقیقی سودا ہے، کوئی قیف نہیں: چھوٹا ماڈل، کم ترکیب۔

05اس اینڈ پوائنٹ پر “بغیر سنسر شپ” کا مطلب

ٹھوس الفاظ میں: کوئی انکار کی پرت نہیں اور اخراج پر کوئی مواداتی چھلنی نہیں لگتی۔ کوئی درجہ بند آپ کے پیش لفظ کی جانچ کر کے ڈبہ بند انکار نہیں لوٹاتا، اور جواب آپ کی رو تک پہنچنے سے پہلے اسکین نہیں ہوتا۔ آپ کو ماڈل کا اپنا رویہ ملتا ہے۔

یہیں سے کھلا سلسلہ محض دلچسپ معلومات نہیں رہتا۔ چونکہ NVIDIA نے بعد از تربیت ڈیٹا اور RL ماحول شائع کیے، اس لیے ماڈل کے میلانات اصولاً قابلِ جانچ ہیں، لوک کہانی نہیں۔ اور چونکہ OpenMDW-1.1 ایک فراخ دلانہ Linux Foundation لائسنس ہے جو فن تعمیر، پیرامیٹر، دستاویزکاری اور سافٹ ویئر پر محیط ہے، اس لیے کوئی آزاد عامل اپنے ہارڈ ویئر پر ایک ترمیم شدہ، بغیر چھلنی تعیناتی پیش کر سکتا ہے اور لائسنس رکاوٹ نہیں بنتا۔ بہت سے “کھلے” ماڈل لائسنس اس کی اجازت نہیں دیتے۔ یہ دیتا ہے۔ فرق وہاں کھلتا ہے جہاں بے سوچے انکار خرابی ہے، حفاظتی خوبی نہیں:

• سلامتی تحقیق — خامیوں کا تجزیہ، استحصال کا استدلال، مالویئر کا رویہ، ریڈ ٹیم اوزار، اس بحث کے بغیر کہ سوال جائز ہے یا نہیں۔
• کیمیا، حیاتیات اور دواسازی — خوراک کا حساب، تعاملی طریقہ کار، سمیات، اور ترکیب کے وہ راستے جن پر چھلنی والا اینڈ پوائنٹ محض کلیدی لفظ دیکھتے ہی انکار کر دیتا ہے۔
• مخالفانہ ML — مشکل منفی مثالیں، جیل بریک مجموعے اور بدسلوکی کی درجہ بندیاں، اُن درجہ بندوں کے لیے جنہیں اصل چیز دیکھی ہونی چاہیے۔
• طبی، قانونی اور فرانزک متن — وہ مقدماتی مواد جو فطرتاً بھیانک ہوتا ہے اور عین اسی وجہ سے مسترد ہو جاتا ہے۔

بغیر سنسر شپ کا مطلب بے جواب دہی نہیں۔ آپ جو کچھ تخلیق کرتے ہیں اس کے مالک آپ ہیں، اور اکاؤنٹ پر ہماری ذمہ دارانہ استعمال کی پالیسی اور شرائطِ خدمت لاگو ہیں۔ انکار کی پرت ہٹانا نیت کے بارے میں ایک اندازہ ہٹاتا ہے؛ یہ آپ پر لاگو قانون کے تحت آپ کی ذمہ داریاں نہیں ہٹاتا۔

06STEM اور استدلال: شائع شدہ اعداد کیا کہتے ہیں

Nemotron کی تربیت کا محور ریاضی، کوڈ، سائنس اور ہدایت کی پیروی رہا ہے، اسی وقت سے جب Llama-Nemotron کا بعد از تربیت ڈیٹاسیٹ عین انہی چار محوروں کے گرد بنایا گیا۔ NVIDIA جو کچھ Nemotron 3 Ultra بنیاد کے لیے بتاتا ہے — غیر ترکیب شدہ ماڈل پر فروخت کنندہ کے بتائے ہوئے اعداد، جو ہم نے خود نہیں چلائے:

دو تنبیہات اعداد سے زیادہ قیمتی ہیں۔ SWE-Bench Verified کا عدد ایک حد ہے — NVIDIA اسے 65.0% سے 70.4% تک بتاتا ہے، اس پر منحصر کہ اسے کون سا ایجنٹ ہارنس چلاتا ہے (Pi، OpenHands، Hermes، OpenCode، Mini SWE Agent)، اور محض داربست سے پانچ نقطے کا فرق دکھاتا ہے کہ ایجنٹی اسکور ماڈل کے بجائے ہارنس پر کتنے منحصر ہیں۔ اور Artificial Analysis نے Nemotron 3 Ultra کو اپنے Intelligence Index پر 48 پر، 89 ماڈلوں میں نویں نمبر رکھا — مضبوط، مگر میدان میں سرِفہرست نہیں، اور ان کی آزادانہ پیمائش وہی ہے جسے ہم کسی بھی فروخت کنندہ کی سلائیڈ پر ترجیح دیں گے۔

