Fiche modèle
Nemotron 3 Ultra
Nvidia · poids ouverts · sorti le 04/06/2026
Date de sortie, éditeur et accès : Epoch AI, CC BY 4.0. Fiche régénérée le 07/10/2026.
Taille
550 Md
55 Md actifs
Scores
Rang parmi les 274 modèles de l’indice ECI évalués par la même source. Un nom de benchmark mène à son explication.
| Benchmark | Score | Rang | Réglage | Source |
|---|---|---|---|---|
| Indice de capacités ECI (Epoch AI)Capacités générales | 146,2143,9–148,0 | 77 / 274 | Epoch AI, CC BY 4.0, non daté par la source, vu publié le 07/10/2026 | |
| LMArena texte, contrôle du styleConversation (préférence humaine) | 1 4261 419–1 433 | 64 / 166 | « nvidia-nemotron-3-ultra-550b-a55b-nvfp4 » | LMArena, CC BY 4.0, publié le 02/10/2026 |
| GPQA Diamond (Epoch AI)Sciences | 85,4 %80,4–90,3 | 63 / 186 | réglage « nemotron-3-ultra » | Epoch AI, CC BY 4.0, publié le 10/08/2026 |
| FrontierMath, niveaux 1 à 3 (Epoch AI) | non évalué par Epoch AI | |||
| OTIS Mock AIME 2024-2025 (Epoch AI)Maths de concours | 86,7 %76,6–96,7 | 61 / 176 | réglage « nemotron-3-ultra » | Epoch AI, CC BY 4.0, publié le 10/08/2026 |
| SimpleQA Verified (Epoch AI) | non évalué par Epoch AI | |||
| SWE-bench Verified (Epoch AI) | non évalué par Epoch AI | |||
Sources : Epoch AI, « Capabilities & benchmarking », epoch.ai/benchmarks (CC BY 4.0) ; LMArena, leaderboard-dataset (Hugging Face), CC BY 4.0. Données adaptées : pourcentages, arrondis, meilleur réglage retenu, prix mélangé, rangs et frontière calculés ici.
Prix par fournisseur d’API
| Fournisseur | Entrée $/M | Sortie $/M | Mélangé | Clé LiteLLM |
|---|---|---|---|---|
| Perplexity | 0,25 $ | 2,50 $ | 0,81 $ | perplexity/perplexity/nemotron-3-ultra-550b-a55b |
| Weights & Biases | 0,50 $ | 2,15 $ | 0,91 $ | wandb/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B |
| DeepInfra | 0,50 $ | 2,20 $ | 0,93 $ | deepinfra/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B |
| Baseten | 0,60 $ | 2,40 $ | 1,05 $ | baseten/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B |
| Fireworks AI | 0,60 $ | 2,40 $ | 1,05 $ | fireworks_ai/nemotron-3-ultra-nvfp4 |
| Microsoft Azure AI Foundry | 0,66 $ | 2,64 $ | 1,16 $ | azure_ai/FW-Nemotron-3-Ultra-NVFP4 |
| Together AI | 0,60 $ | 3,60 $ | 1,35 $ | together_ai/nvidia/nemotron-3-ultra-550b-a55b |
| Nebius | 1,00 $ | 3,00 $ | 1,50 $ | nebius/nvidia/Nemotron-3-Ultra-550b-a55b |
$ par million de jetons, tarif catalogue sans remise, sans cache ni traitement par lots. 8 offres rapprochées. Écart entre le moins cher (Perplexity, 0,81 $) et le plus cher : × 1,8. Relevé du 07/10/2026 ; vérifier chez le fournisseur avant de choisir. Sources : Prix : LiteLLM (BerriAI), licence MIT, © 2023 Berri AI. Données adaptées : pourcentages, arrondis, meilleur réglage retenu, prix mélangé, rangs et frontière calculés ici.
L’héberger soi-même
- Accès aux poids
- poids libres (usage sans restriction) (Epoch AI, CC BY 4.0)
- Licence
- OpenMDW 1.1 (carte du dépôt, déclaration de l’éditeur lue le 01/10/2026 ; lire la licence avant tout usage commercial)
- Taille
- 550 Md de paramètres, dont 55 Md actifs à chaque jeton (modèle à experts) (Epoch AI, CC BY 4.0 ; confiance d’Epoch : Likely ; note : « "550B total parameters with up to 55B active per token" from https://docs.nvidia.com/nemotron/nightly/usage-cookbook/Nemotron-3-Ultra-Base/README.html »)
- Poids
- huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4 (dépôt rapproché par la table de correspondance, existence vérifiée auprès de Hugging Face le 01/10/2026) Ce dépôt publie les poids en format réduit (NVFP4) : c’est la ligne correspondante du tableau de mémoire qui s’applique.
Mémoire nécessaire
| Format des poids | Poids seuls | Ordre de grandeur du matériel |
|---|---|---|
| BF16 (pleine précision usuelle) | 1 100 Go | un serveur à huit cartes de 141 à 192 Go |
| FP8 / 8 bits | 550 Go | un serveur à huit cartes de 80 Go (640 Go) |
| 4 bits (GGUF Q4_K_M, environ 4,8 bits par paramètre) | 330 Go | un serveur à huit cartes de 80 Go (640 Go) |
Calcul du Crible : 550 Md de paramètres × 2 octets (BF16), × 1 (FP8), × 0,6 environ (4 bits). Ajouter le cache de contexte, qui grandit avec la longueur des conversations et le nombre d’utilisateurs. Un modèle à experts doit charger tous ses paramètres en mémoire, mais n’en calcule que 55 Md par jeton : il répond plus vite que sa taille ne le laisse penser.
Outils
- vLLM (serveur, cartes graphiques) :
vllm serve nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4sert le dépôt Hugging Face derrière une API compatible OpenAI. Le modèle doit être pris en charge par la version installée. - llama.cpp (ordinateur, processeur ou carte graphique) : lit les poids au format GGUF, souvent publiés en 4 bits par la communauté. Chercher une version GGUF (rien ne garantit qu’elle existe ni qu’elle est fidèle), puis
llama-server -hf <dépôt GGUF>. - Ollama (le plus simple sur un ordinateur) :
ollama run hf.co/<dépôt GGUF>lance une version GGUF publiée sur Hugging Face.
Commandes d’après la documentation de chaque outil (liens ci-dessus). Les tailles, l’accès et les liens viennent des sources citées ; de Hugging Face, Le Crible ne reprend que l’adresse du dépôt et l’identifiant de licence déclaré sur sa carte. Sources : Epoch AI, « Data on AI models », epoch.ai/data/ai-models (CC BY 4.0) ; LMArena, leaderboard-dataset (Hugging Face), CC BY 4.0. Données adaptées : pourcentages, arrondis, meilleur réglage retenu, prix mélangé, rangs et frontière calculés ici.
Évolution
Aucun changement de prix relevé depuis le début de nos relevés quotidiens.