NVIDIA Nemotron 3 Ultra 是 NVIDIA 推出的一款开放前沿推理与编排模型，总参数量为 5500 亿，其中激活参数为 550 亿（采用 MoE 混合专家架构）。该模型基于 Transformer-Mamba 混合专家架构构建，支持文本输入与输出，上下文窗口最高可达 100 万 Token。它非常适用于长时间运行的智能体工作流，包括智能体编排、编码智能体、深度研究以及复杂的企业级任务。
该模型在多步骤推理与规划方面表现尤为突出，并具备高吞吐量推理能力，专为高并发智能体流水线而设计。它是 NVIDIA Nemotron 开放模型家族的一部分，专注于智能体 AI 应用。
| 套餐 | 价格 | 说明 |
|---|---|---|
| DeepInfra API 接入 | Input $0.50 / Output $2.20 每百万 Tokens | 支持约 550B 参数规模 MoE 架构（约 55B 激活参数），最高支持 1M Token 上下文窗口。缓存读取约 $0.10/百万 Tokens。 |
| Together AI API 接入 | Input $0.60 / Output $3.60 每百万 Tokens | 通过 Together AI 平台调用 Nemotron 模型，缓存读取约 $0.20/百万 Tokens，适合开发者快速集成。 |
| NVIDIA 免费体验 | 免费（有调用限制） | 可通过 NVIDIA 开发者平台体验模型能力，无需信用卡，适合开发测试和功能评估。 |
| 自托管部署（开源模型） | 免费（需自备硬件） | 支持下载开放模型权重，在自有 GPU 环境中部署运行，适合企业私有化部署和开发者研究使用。 |
专为“智能体”而生：它不仅仅是聊天模型，而是专门处理需要多步推理、调用工具、制定计划并自我纠错的复杂智能体工作流。
强大的MoE架构：总参数量达5500亿，但每次推理只激活其中的550亿参数（混合专家模型MoE），在保证高性能的同时也兼顾了效率。
超长上下文窗口：支持高达100万Token的上下文，可以一次性处理长篇报告、大型代码库等超长文本。
极高的推理效率：通过NVFP4精度、多Token预测（MTP）等技术创新，推理吞吐量比同类模型最高可提升5倍，并能将复杂智能体任务的使用成本降低高达30%。
全面的生态兼容：已适配主流的智能体开发框架（如OpenHands、LangChain Deep Agents等），方便开发者快速集成和部署。
1. AI智能体开发者
构建编码、研究、企业自动化等复杂智能体应用的团队，需要多步推理与工具调用能力。
2. 企业IT与行业用户
适用于软件、网络安全、法律、科研等领域，处理大型代码库、漏洞修复、海量文本分析等长时任务。
3. 关注数据主权与成本的组织
开源可本地部署，满足政府、金融等隐私要求；推理速度提升5倍，成本降低30%，兼顾性能与效益。
| 模型 | 上下文 | 定价 | API | 发布 | 全球热度 |
|---|---|---|---|---|---|
|
Nemotron 3 Ultra
|
1M | 付费 | YES | 2026-06 |
74/100
|
| 128K | 免费 | NO | 2026-06 |
42/100
|
|
| 256K | 免费 | NO | 2026-04 |
36/100
|
评论（0）