A Nemotron 3 Super egy nyitott súlyú AI modell, amelyet többlépcsős ügynökös feladatokra terveztek, a többféle építészeti innováció kombinációjával az osztályában lévő társaival szemben kiváló hatékonyság és pontosság érdekében. Íme 10 kulcsfontosságú erősség, amelyeket a legújabb műszaki adatokból és referenciaértékekből foglaltak össze

1 Nagy méretű, kevés aktiválás
A modell 120 milliárd összes paraméterrel rendelkezik, de a tokenenként csak 12 milliárd elemet aktivál a MoE (Latent Mixture-of-Experts) architektúra segítségével, ami drasztikusan csökkenti a számítástechnikai költségeket.

2 1M Native Context Window
Természetesen támogat akár 1 millió jelzőt is kontextusban, így az ügynökök hosszú távú feladatállapotokat tudnak fenntartani cél-visszavonulás nélkül.

3 5x átfolyamat növelése
Az inferenciát 5x magasabb átviteli teljesítmény, mint az előző Nemotron Super, különösen a Blackwell B200 GPU-kon

4 Top Intelligence Index 4 A legmagasabb intelligencia index
A mesterséges elemzés intelligenciájának indexje 3637 ponttal vezet, megelőzve a nyitott modelleket, mint például a GPT-OSS-120B (33 pont) és csak a nagyobbokat, mint Qwen3 5 122B .

5 Ügynökség-benchmark Excellence
Az ügynök-specifikus tesztek a következők: PinchBench 85 6% (nyílt nyitott társaik között), SWE-Bench OpenHands 60 47%, MMLU-Pro 83 73% és TauBench V2 61 15%

6 Több Token Előrejelzés
A Multi-Token Prediction (MTP) előrejelzés több tokent is előre jelzi egy átadásonként, lehetővé téve a spekulatív dekódolást, amely legfeljebb 3x-kal gyorsítja a kódtermelést és a strukturált feladatokat.

7 Hatékony Latens MoE
A Latent MoE kompresszi a tokeneket az Expert Routing előtt, 4x több szakértőt aktiválva ugyanazon számítási költséggel speciális területek számára, mint például külön Python/SQL szakértők

8 NVFP4 Pretraining hatékonyság
A Blackwell-on a NVFP4-ben (4 bites lebegő) kezdettől az NVFP4-ben (NVFP4) előkészített, csökkentette memóriaszükségletét és 4x-kal növeli a következtetést FP8-nál H100-en anélkül, hogy pontosságveszteség lenne

9 Robust Multi-Environment RL
A Multi-environment RL segítségével képzés NeMo Gymon a 21 beállításon keresztül, 1 2M+ kiépítéssel, stabil viselkedést biztosítva komplex ügynök munkafolyamatokban

10 Teljesen nyílt forráskód
A modell súlya, adatkészlete és képzési/időrepetíciók a NVIDIA Nemotron Open Model License alapján nyitva állnak, letölthető a Hugging Face oldalról és futtatható a NIM, vLLM vagy TensorRT-LLM segítségével.

Ez a diagram bemutatja a hibrid Mamba-Transformer-MoE architektúra magját és a Nemotron 3 Super hatékonyságát.