NVIDIA: Nemotron 3 Ultra (free)

NVIDIA Nemotron 3 Ultra ist ein offenes Frontier-Reasoning- und Orchestrierungsmodell von NVIDIA. Es ist ein Mixture-of-Experts-Modell mit 55B aktiven Parametern von insgesamt 550B, aufgebaut auf einer hybriden Transformer-Mamba-Architektur. Das Veröffentlichungsdatum des Anbieters ist der 2026-06-04. Auf api14 erscheint es als Textmodell unter der Kennung nvidia/nemotron-3-ultra-550b-a55b:free, und das Suffix free kennzeichnet die Variante, die auf diesem Gateway verfügbar ist.

Das Modell akzeptiert Texteingabe und liefert Textausgabe, passt also zu reinen Text-Pipelines und nicht zu multimodaler Arbeit. Sein Kontextfenster beträgt 1.000.000 Tokens, was groß genug ist, um ganze Codebasen, lange Dokumentensammlungen oder ausgedehnte Gesprächsverläufe in einer einzigen Anfrage aufzunehmen. Die maximale Ausgabe beträgt 65.536 Tokens, Antworten können also lang sein, bleiben aber deutlich unter der Eingabekapazität. Da es ein Reasoning-Modell ist, kann es seinen Reasoning-Prozess offenlegen, und zu den unterstützten Parametern gehören reasoning, reasoning_effort und include_reasoning neben den üblichen Sampling-Steuerungen.

Diese Fähigkeiten deuten auf einige praktische Einsatzmöglichkeiten hin. Der lange Kontext eignet sich für Analysen über große Repositories, juristische oder technische Dokumentensammlungen und Multi-File-Refactorings, bei denen das Modell viele Teile eines Projekts gleichzeitig sehen muss. Der Fokus auf Reasoning und Orchestrierung macht es zu einem Kandidaten für agentenartige Workflows, Planungsschritte und mehrstufige Aufgaben. Die Unterstützung von Tool Calling bedeutet, dass es in Function-Calling-Schleifen eingebunden werden kann, in denen das Modell entscheidet, welches Tool aufgerufen wird, und der Parameter seed hilft, wenn Sie während Tests reproduzierbares Sampling wünschen.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID nvidia/nemotron-3-ultra-550b-a55b:free auf. Die unterstützten Anfrageparameter sind include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature, tool_choice, tools und top_p. In der Praxis senden Sie eine Chat-Completions-Anfrage mit messages, setzen max_tokens, um die Obergrenze der Ausgabe von 65.536 Tokens zu begrenzen, passen temperature und top_p für das Sampling an und übergeben tools plus tool_choice, wenn Sie Function Calling wünschen. Verwenden Sie reasoning_effort oder reasoning, um zu steuern, wie viel Reasoning das Modell erzeugt, und include_reasoning, wenn das Reasoning in der Antwort zurückgegeben werden soll.

Behalten Sie den Kontext von 1.000.000 Tokens und das Ausgabelimit von 65.536 Tokens im Blick, wenn Sie Anfragen dimensionieren, da Prompts und Ausgaben in einem Gespräch dasselbe Budget teilen. Wenn Ihre Aufgabe reine Textgenerierung in kleinem Maßstab ist, mag ein leichteres Modell einfacher sein, aber für Long-Context-Reasoning, Orchestrierung und Tool-Nutzung deckt dieses Modell diese Anforderungen direkt ab.