NVIDIA: Nemotron 3 Ultra (free)

NVIDIA Nemotron 3 Ultra is een open frontier reasoning- en orchestratiemodel van NVIDIA. Het is een mixture-of-experts model met 55B actieve parameters van in totaal 550B, gebouwd op een hybride Transformer-Mamba architectuur. De releasedatum van de provider is 2026-06-04. Op api14 verschijnt het als een tekstmodel onder de identifier nvidia/nemotron-3-ultra-550b-a55b:free, en het achtervoegsel free markeert de variant die beschikbaar is op deze gateway.

Het model accepteert tekstinvoer en retourneert tekstuitvoer, dus het past bij tekst-only pipelines in plaats van multimodaal werk. Het contextvenster is 1.000.000 tokens, wat groot genoeg is om volledige codebases, lange documentsets of uitgebreide gespreksgeschiedenissen in een enkele aanvraag te bevatten. De maximale uitvoer is 65.536 tokens, dus antwoorden kunnen lang zijn, maar ze blijven ruim onder de invoercapaciteit. Omdat het een reasoning-model is, kan het zijn redeneerproces blootleggen, en de ondersteunde parameters omvatten reasoning, reasoning_effort en include_reasoning naast de gebruikelijke sampling-instellingen.

Die mogelijkheden wijzen op een paar praktische toepassingen. De lange context is geschikt voor analyse over grote repositories, juridische of technische documentverzamelingen, en multi-file refactors waarbij het model veel delen van een project tegelijk moet zien. De focus op reasoning en orchestratie maakt het een kandidaat voor agent-achtige workflows, planningsstappen en meerfasige taken. Ondersteuning voor tool calling betekent dat het kan worden gekoppeld aan function-calling loops waarin het model beslist welke tool het aanroept, en de seed-parameter helpt wanneer je herhaalbare sampling wilt tijdens het testen.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id nvidia/nemotron-3-ultra-550b-a55b:free. De ondersteunde aanvraagparameters zijn include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature, tool_choice, tools en top_p. In de praktijk stuur je een chat completions-aanvraag met messages, stel je max_tokens in om het uitvoerplafond van 65.536 tokens te begrenzen, pas je temperature en top_p aan voor sampling, en geef je tools plus tool_choice door wanneer je function calling wilt. Gebruik reasoning_effort of reasoning om te bepalen hoeveel redenering het model produceert, en include_reasoning als je de redenering in het antwoord wilt terugkrijgen.

Houd de context van 1.000.000 tokens en de uitvoerlimiet van 65.536 tokens in gedachten bij het dimensioneren van aanvragen, aangezien prompts en uitvoer hetzelfde budget delen in een gesprek. Als je taak puur tekstgeneratie op kleine schaal is, kan een lichter model eenvoudiger zijn, maar voor long-context reasoning, orchestratie en toolgebruik dekt dit model die behoeften direct.