NVIDIA: Nemotron 3 Super

Nemotron 3 Super est un modèle texte NVIDIA, publié sous l'identifiant de modèle nvidia/nemotron-3-super-120b-a12b. NVIDIA le décrit comme un modèle MoE hybride ouvert de 120B paramètres qui active seulement 12B paramètres, construit sur une conception hybride Mamba-Transformer. Le niveau "Super" se situe dans la famille Nemotron 3 de NVIDIA, et la date de publication du fournisseur est le 2026-03-11. C'est un modèle texte uniquement, donc il n'accepte pas les images ni l'audio, et il produit une sortie texte.

Le modèle accepte une entrée texte et renvoie une sortie texte. Sa fenêtre de contexte est de 262,144 tokens, et la sortie maximale est de 235,929 tokens, donc les entrées longues et les générations longues sont toutes deux possibles dans une seule requête. Les paramètres pris en charge incluent les contrôles d'échantillonnage habituels (temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty, seed, stop, logit_bias) ainsi que les contrôles de raisonnement (reasoning, reasoning_effort, include_reasoning). Il prend également en charge logprobs et top_logprobs, response_format, structured_outputs, tools et tool_choice.

Ces capacités indiquent quelques usages pratiques. La grande fenêtre de contexte convient aux travaux impliquant de longs documents, comme le résumé ou l'extraction de données structurées à partir de rapports, contrats ou transcriptions volumineux. L'appel d'outils et les sorties structurées en font un candidat pour les flux de travail de type agent, où le modèle doit décider quelle fonction appeler et renvoyer les arguments dans un schéma fixe. Les paramètres de raisonnement permettent d'ajuster la quantité de raisonnement interne effectuée par le modèle, ce qui est utile pour les tâches nécessitant une analyse en plusieurs étapes plutôt que des réponses rapides. Comme il est texte uniquement, il s'intègre aux pipelines déjà basés sur du texte et qui n'ont pas besoin de vision.

Vous l'appelez via l'API compatible OpenAI d'api14 en définissant le champ model sur "nvidia/nemotron-3-super-120b-a12b". Le corps de la requête suit la forme des chat completions d'OpenAI, donc messages, tools, response_format et les paramètres d'échantillonnage listés ci-dessus peuvent être passés directement. Si vous voulez que le raisonnement du modèle soit exposé, définissez include_reasoning ou utilisez les paramètres reasoning et reasoning_effort. Pour des exécutions déterministes ou reproductibles, utilisez seed avec temperature. Si vous avez besoin d'une sortie JSON, response_format ou structured_outputs sont disponibles.

Il y a deux ou trois choses à garder à l'esprit. Le modèle est texte uniquement, donc si votre application doit lire des images ou de l'audio, un modèle multimodal est plus adapté. La fenêtre de contexte est grande mais finie à 262,144 tokens, et le plafond de sortie est de 235,929 tokens, donc de très grands lots de documents peuvent encore nécessiter un découpage. Les modes de raisonnement peuvent ajouter de la latence, donc pour une classification simple ou des réponses courtes, vous préférerez peut-être un modèle plus petit ou sans raisonnement.