NVIDIA: Nemotron 3 Ultra (free)

NVIDIA Nemotron 3 Ultra est un modèle ouvert de raisonnement et d'orchestration de pointe de NVIDIA. C'est un modèle mélange d'experts avec 55B de paramètres actifs sur 550B au total, construit sur une architecture hybride Transformer-Mamba. La date de publication du fournisseur est le 2026-06-04. Sur api14, il apparaît comme un modèle texte sous l'identifiant nvidia/nemotron-3-ultra-550b-a55b:free, et le suffixe free marque la variante disponible sur cette passerelle.

Le modèle accepte une entrée texte et renvoie une sortie texte, ce qui le destine aux pipelines texte uniquement plutôt qu'au travail multimodal. Sa fenêtre de contexte est de 1 000 000 de tokens, ce qui est suffisamment grand pour contenir des bases de code entières, de longs ensembles de documents ou des historiques de conversation étendus en une seule requête. La sortie maximale est de 65 536 tokens, les réponses peuvent donc être longues, mais elles restent bien en dessous de la capacité d'entrée. Comme c'est un modèle de raisonnement, il peut exposer son processus de raisonnement, et les paramètres pris en charge incluent reasoning, reasoning_effort et include_reasoning aux côtés des contrôles d'échantillonnage habituels.

Ces capacités indiquent quelques usages pratiques. Le contexte long convient à l'analyse de grands dépôts, de collections de documents juridiques ou techniques, et de refactorisations multi-fichiers où le modèle doit voir de nombreuses parties d'un projet à la fois. L'accent mis sur le raisonnement et l'orchestration en fait un candidat pour les flux de travail de type agent, les étapes de planification et les tâches multi-étapes. La prise en charge de l'appel d'outils signifie qu'il peut être intégré dans des boucles d'appel de fonctions où le modèle décide quel outil invoquer, et le paramètre seed aide lorsque vous voulez un échantillonnage reproductible pendant les tests.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'id de modèle nvidia/nemotron-3-ultra-550b-a55b:free. Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature, tool_choice, tools et top_p. En pratique, vous envoyez une requête de complétion de chat avec messages, vous définissez max_tokens pour plafonner la limite de sortie de 65 536 tokens, vous ajustez temperature et top_p pour l'échantillonnage, et vous passez tools plus tool_choice lorsque vous voulez l'appel de fonctions. Utilisez reasoning_effort ou reasoning pour contrôler la quantité de raisonnement produite par le modèle, et include_reasoning si vous voulez que le raisonnement soit renvoyé dans la réponse.

Gardez à l'esprit le contexte de 1 000 000 de tokens et les limites de sortie de 65 536 tokens lorsque vous dimensionnez les requêtes, car les invites et les sorties partagent le même budget dans une conversation. Si votre tâche est purement de la génération de texte à petite échelle, un modèle plus léger peut être plus simple, mais pour le raisonnement à long contexte, l'orchestration et l'utilisation d'outils, ce modèle couvre directement ces besoins.