پچھلی نسل کے بارے میں، NVIDIA کا Llama-Nemotron مقالہ LN-Ultra کو GPQA-Diamond پر 76.0% بتاتا ہے، جبکہ DeepSeek-R1 کا 71.5% اور Llama-3.1-405B-Instruct کا 43.4% تھا، نیز AIME 2024 پر 80.8%۔ یہ ایک مختلف ماڈل ہے، اور اسے یہاں اس لیے شامل کیا گیا کہ اعلیٰ تعلیمی درجے کی سائنس اور مقابلہ جاتی ریاضی دو نسلوں سے اس خاندان کا ہدف رہے ہیں۔

بینچ مارک اعداد وہی ہیں جو NVIDIA (جون 2026) نے غیر ترکیب شدہ Nemotron 3 Ultra پر شائع کیے، اور آزادانہ پیمائشوں کے لیے Artificial Analysis نے۔ ترکیب شدہ بلڈ مختلف ہو سکتے ہیں۔ ہم ایسے بینچ مارک اعداد شائع نہیں کرتے جن کی ہم نے تصدیق نہ کی ہو یا جنہیں منسوب نہ کر سکیں۔

07قیمت، اور طوالت کی تنبیہ

فی ملین داخل ٹوکن $0.75 اور فی ملین خارج ٹوکن $3.30 پر، Nemotron3Ultra ہماری فہرست میں داخل کے لحاظ سے نچلے تہائی حصے میں اور خارج کے لحاظ سے درمیان میں بیٹھتا ہے۔ عملی مثالیں، کیونکہ فی ملین قیمت کا احساس مشکل ہے:

کال کی صورت	داخل	خارج	لاگت
معمول کی RAG باری	50,000	4,000	$0.051
لمبی دستاویز کا تجزیہ	150,000	8,000	$0.139
زیادہ سے زیادہ حجم کی کال	262,144	16,384	$0.251

پورے سیاق اور پورے اخراج والی ایک درخواست — یعنی ہر وہ ٹوکن جو اینڈ پوائنٹ قبول کرے گا اور ہر وہ ٹوکن جو وہ پیدا کرے گا — تقریباً 25 سینٹ کی پڑتی ہے۔ یہی صورت Kimi-K3-3BIT-REAP پر، جو $3.83/$19.12 کے ساتھ ہمارا سب سے مہنگا ماڈل ہے، تقریباً $1.32 کی ہے، یعنی 5.3 گنا زیادہ۔

اب تنبیہ، اور یہ حقیقی ہے۔ Artificial Analysis نے اپنے بینچ مارک مجموعے میں ناپا کہ Nemotron 3 Ultra درمیانی ہم پلہ ماڈل کے مقابلے میں 2.3 گنا زیادہ خارج ٹوکن پیدا کرتا ہے۔ استدلالی ماڈل آپ کو سوچ کا بل دیتے ہیں، اور یہ خوب لمبا سوچتا ہے؛ فی ٹوکن قیمت کا فائدہ فی کام نقصان میں بخارات بن جاتا ہے اگر ماڈل اسی جواب تک پہنچنے کے لیے تین گنا دیر تک استدلال کرے۔ اس کا تدارک اندر ہی بنا ہوا ہے اور ہمارے API پر دستیاب ہے: Nemotron 3 کی بعد از تربیت استدلالی بجٹ کنٹرول کے لیے ہوئی، اور یہاں reasoning_effort کی حمایت موجود ہے — NVIDIA ایک کم محنت والی حالت بیان کرتا ہے جو نمایاں طور پر کم سوچ کے ٹوکن استعمال کرتی ہے اور بدلے میں درستگی میں اکہرے ہندسے کا سودا کرتی ہے۔ درجہ بندی، اخراج اور راستہ بندی پر اسے نیچے کیجیے تو معیشت واقعی بدل جاتی ہے؛ کسی ثبوت یا کئی فائلوں کی ازسرِنو ترتیب پر اسے اوپر کیجیے اور سوچ سمجھ کر قیمت دیجیے۔ قیمت کی فہرست پڑھ کر فرض کرنے کے بجائے اپنے فی کام ٹوکن خود ناپیے۔

08اسے پکارنا: تین لہجے، ایک ماڈل

گیٹ وے کا ہر ماڈل تین اسٹریمنگ API سطحوں پر جواب دیتا ہے، تاکہ آپ اپنا موجودہ کلائنٹ بغیر انضمام دوبارہ لکھے اس کی طرف موڑ سکیں: /v1/chat/completions (OpenAI لہجہ)، /v1/messages (Anthropic لہجہ)، اور /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."}
    ]
  }'

صلاحیتوں کا خلاصہ، تاکہ انضمام کے وقت کوئی بات آپ کو حیران نہ کرے:

