NVIDIA: Nemotron 3 Super

Nemotron 3 Super är en NVIDIA-textmodell, publicerad under model-id:t nvidia/nemotron-3-super-120b-a12b. NVIDIA beskriver den som en öppen hybrid MoE-modell med 120B parametrar som aktiverar bara 12B parametrar, byggd på en hybrid Mamba-Transformer-design. Nivån "Super" finns inom NVIDIAs Nemotron 3-familj, och leverantörens releasedatum är 2026-03-11. Det är en text-only-modell, så den tar inte emot bilder eller ljud, och den producerar textutdata.

Modellen tar emot textinmatning och returnerar textutdata. Dess kontextfönster är 262 144 tokens, och maximal utdata är 235 929 tokens, så både långa indata och långa genereringar är möjliga inom en enda begäran. De parametrar som stöds inkluderar de vanliga samplingskontrollerna (temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty, seed, stop, logit_bias) samt resonemangskontroller (reasoning, reasoning_effort, include_reasoning). Den stöder också logprobs och top_logprobs, response_format, structured_outputs, tools och tool_choice.

Dessa funktioner pekar mot några praktiska användningsområden. Det stora kontextfönstret passar arbete som involverar långa dokument, till exempel att sammanfatta eller extrahera strukturerad data från långa rapporter, kontrakt eller transkriptioner. Tool calling och strukturerade utdata gör den till en kandidat för agentliknande arbetsflöden där modellen måste avgöra vilken funktion som ska anropas och returnera argument i ett fast schema. Resonemangsparametrarna låter dig avväga hur mycket internt resonemang modellen utför, vilket är användbart för uppgifter som kräver flerstegsanalys snarare än snabba svar. Eftersom den är text-only passar den pipeline som redan är textbaserade och inte behöver vision.

Du anropar den via api14:s OpenAI-kompatibla API genom att ställa in fältet model till "nvidia/nemotron-3-super-120b-a12b". Förfrågningskroppen följer OpenAI chat completions-formen, så messages, tools, response_format och samplingsparametrarna som listas ovan kan skickas direkt. Om du vill att modellens resonemang ska visas, ställ in include_reasoning eller använd parametrarna reasoning och reasoning_effort. För deterministiska eller reproducerbara körningar, använd seed tillsammans med temperature. Om du behöver JSON-utdata finns response_format eller structured_outputs tillgängliga.

Det finns ett par saker att ha i åtanke. Modellen är endast text, så om din applikation behöver läsa bilder eller ljud passar en multimodal modell bättre. Kontextfönstret är stort men ändligt på 262 144 tokens, och utdatagränsen är 235 929 tokens, så mycket stora batcher av dokument kan fortfarande behöva delas upp. Resonemangslägen kan lägga till latens, så för enkel klassificering eller korta svar föredrar du kanske en mindre modell eller en modell utan resonemang.