Szczegóły modelu
NVIDIA: Nemotron 3 Ultra
Status: AktywnyDostęp API
Profil techniczny
Kluczowe dane modelu
Pokazujemy wyłącznie dostępne, potwierdzone informacje.
- Okno kontekstu
- 512 288tokenów · dane modelu/API
- Modalność
- Tekst → tekst
Opis modelu
| Parametry całkowite | 550B (55B aktywnych) |
| Architektura | LatentMoE – Mamba-2 + MoE + Attention hybryda z Multi-Token Prediction (MTP) |
| Długość kontekstu | Do 1M tokenów |
| Minimalne wymagania GPU | 8x GB200/B200/GB300/B300, 16x H100, 8x H200 |
| Obsługiwane języki | Angielski, francuski, hiszpański, włoski, niemiecki, japoński, hindi, koreański, brazylijski portugalski i chiński |
| Najlepsze do | Zaawansowane rozumowanie, złożone przepływy pracy agentów, analiza długiego kontekstu, użycie narzędzi, wielojęzyczne rozumowanie, RAG wysokiego ryzyka |
| Tryb rozumowania | Konfigurowalny włącz/wyłącz poprzez szablon czatu (enable_thinking=True/False) |
| Licencja | OpenMDW License Agreement, wersja 1.1 |
| Data wydania | 4 czerwca 2026 |
Więcej szczegółów na temat wdrażania i używania modelu znajdziesz w poniższym przewodniku szybkiego startu! > Aby uruchomić Nemotron 3 Ultra na mniejszym obszarze, zobacz: NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4 Daty modelu: Grudzień 2025 – Kwiecień 2026 Dane po treningu mają datę odcięcia maj 2026. Dane przed treningiem mają datę odcięcia wrzesień 2025. NVIDIA Nemotron™ to rodzina otwartych modeli z otwartymi wagami, danymi treningowymi i przepisami, zapewniająca wiodącą wydajność i dokładność do budowania wyspecjalizowanych agentów AI. Nemotron-3-Ultra-550B-A55B-BF16 to model językowy dużej skali (LLM) na poziomie granicznym, trenowany przez NVIDIA, zaprojektowany do zapewniania silnych możliwości agentowych, rozumowania i konwersacji. Jest zoptymalizowany do najbardziej wymagających obciążeń, w tym złożonych agentów wieloetapowych, analizy długiego kontekstu i rozumowania o wysokiej dokładności w zakresie kodu, matematyki i nauki. Podobnie jak inne modele z rodziny, odpowiada na zapytania i zadania użytkowników, najpierw generując ślad rozumowania, a następnie kończąc ostateczną odpowiedzią. Możliwości rozumowania modelu można skonfigurować za pomocą flagi w szablonie czatu. Model wykorzystuje hybrydową architekturę Latent Mixture-of-Experts (LatentMoE), wykorzystując przeplatane warstwy Mamba-2 i MoE, wraz z wybranymi warstwami Attention. Podobnie jak model Super, model Ultra zawiera warstwy Multi-Token Prediction (MTP) dla szybszego generowania tekstu i lepszej jakości, i jest trenowany przy użyciu receptury przedtreningowej NVFP4, aby zmaksymalizować wydajność obliczeniową. Model ma 55B aktywnych parametrów i 550B parametrów łącznie.
Ostatnia aktualizacja: 2026-08-18
Szybka opinia
Czy ten model pomógł Ci w realnym zadaniu? To zajmuje jedno kliknięcie. Szczegółowa ocena jest opcjonalna.
Brak szybkich opinii.
API i ceny
Ceny API są źródłowymi stawkami dostawcy, przeliczonymi na PLN według ostatniego zapisanego kursu średniego USD NBP. Stawki tokenowe pokazujemy za 1 mln tokenów. Dla obrazu, wyszukiwania, cache, reasoning i żądań zachowujemy jednostkę przekazaną przez API.
Ceny są przeliczone na PLN według ostatniego zapisanego średniego kursu NBP USD z 2026-08-17.
| Dostawca API | Wejście / 1 mln tokenów | Wyjście / 1 mln tokenów | Pozostałe stawki źródłowe | Możliwości |
|---|---|---|---|---|
| OpenRouter | 2,23 zł / 1 mln tokenów | 13,37 zł / 1 mln tokenów | Cache odczyt: 0,743 zł / 1 mln tokenów | Kontekst providera: 512 288 · Tokenizer: Other · Wejście: text · Wyjście: text · API: frequency_penalty, include_reasoning, logit_bias, max_tokens, min_p · Bez moderacji providera |
Ceny API są źródłowymi stawkami dostawcy, przeliczonymi na PLN według ostatniego zapisanego kursu średniego USD NBP. Stawki tokenowe pokazujemy za 1 mln tokenów. Dla obrazu, wyszukiwania, cache, reasoning i żądań zachowujemy jednostkę przekazaną przez API. Ceny są przeliczone na PLN według ostatniego zapisanego średniego kursu NBP USD z 2026-08-17.
Język polski
Wsparcie języka polskiego: deklarowane. Jakość języka polskiego: NIEZWERYFIKOWANA.
Dyskusja o modelu
Komentarze dotyczące praktycznego użycia tego modelu.
Nie ma jeszcze zatwierdzonych komentarzy.
Historia modelu
Wykres pokazuje wyłącznie porównywalne punkty głównego rankingu. Tabela zawiera wynik, pozycję, dane źródłowe i stan każdego dnia.
Dane porównywalne
Historia wyniku AI-TOP
Seria używa snapshotów głównego rankingu z metodologii 1.2.
Skala adaptacyjna: obserwowany zakres 57,2–58,0 pkt / 100.
- Wynik AI-TOP
| Data | Wynik AI-TOP | Miejsce | Dane źródłowe | Metodologia | Stan dnia |
|---|---|---|---|---|---|
| 2026-08-18 |
|
| — |
|
|
| 2026-08-17 |
|
| — |
|
|
| 2026-08-16 |
|
| — |
|
|
| 2026-08-15 |
|
| — |
|
|
| 2026-08-14 |
|
| — |
|
|
| 2026-08-13 |
|
| — |
|
|
| 2026-08-12 |
|
| — |
|
|
| 2026-08-11 |
|
| — |
|
|
| 2026-08-10 |
|
| — |
|
|
| 2026-08-09 |
|
| — |
|
|
| 2026-08-08 |
|
| — |
|
|
| 2026-08-07 |
|
| — |
|
|
| 2026-07-26 |
|
| — |
|
|
| 2026-07-25 |
|
| — |
|
|
| 2026-07-22 |
|
| — |
|
|
| 2026-07-20 |
|
| — |
|
|
| 2026-07-19 |
|
| — |
|
|
| 2026-07-18 |
|
| — |
|
|
| 2026-07-17 | — | — |
| — |
|