Nemotron 3 Ultra (NVFP4)

Oversikt. NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4 er flaggskipmodellversjonen av NVIDIAs nye Nemotron 3-generasjon – en hybrid Mamba2-Transformer mixture-of-experts-modell med 550 milliarder parametere totalt og 55 milliarder aktive per token. Den er bygget av NVIDIA og ettertrent med SFT, RL og MOPD. Modellen genererer et synlig resonneringsspor før det endelige svaret og tilbyr et konfigurerbart tenkebudsjett. Den betjenes i Stav via et Fireworks AI-inferensendepunkt, og vektene er åpent utgitt under OpenMDW-1.1-lisensen i stedet for å holdes lukket.

Viktigste styrker. Det mest fremtredende trekket er arkitekturen: et hybrid Mamba2-Transformer LatentMoE-design som bare aktiverer 55 milliarder av de 550 milliardene parameterne per token, noe som plasserer den øverst i NVIDIAs Nano/Super/Ultra Nemotron 3-serie. Resonneringssporet med konfigurerbart tenkebudsjett gjør at utviklere kan justere resonneringsdybden opp eller ned for en gitt oppgave, i stedet for å akseptere en fast responsstil. Et innebygd kontekstvindu på 256k token – som kan utvides til 1 million token med eksplisitt konfigurasjon for lange kontekster – støtter store inndatadokumenter eller lange samtalehistorikker uten avkorting. Tredjeparts referansetester er nå tilgjengelige for denne modellen – Artificial Analysis rapporterer en Intelligence Index-skår for Nemotron 3 Ultra 550B A55B som plasserer den over medianen blant sammenlignbare modeller med åpne vekter – og disse styrkene bekreftes dermed av ekstern evaluering i tillegg til arkitektur- og designsignaler.

Når du bør bruke den. Velg denne modellen når en oppgave drar nytte av et eksplisitt resonneringsspor – flertrinnlogikk, planlegging eller agentiske arbeidsflyter der du ønsker innsyn i hvordan modellen kom frem til svaret, i tråd med klassifiseringen for resonneringskompleksitet. Det lange innebygde kontekstvinduet gjør den egnet til analyse av store dokumenter eller utvidede samtalehistorikker innenfor ett enkelt kall. Siden generering av resonneringsspor gjerne gir lengre svar, passer den bedre til batch- eller asynkrone arbeidsbelastninger enn til streng sanntidschat med kort svartid.

Begrensninger. Dette er NVFP4 4-bits kvantisert modellversjon – en egen variant fra NVIDIAs ukvantiserte BF16-utgivelse av samme modell. Det er ikke publisert noen dokumentert maksimumsgrense for utdata-token utover eksempelbruk i modellkortet, så fullføringslengden bør testes for din arbeidsbelastning. Treningsdataene slutter i mai 2026, med et tidligere stopp i september 2025 for fortreningen, og resonneringssporatferden gir generelt lengre og mindre forutsigbare svartider enn modeller uten resonnering.

Suverenitetsnotat. NVIDIA er en amerikansk modellskaper, og det er ikke offentliggjort noen policy for datalokasjon eller trening på inndata for denne modellversjonen i gjeldende dokumentasjon, så vanlige CLOUD Act-hensyn for amerikanske modellskapere gjelder. Denne modellen bør ikke beskrives som suveren inntil NVIDIA eller det betjenende endepunktet offentliggjør mer informasjon.