NVIDIA: Nemotron 3 Ultra (free)

NVIDIA Nemotron 3 Ultra to otwarty model rozumowania i orkiestracji frontier od NVIDIA. Jest to model mieszanki ekspertów z 55B aktywnych parametrów z 550B całkowitych, zbudowany na hybrydowej architekturze Transformer-Mamba. Data wydania przez dostawcę to 2026-06-04. W api14 pojawia się jako model tekstowy pod identyfikatorem nvidia/nemotron-3-ultra-550b-a55b:free, a sufiks free oznacza wariant dostępny na tej bramie.

Model przyjmuje dane wejściowe tekstowe i zwraca dane wyjściowe tekstowe, więc pasuje do potoków wyłącznie tekstowych, a nie do pracy multimodalnej. Jego okno kontekstu wynosi 1,000,000 tokenów, co jest wystarczająco duże, aby pomieścić całe bazy kodu, długie zestawy dokumentów lub rozszerzone historie rozmów w jednym żądaniu. Maksymalne wyjście to 65,536 tokenów, więc odpowiedzi mogą być długie, ale są nadal ograniczone znacznie poniżej pojemności wejściowej. Ponieważ jest to model rozumowania, może ujawnić swój proces rozumowania, a obsługiwane parametry obejmują reasoning, reasoning_effort i include_reasoning obok zwykłych kontroli próbkowania.

Te możliwości wskazują na kilka praktycznych zastosowań. Długi kontekst pasuje do analizy dużych repozytoriów, zbiorów dokumentów prawnych lub technicznych oraz refaktoryzacji wielu plików, gdzie model musi widzieć wiele części projektu jednocześnie. Nacisk na rozumowanie i orkiestrację czyni go kandydatem do przepływów pracy w stylu agenta, planowania kroków i zadań wieloetapowych. Obsługa wywoływania narzędzi oznacza, że można go podłączyć do pętli wywoływania funkcji, w których model decyduje, które narzędzie wywołać, a parametr seed pomaga, gdy chcesz powtarzalnego próbkowania podczas testowania.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu nvidia/nemotron-3-ultra-550b-a55b:free. Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, reasoning_effort, seed, temperature, tool_choice, tools i top_p. W praktyce wysyłasz żądanie uzupełnień czatu z messages, ustawiasz max_tokens, aby ograniczyć pułap wyjścia 65,536 tokenów, dostosowujesz temperature i top_p do próbkowania oraz przekazujesz tools i tool_choice, gdy chcesz wywoływania funkcji. Użyj reasoning_effort lub reasoning, aby kontrolować, ile rozumowania produkuje model, oraz include_reasoning, jeśli chcesz, aby rozumowanie zostało zwrócone w odpowiedzi.

Pamiętaj o limicie kontekstu 1,000,000 tokenów i limicie wyjścia 65,536 tokenów przy ustalaniu rozmiaru żądań, ponieważ prompty i wyjścia dzielą ten sam budżet w rozmowie. Jeśli twoje zadanie to wyłącznie generowanie tekstu na małą skalę, lżejszy model może być prostszy, ale do rozumowania na długim kontekście, orkiestracji i użycia narzędzi ten model pokrywa te potrzeby bezpośrednio.