NVIDIA: Nemotron 3 Nano 30B A3B

NVIDIA Nemotron 3 Nano 30B A3B ist ein kleines Sprachmodell, das von NVIDIA als Teil seiner Nemotron-Familie entwickelt wurde. Der Name spiegelt seine Architektur wider: ein Mixture-of-Experts-Design mit insgesamt etwa 30 Milliarden Parametern und etwa 3 Milliarden aktiven pro Token, was laut NVIDIA hohe Recheneffizienz und Genauigkeit liefert. Es ist ein Textmodell, das sich an Entwickler richtet, die spezialisierte agentische KI-Systeme bauen, und es wurde vom Anbieter am 14. Dezember 2025 veröffentlicht.

Das Modell nimmt Text entgegen und gibt Text zurück. Sein Kontextfenster umfasst 262.144 Token, mit einer maximalen Ausgabe von 235.929 Token, sodass es sehr lange Eingaben akzeptieren und lange Vervollständigungen in einer einzigen Anfrage erzeugen kann. Neben der reinen Generierung deuten die unterstützten Parameter darauf hin, dass Reasoning und strukturierte Ausgabe zentrale Funktionen sind: reasoning und include_reasoning werden beide akzeptiert, ebenso response_format, structured_outputs und tools. Sampling- und Decoding-Steuerungen umfassen temperature, top_p, top_k, repetition_penalty, frequency_penalty, presence_penalty, stop, seed und logit_bias, plus logprobs und top_logprobs zur Einsicht in Wahrscheinlichkeiten auf Token-Ebene.

Diese Fähigkeiten weisen auf einige praktische Arbeitslasten hin. Das große Kontextfenster eignet sich für die Verarbeitung langer Dokumente, etwa Zusammenfassung, Extraktion und Fragebeantwortung über umfangreiche Codebasen oder Berichtssammlungen, ohne aggressives Chunking. Die agentische Positionierung, kombiniert mit Tool-Aufrufen und strukturierten Ausgaben, passt zu Pipelines, in denen das Modell entscheidet, welche Tools aufgerufen werden, und maschinenlesbare Ergebnisse zurückgibt, zum Beispiel Datenanreicherung, Retrieval-Orchestrierung oder mehrstufige Automatisierung. Die Reasoning-Steuerungen sind nützlich für Aufgaben, bei denen das Zwischendenken des Modells von seiner endgültigen Antwort getrennt werden soll, etwa Analyse, Planung oder Debugging. Da es ein kleines, auf Effizienz ausgerichtetes Modell ist, eignet es sich auch für Texttransformationsaufgaben mit hohem Volumen, bei denen der Durchsatz wichtiger ist als die Spitzenleistung.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "nvidia/nemotron-3-nano-30b-a3b" auf. Da der Endpunkt dem OpenAI-Schema folgt, funktionieren Standard-Anfragen im Chat-Completions-Stil, und Sie können jeden der oben aufgeführten Parameter im Request-Body übergeben, einschließlich tools und tool_choice für Function Calling, response_format für strukturierte Antworten und max_tokens zur Begrenzung der Ausgabelänge. Streaming- und Logging-Optionen verhalten sich wie bei anderen Modellen auf dem Gateway.

Es ist ein reines Textmodell. Es akzeptiert keine Bild- oder Audioeingabe, daher erfordern multimodale Aufgaben ein anderes Modell, und die Anbieterbeschreibung positioniert es für spezialisierte agentische Systeme statt als allgemeines Flaggschiff. Wenn eine Arbeitslast Vision, andere Eingabemodalitäten oder das breitere Wissen eines größeren Modells benötigt, sollten Sie Alternativen in Betracht ziehen; für lange Kontexte, reasoning-lastige oder tool-getriebene Textpipelines ist die Kombination dieses Modells aus einem 262.144-Token-Fenster, Tool-Unterstützung und effizienter MoE-Architektur der Grund, es zu wählen.