NVIDIA: Nemotron 3 Ultra (free)

NVIDIA Nemotron 3 Ultra es un modelo abierto de razonamiento y orquestación de frontera de NVIDIA. Es un modelo de mezcla de expertos con 55B parámetros activos de 550B en total, construido sobre una arquitectura híbrida Transformer-Mamba. La fecha de lanzamiento del proveedor es 2026-06-04. En api14 aparece como un modelo de texto bajo el identificador nvidia/nemotron-3-ultra-550b-a55b:free, y el sufijo free marca la variante disponible en esta pasarela.

El modelo acepta entrada de texto y devuelve salida de texto, por lo que encaja en canalizaciones solo de texto en lugar de trabajo multimodal. Su ventana de contexto es de 1,000,000 tokens, lo cual es suficientemente grande para contener bases de código enteras, conjuntos largos de documentos o historiales de conversación extendidos en una sola solicitud. La salida máxima es de 65,536 tokens, por lo que las respuestas pueden ser largas, pero siguen estando bien acotadas por debajo de la capacidad de entrada. Como es un modelo de razonamiento, puede exponer su proceso de razonamiento, y los parámetros soportados incluyen reasoning, reasoning_effort e include_reasoning junto con los controles de muestreo habituales.

Esas capacidades apuntan a unos cuantos usos prácticos. El contexto largo se adapta al análisis sobre repositorios grandes, colecciones de documentos legales o técnicos, y refactorizaciones de múltiples archivos donde el modelo necesita ver muchas partes de un proyecto a la vez. El enfoque en razonamiento y orquestación lo convierte en candidato para flujos de trabajo estilo agente, planificación de pasos y tareas de múltiples etapas. El soporte de llamada a herramientas significa que puede conectarse en bucles de llamada a funciones donde el modelo decide qué herramienta invocar, y el parámetro seed ayuda cuando quieres un muestreo repetible durante las pruebas.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo nvidia/nemotron-3-ultra-550b-a55b:free. Los parámetros de solicitud soportados son include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature, tool_choice, tools y top_p. En la práctica envías una solicitud de finalizaciones de chat con messages, estableces max_tokens para limitar el techo de salida de 65,536 tokens, ajustas temperature y top_p para el muestreo, y pasas tools junto con tool_choice cuando quieres llamada a funciones. Usa reasoning_effort o reasoning para controlar cuánto razonamiento produce el modelo, e include_reasoning si quieres que el razonamiento se devuelva en la respuesta.

Ten en cuenta el contexto de 1,000,000 tokens y los límites de salida de 65,536 tokens al dimensionar las solicitudes, ya que las indicaciones y las salidas comparten el mismo presupuesto en una conversación. Si tu tarea es puramente generación de texto a pequeña escala, un modelo más ligero puede ser más simple, pero para razonamiento de contexto largo, orquestación y uso de herramientas, este modelo cubre esas necesidades directamente.