NVIDIA Nemotron 3 Super,120B MoE 模型(激活 12B),2026 年 3 月發布,NVIDIA Open Model 授權,128K 上下文,適合企業推理部署。
| 量化 | 4K | 8K | 16K | 32K | 64K | 128K |
|---|---|---|---|---|---|---|
| Q4_K_M★ | 7.0 GB | 7.4 GB | 8.2 GB | 9.8 GB | 13 GB | 19 GB |
| Q8_0 | 13 GB | 13 GB | 14 GB | 16 GB | 19 GB | 25 GB |
適合進階用戶,支援 CPU 和 GPU 混合推理,可精確控制量化等級。
# Download GGUF model from Hugging Face, then run: ./llama-cli -m model.gguf -p "Hello" -n 128
適合生產環境,支援批次推理和 OpenAI 相容 API。
pip install vllm vllm serve Nemotron --dtype auto
Nemotron 3 Super (120B A12B) 是一個開源語言模型,擁有 120B (A12B) 參數,採用 NVIDIA Open Model 授權。可使用 vLLM、SGLang、TensorRT-LLM 進行部署。適用場景包括:適用於需要處理大量文本資料的企業級應用,如智能客服、內容生成與摘要。、適合在對延遲和吞吐量有高要求的場景下,利用其高效推理能力進行大規模部署。、可用於需要理解和生成超長文檔的任務,例如法律文件分析、技術報告撰寫。。核心優勢:高效能推理、超長上下文、企業級部署、稀疏混合專家。 可在本地硬體上自行部署,完全保護隱私,無需 API 金鑰。
分享你的使用體驗,幫助其他人了解這個模型