Nemotron 3 Ultra calculateur TPS
Chaque carte ci-dessous est évaluée par rapport à ce modèle à la longueur de contexte et à la qualité minimale que vous choisissez. La vitesse est une estimation pour une demande unique, calculée à partir de la bande passante mémoire de la carte et de la taille du modèle une fois compressé..
Calculé pour ce modèle
818 cartes dont nous détenons les spécifications pour
Carte la plus petite qui convient
B300
288 GB · Q3_K_M · 92.4 tok/s
Carte la plus rapide
B300
92.4 tok/s · 288 GB
Quelles GPU peuvent exécuter Nemotron 3 Ultra?
Définir les entrées, lire la réponse
Une conversation plus longue nécessite plus de mémoire, ce qui peut pousser ce modèle hors des cartes plus petites..
Cache des cartes qui ne conviendraient qu'au modèle en le compressant en dessous de ce point..
3 cartes correspondent
Calcul en cours| Besoin | Quantification | Convient | |||||
|---|---|---|---|---|---|---|---|
|
92.4
tok/s
55–148 · faible confiance |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 239.6 GB | Q3_K_M | À l'étroit |
|
73.8
tok/s
44–118 · faible confiance |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 239.6 GB | Q3_K_M | À l'étroit |
|
73.8
tok/s
44–118 · faible confiance |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 239.6 GB | Q3_K_M | À l'étroit |
Les vitesses sont des estimations pour une seule demande — une conversation à la fois — calculées à partir de la bande passante de la mémoire, de la taille du modèle et de la quantification. Le débit réel varie avec le temps d'exécution d'inférence et sa version. Les chiffres publiés par les fournisseurs de matériel mesurent de nombreuses demandes simultanées et sont beaucoup plus élevés..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- NVIDIA
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 4 June 2026
- Auteurs
- Aaron Blakeman, Aaron Grattafiori, Aarti Basant, Abhibha Gupta, Abhinav Khattar, Adi Renduchintala, Aditya Vavre, Akanksha Shukla, Akhiad Bercovich, Aleksander Ficek, Aleksandr Shaposhnikov, Alex Kondratenko, Alexander Bukharin, Alexandre Milesi, Ali Taghibakhshi, Alisa Liu, Amelia Barton, Ameya Sunil Mahabaleshwarkar, Amir Klein, Amit Zuker, Amnon Geifman, Amy Shen, Anahita Bhiwandiwalla, Andrew …
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling/generation, Question answering
- Format numérique
- NVFP4
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 550B
- Données d'entraînement
- tokens
"550B total parameters with up to 55B active per token" from https://docs.nvidia.com/nemotron/nightly/usage-cookbook/Nemotron-3-Ultra-Base/README.html
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 6.6 × 10²⁴ FLOP
55 billion active parameters, ~20T tokens
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Open — downloadable
- Accès au modèle
- Open weights (unrestricted)
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- Discretionary
- Confiance d'enregistrement
- Likely
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Nemotron 3 Ultra: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Model for Agentic Reasoning
- Dernière mise à jour
- 8 June 2026
Les extrêmes
Les dix GPU les plus rapides qui exécutent Nemotron 3 Ultra
Classé par tokens par seconde estimés, la carte la plus récente en premier lorsque les vitesses se rejoignent. Étant donné que la génération est limitée par la bande passante de la mémoire, cet ordre suit la bande passante plutôt que tout indice de jeu..
Les plus petits GPU qui fonctionnent encore Nemotron 3 Ultra
Le chemin le moins cher, par capacité de mémoire. Un ajustement serré exécute le modèle mais ne laisse rien de libre pour une conversation plus longue..
Ce que les chiffres signifient
Ce qu'il faut pour exécuter ce modèle
Carte minimale
B300
Mémoire requise
239.6 GB
Le plus rapide
92.4 tok/s
Nemotron 3 Ultra atteint un nombre de paramètres de 550B. Cela dépasse ce que peut contenir une seule carte graphique. L'exécuter signifie soit le répartir entre plusieurs cartes, soit louer du matériel conçu pour cela, et chaque carte capable de le contenir seule est une pièce de datacenter. Le nombre qui peut : 3.
La plus petite carte qui le contient est B300, avec une capacité de mémoire de 288 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 92.4 tokens par seconde
À l'autre extrémité se trouve B300, générant à peu près 92.4 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.
D'où cela vient-il
Nemotron 3 Ultra a été publié par NVIDIA, dans le pays enregistré comme United States of America, durant June 2026. L'organisation de publication est catégorisée comme industry.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Question answering.
Parce que ses poids ont été publiés, rien sur son exécution ne dépend d'un fournisseur restant disponible — il est à vous une fois téléchargé.
Comprendre les vitesses
La moitié des cartes qui le détiennent gèrent plus de 73.8 tokens par seconde 3 d'eux
Parce qu'il fait passer chaque token par un sous-ensemble de ses poids, il produit du texte au rythme d'un modèle beaucoup plus petit. Le piège est la mémoire : tout cela doit encore tenir, donc la vitesse est un bonus plutôt qu'une réduction sur le matériel.
La mémoire ici est estimée à partir de la taille plutôt que calculée à partir de l'architecture, qui n'est pas enregistrée pour ce modèle — les chiffres sont indicatifs plutôt qu'exacts.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a consommé environ 6.6 × 10²⁴ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Son critère d'inclusion : discretionary.
Étape par étape
Comment choisir un GPU pour Nemotron 3 Ultra
Le tableau ci-dessus a déjà évalué chaque carte pour laquelle nous avons des spécifications par rapport à ce modèle. Obtenir votre réponse prend six étapes..
