NVIDIA: Nemotron 3 Super

O Nemotron 3 Super é um modelo de texto da NVIDIA, publicado sob o id de modelo nvidia/nemotron-3-super-120b-a12b. A NVIDIA descreve-o como um modelo MoE híbrido aberto de 120B parâmetros que ativa apenas 12B parâmetros, construído sobre um design híbrido Mamba-Transformer. O nível "Super" situa-se dentro da família Nemotron 3 da NVIDIA, e a data de lançamento do fornecedor é 2026-03-11. É um modelo apenas de texto, pelo que não aceita imagens ou áudio, e produz saída de texto.

O modelo aceita entrada de texto e devolve saída de texto. A sua janela de contexto é de 262,144 tokens, e a saída máxima é de 235,929 tokens, pelo que entradas longas e gerações longas são ambas possíveis dentro de um único pedido. Os parâmetros suportados incluem os controlos de amostragem habituais (temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty, seed, stop, logit_bias), bem como controlos de raciocínio (reasoning, reasoning_effort, include_reasoning). Também suporta logprobs e top_logprobs, response_format, structured_outputs, tools e tool_choice.

Essas capacidades apontam para alguns usos práticos. A grande janela de contexto adequa-se a trabalho que envolve documentos longos, como resumir ou extrair dados estruturados de relatórios, contratos ou transcrições extensos. A chamada de ferramentas e as saídas estruturadas tornam-no um candidato para fluxos de trabalho no estilo de agentes, em que o modelo tem de decidir que função chamar e devolver argumentos num esquema fixo. Os parâmetros de raciocínio permitem equilibrar a quantidade de raciocínio interno que o modelo faz, o que é útil para tarefas que exigem análise em vários passos em vez de respostas rápidas. Como é apenas de texto, encaixa em pipelines que já são baseados em texto e não precisam de visão.

Chama-o através da API compatível com OpenAI da api14, definindo o campo model como "nvidia/nemotron-3-super-120b-a12b". O corpo do pedido segue a forma das chat completions da OpenAI, pelo que messages, tools, response_format e os parâmetros de amostragem listados acima podem ser passados diretamente. Se quiser expor o raciocínio do modelo, defina include_reasoning ou use os parâmetros reasoning e reasoning_effort. Para execuções determinísticas ou reproduzíveis, use seed em conjunto com temperature. Se precisar de saída JSON, response_format ou structured_outputs estão disponíveis.

Há alguns pontos a ter em conta. O modelo é apenas de texto, pelo que, se a sua aplicação precisa de ler imagens ou áudio, um modelo multimodal é mais adequado. A janela de contexto é grande mas finita, com 262,144 tokens, e o limite de saída é de 235,929 tokens, pelo que lotes muito grandes de documentos podem ainda precisar de divisão em partes. Os modos de raciocínio podem acrescentar latência, pelo que, para classificação simples ou respostas curtas, pode preferir um modelo mais pequeno ou sem raciocínio.