NVIDIA: Nemotron 3 Super (free)

NVIDIA Nemotron 3 Super est un modèle textuel de NVIDIA, publié le 11 mars 2026. C'est un modèle ouvert de type mélange d'experts hybride de 120B de paramètres qui n'active que 12B de paramètres, ce que NVIDIA décrit comme un moyen d'obtenir efficacité de calcul et précision dans des applications multi-agents complexes. Il est construit sur une architecture hybride Mamba-Transformer. Sur api14, il est répertorié sous l'identifiant de modèle nvidia/nemotron-3-super-120b-a12b:free.

Le modèle fonctionne avec une entrée texte et produit une sortie texte. Sa fenêtre de contexte est de 262 144 tokens, et la sortie maximale est de 235 929 tokens, il peut donc contenir des entrées très longues et tout de même renvoyer de longues générations en une seule requête. Comme c'est un modèle capable de raisonnement, les réponses peuvent inclure une composante de raisonnement, et les paramètres pris en charge incluent include_reasoning, reasoning et reasoning_effort pour contrôler ce comportement.

Ces capacités indiquent des cas d'usage où le contexte long et le raisonnement multi-étapes importent. Une fenêtre de 262k tokens convient au travail sur de grands documents, de longs historiques de conversation ou des bases de code qui ne tiendraient pas dans des modèles plus petits. Les contrôles de raisonnement et le cadrage multi-agents dans la description de NVIDIA en font un candidat raisonnable pour des flux de travail de type agent, des pipelines pilotés par outils et des tâches nécessitant une sortie structurée. La sortie maximale élevée aide aussi lorsqu'une réponse unique doit être longue, comme un rapport détaillé ou une extraction étendue sur de nombreux enregistrements.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle nvidia/nemotron-3-super-120b-a12b:free. Les paramètres de requête qu'il prend en charge sont include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, temperature, tool_choice, tools et top_p. En pratique, cela signifie que vous pouvez régler l'échantillonnage avec temperature et top_p, plafonner la réponse avec max_tokens, rendre les exécutions reproductibles avec seed, demander une sortie JSON ou contrainte par schéma avec response_format et structured_outputs, et fournir au modèle des fonctions appelables via tools et tool_choice. Les paramètres de raisonnement vous permettent de décider si le raisonnement est renvoyé et combien d'effort y est consacré.

Deux limites méritent d'être notées avant de vous engager. L'entrée est uniquement textuelle, donc ce modèle n'est pas le bon choix si vous devez envoyer des images ou de l'audio. C'est aussi un grand modèle, et les fonctionnalités de raisonnement et d'outils ajoutent de la complexité aux requêtes, donc pour des tâches textuelles courtes, simples et sensibles à la latence, un modèle plus petit peut mieux convenir.