NVIDIA: Nemotron 3 Ultra (free)

NVIDIA Nemotron 3 Ultra adalah model penalaran dan orkestrasi frontier terbuka dari NVIDIA. Ini adalah model mixture-of-experts dengan 55B parameter aktif dari total 550B, dibangun di atas arsitektur hybrid Transformer-Mamba. Tanggal rilis penyedia adalah 2026-06-04. Di api14 model ini muncul sebagai model teks dengan pengenal nvidia/nemotron-3-ultra-550b-a55b:free, dan akhiran free menandai varian yang tersedia di gateway ini.

Model ini menerima input teks dan mengembalikan output teks, sehingga cocok untuk pipeline teks saja, bukan untuk pekerjaan multimodal. Jendela konteksnya adalah 1.000.000 token, cukup besar untuk menampung seluruh basis kode, kumpulan dokumen panjang atau riwayat percakapan yang diperpanjang dalam satu permintaan. Output maksimum adalah 65.536 token, sehingga respons bisa panjang, tetapi tetap dibatasi jauh di bawah kapasitas input. Karena ini adalah model penalaran, ia dapat mengekspos proses penalarannya, dan parameter yang didukung mencakup reasoning, reasoning_effort dan include_reasoning bersama kontrol sampling yang biasa.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Konteks panjang cocok untuk analisis atas repositori besar, kumpulan dokumen hukum atau teknis, dan refaktor multi-file di mana model perlu melihat banyak bagian proyek sekaligus. Fokus pada penalaran dan orkestrasi menjadikannya kandidat untuk alur kerja bergaya agen, langkah perencanaan dan tugas multi-tahap. Dukungan tool calling berarti model ini dapat dihubungkan ke loop function-calling di mana model memutuskan tool mana yang akan dipanggil, dan parameter seed membantu ketika Anda menginginkan sampling yang dapat diulang selama pengujian.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id nvidia/nemotron-3-ultra-550b-a55b:free. Parameter permintaan yang didukung adalah include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature, tool_choice, tools dan top_p. Dalam praktiknya Anda mengirim permintaan chat completions dengan messages, mengatur max_tokens untuk membatasi plafon output 65.536 token, menyesuaikan temperature dan top_p untuk sampling, serta meneruskan tools plus tool_choice ketika Anda menginginkan function calling. Gunakan reasoning_effort atau reasoning untuk mengontrol seberapa banyak penalaran yang dihasilkan model, dan include_reasoning jika Anda ingin penalaran dikembalikan dalam respons.

Ingatlah batas konteks 1.000.000 token dan output 65.536 token saat menentukan ukuran permintaan, karena prompt dan output berbagi anggaran yang sama dalam sebuah percakapan. Jika tugas Anda murni pembuatan teks dalam skala kecil, model yang lebih ringan mungkin lebih sederhana, tetapi untuk penalaran konteks panjang, orkestrasi dan penggunaan tool, model ini mencakup kebutuhan tersebut secara langsung.