صلاحیت	Nemotron3Ultra · 3BIT-REAP
سیاق کی کھڑکی	262,144 ٹوکن
زیادہ سے زیادہ اخراج / درخواست	16,384 ٹوکن
اسٹریمنگ	ہاں
ٹول کالنگ	ہاں
استدلالی نشانات	ہاں
reasoning_effort	ہاں
json_schema (سخت)	ہاں
response_format	ہاں
وژن / تصویری داخلہ	نہیں — صرف متن
انکار کی پرت	کوئی نہیں

وژن والی سطر لوگوں کو پکڑ لیتی ہے: Nemotron3Ultra صرف متن کا ہے۔ اگر آپ کی پائپ لائن تصاویر بھیجتی ہے تو $0.50/$2.00 پر MiniMax-M3-3BIT-REAP یا MiMo-V2.5-W8A16 استعمال کیجیے، یا $0.78/$3.67 پر Kimi-K2.6-W4A16-AUTOROUND-REAP — سب وژن کے قابل، سب بغیر سنسر شپ، سب اُسی 262,144 ٹوکن کے سیاق پر۔ مکمل پیرامیٹر حوالہ API دستاویزکاری میں ہے۔

09بارہ ماڈلوں میں Nemotron3Ultra کا مقام

یہ فہرست بارہ بغیر سنسر شپ ماڈلوں کی ہے جو ایک ہی سیاق کی کھڑکی، وہی تین لہجے اور انکار کی پرت کی وہی غیر موجودگی رکھتے ہیں؛ ان میں فرق بنیاد، قیمت اور صلاحیت کا ہے۔ Nemotron کا مقام مخصوص ہے: کھلی نسل والا استدلالی بار بردار — نہ سب سے سستا، نہ سب سے قابل، مگر وہ جس کے رویے کے پیچھے سب سے زیادہ عوامی کاغذی نشان موجود ہے، اور جسے STEM اور ایجنٹوں کی طرف سب سے زیادہ ڈھالا گیا ہے۔

ماڈل	داخل / 1M	خارج / 1M	وژن	اسے کس لیے چنیے
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	ہاں	سب سے سستا وژن کے قابل اختیار
MiMo-V2.5-Pro · W8A16	$0.50	$2.00	نہیں	سب سے زیادہ وفاداری والا کوانٹائزیشن درجہ
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	نہیں	سب سے سستا بڑی بنیاد والا استدلال
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	نہیں	STEM، ایجنٹ، کھلی نسل
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	ہاں	وژن + AutoRound وفاداری
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	نہیں	گہرا یک بارگی تجزیہ
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	ہاں	مطلق صلاحیت کی چھت

بارہ میں سے سات دکھائے گئے۔ مکمل فہرست — بشمول Laguna-S-2.1، inkling، DeepSeek-V4-Flash، MiMo-V2.5 اور Hy3 — API دستاویزات میں ہے۔ خیال رہے کہ Laguna-S-2.1 ساختی اخراج کی حمایت نہیں کرتا اور inkling، json_schema کی حمایت نہیں کرتا؛ Nemotron3Ultra دونوں کی کرتا ہے۔

قیمت کے لحاظ سے قریب ترین پڑوسی $0.73/$2.34 پر GLM-5.2-3BIT-REAP ہے، اور ایماندارانہ موازنہ یہ ہے: GLM-5.2 فی ٹوکن سستا ہے، خصوصاً خارج پر۔ Nemotron ایک شائع شدہ تربیتی مجموعہ، ایک صریح استدلالی بجٹ کا ڈائل، اور ایسی خاندانی تاریخ لاتا ہے جس کا نشانہ اعلیٰ تعلیمی درجے کی سائنس ہے۔ زیادہ حجم کا عمومی استدلال: سستا والا چلائیے۔ STEM سے بھرپور، ایجنٹی، یا ایسی جانچ کے تابع جو پوچھے کہ ماڈل کا رویہ کہاں سے آیا: Nemotron یہ فرق کما لیتا ہے۔

10اکثر پوچھے جانے والے سوالات

---

مآخذ: NVIDIA Nemotron 3 Ultra تکنیکی رپورٹ · NVIDIA ڈویلپر بلاگ (جون 2026) · Nemotron 3 Super فن تعمیر کے نوٹ · Llama-Nemotron: Efficient Reasoning Models · Cerebras Research، REAP۔ بنیاد کے بینچ مارک NVIDIA کے بتائے ہوئے ہیں اور غیر ترکیب شدہ ماڈل پر ہیں، سوائے اُن کے جو Artificial Analysis سے منسوب ہیں؛ ترکیب شدہ بلڈ مختلف ہو سکتے ہیں۔ قیمتیں اور صلاحیتیں 5 ستمبر 2026 تک درست ہیں۔