-
01
Vérifiez ce dont cela a besoin avant toute autre chose
Commencez par ce dont il a réellement besoin, c'est-à-dire l'exigence de Nemotron 3 Ultra, ayant besoin d'environ 239.6 GB à une compression de Q3_K_M. La capacité est la porte — une carte soit la détient soit ne la détient pas.
-
02
Décidez combien de temps vos conversations tournent
Définissez le contexte de ce que vous allez réellement utiliser. Le cache augmente avec la conversation, et c'est la raison habituelle pour laquelle une carte qui semblait convenir cesse de s'adapter. Nemotron 3 Ultra.
-
03
Décidez combien de compression vous allez accepter
La Compression est ce qui permet à un modèle de s'adapter à des cartes plus petites, au prix d'une certaine précision., atteignant une compression de Q3_K_M sur la plus petite carte qui convient. Fixer une qualité minimale élimine les cartes qui ne parviennent à l'atteindre qu'en exerçant une pression plus forte que vous ne le souhaiteriez, et maintient la comparaison à un niveau.
-
04
Classer par débit plutôt que par fiche technique
Trier par vitesse pour voir comment les cartes se classent pour Nemotron 3 Ultra. Il ne s'alignera pas sur une commande de jeu, car la génération est limitée par la bande passante de la mémoire. La carte en tête de liste est B300, à 92.4 tok/s
-
05
Vérifiez le verdict de compatibilité avant d'acheter
Un ajustement serré fonctionne, mais ne laisse rien de libre pour une conversation plus longue, dans le cas de Nemotron 3 Ultra. Confortable signifie que vous pouvez augmenter le contexte plus tard. Cette différence compte plus que quelques tokens par seconde, donc achetez pour confortable si vous vous attendez à cela.
-
06
Vérifiez la carte de l'autre côté
Chaque nom de carte renvoie à sa propre page, qui effectue le même calcul dans l'ensemble du catalogue de modèles. Une carte est généralement achetée pour plus d'un modèle, il est donc utile de jeter un œil avant d'acheter pour Nemotron 3 Ultra.
Réponses
Nemotron 3 Ultra — questions courantes
Nemotron 3 Ultra— quand a-t-il été publié ?
Il a été publié dans June 2026.
Nemotron 3 Ultra— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Question answering. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Nemotron 3 Ultra— où puis-je le télécharger ?
Les poids sont publiés, bien que nous ne possédions pas de lien vers un dépôt pour cela. Ce site calcule les exigences matérielles plutôt que d'héberger des fichiers de modèle.
Nemotron 3 Ultra— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 6.6 × 10²⁴ FLOP. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
Nemotron 3 Ultra— Puis-je l'exécuter s'il ne tient pas dans ma GPU?
Seulement en déchargeant, ce qui est généralement une fausse économie : la partie maintenue en mémoire système tire l'ensemble vers le bas. La plus proche approximation que nous calculons est inférieure de 73.2 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.
Nemotron 3 Ultra— deux GPUs l'exécuteraient-ils plus rapidement ?
La capacité s'additionne entre les cartes ; le débit ne le fait pas. Le nombre de cartes déjà capables de le garder par elles-mêmes : 3. Ainsi, une seconde carte est rarement la réponse ici.
Nemotron 3 Ultra— pourquoi la quantification diffère-t-elle entre les cartes ?
Parce que la capacité varie, il en va de même pour la difficulté à être comprimé. Le nombre de niveaux distincts dans le tableau ci-dessus : 1. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.
Nemotron 3 Ultra— quelle est la précision de ces estimations de vitesse ?
Ils sont calculés à partir des spécifications plutôt que mesurés, et chacun a une plage. Un exemple : 55–148 tok/s sur B300. Le même modèle et carte varient de trente à cinquante pour cent en fonction du logiciel d'inférence et de sa version.
Nemotron 3 Ultra— Quelle GPU ai-je besoin pour l'exécuter ?
La plus petite CARTE de notre catalogue qui le supporte est B300, avec une capacité de mémoire de 288 GB. Il exécute le modèle à une compression de Q3_K_M environ 239.6 GB, et produit environ 92.4 tous les GPU capables de l'exécuter en total 3.
Nemotron 3 Ultra— à quelle vitesse est-il sur un GPU ?
Cela dépend de la carte. Le plus rapide que nous calculons est B300, à propos de 92.4 tokens par seconde; le plus lent qui fonctionne encore gère considérablement moins. La vitesse de lecture est d'environ dix tokens par seconde, et le nombre de cartes qui réussissent cela : 3.
Nemotron 3 Ultra— combien de VRAM cela nécessite-t-il ?
Cela nécessite environ 239.6 GB à une compression de Q3_K_M, laquelle est la plus petite carte qui l'exécute. Moins de compression nécessite plus : les chiffres dans la colonne mémoire ci-dessus sont recalculés pour chaque carte, car chacune détient la version la moins compressée qu'elle peut.
Nemotron 3 Ultra— est-ce que c'est open source ?
Ses poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel. Notez que les poids ouverts ne sont pas la même chose que l'open source au sens plein — cela ne dit rien sur les données d'entraînement, le code d'entraînement ou les conditions commerciales attachées.
Nemotron 3 Ultra— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 550B. "550B total parameters with up to 55B active per token" from https://docs.nvidia.com/nemotron/nightly/usage-cookbook/Nemotron-3-Ultra-Base/README.html. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
Nemotron 3 Ultra— qui l'a créé ?
Il a été publié par NVIDIA, basé sur United States of America, une organisation catégorisée comme industry.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.