Nemotron 3.5 Lightning (free) API
Modello linguistico open-weight di NVIDIA con architettura ibrida Mixture-of-Experts, progettato per carichi di lavoro agentici ad alto volume con contesto fino a 1 milione di token.
Nemotron 3.5 Lightning è un modello text-only open-weight di NVIDIA, rilasciato l'11 agosto 2026 con licenza OpenMDW-1.1, pesi, dati di training e ricette scaricabili. L'architettura ibrida Mixture-of-Experts alterna layer Mamba-2, layer MoE e layer di attenzione selezionati, con 30 miliardi di parametri totali e circa 3 miliardi attivi per token. Include DFlash, una tecnica di decodifica speculativa che riduce la latenza per token, ed è distillato dal modello frontier Nemotron 3 Ultra. Supporta un contesto fino a 1 milione di token e può essere eseguito su una singola GPU supportata.
È pensato per il livello di esecuzione di agenti AI di lunga durata: gestione di email, calendario, progetti e prenotazioni; estrazione dati da documenti finanziari, verifica di regole e monitoraggio del rischio; arricchimento di alert e classificazione di incidenti in ambito cybersecurity; triage di allarmi di rete e ottimizzazione di configurazioni in telecomunicazioni; arricchimento di cataloghi prodotti e gestione delle eccezioni logistiche nel retail; assistenti di coding per la revisione di pull request e la generazione di correzioni; agenti di supporto clienti e fatturazione. È addestrato per l'uso agentico di strumenti nei principali harness come OpenClaw e Hermes Agent, e può essere post-addestrato con NVIDIA NeMo per strumenti, flussi di lavoro e politiche specifiche di dominio.
Rispetto ad altri modelli open di dimensioni simili, offre fino a 4 volte il throughput e fino al 30% di completamento attività più rapido su carichi agentici ad alto volume. Un test indipendente ha rilevato un vantaggio di throughput di 4,9 volte e un vantaggio di tempo al primo token di 4,9 volte su tre profili, da contesto breve a contesto lungo. Il modello è disponibile tramite canali come Amazon SageMaker JumpStart, GMI Cloud, DeepInfra e OpenRouter, e viene rilasciato insieme a NeMo Switchyard, una libreria open-source di routing dei modelli che indirizza i passaggi del flusso di lavoro verso modelli diversi in base a costo, velocità e requisiti del compito.
Aggiornato:
ID MODELLO
nemotron-3.5-lightning:free- Contesto
- 1M
- Output max
- 65.536K
- API consigliata
- messages
- Input
- text
- Output
- text
In evidenza
- Open-weight con licenza OpenMDW-1.1
- Architettura ibrida Mamba-2 e MoE
- Contesto fino a 1 milione di token
- 30 miliardi di parametri totali, circa 3 miliardi attivi per token
- Decodifica speculativa DFlash per ridurre la latenza
- Post-addestrabile con NVIDIA NeMo
Fornitori
Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.
| Disponibilità | |||
|---|---|---|---|
| $0 | $0 |
Le statistiche storiche non sono un controllo in tempo reale. I dati mancanti non indicano un guasto.
Benchmark
- 64.3%
Tasso di non-allucinazione AA-Omniscience
Artificial Analysis
- 66.4%
Pattern sovrautilizzati eliminati
percentuale, test di adattamento al dominio
- 98.4%
Ricchezza del vocabolario
percentuale rispetto alla baseline, test di adattamento al dominio
- 20%
Accuratezza di validazione del fine-tuning visivo
prima del fine-tuning, caso di studio aziendale
- 58%
Accuratezza di validazione del fine-tuning visivo
dopo il fine-tuning, caso di studio aziendale
Punteggi come pubblicati dal fornitore del modello.
Ragionamento
- Sempre attivo
- No
Avvio rapido
Codice pronto all'uso per chiamare questo modello con le API compatibili di Felo API Platform. Inizia nel Playground se vuoi testare i prompt prima di scrivere codice.
Imposta la chiave API
Crea una chiave dal tuo account Felo API Platform e impostala come variabile d'ambiente.
export FELO_API_KEY="YOUR_API_KEY"Invia la prima richiesta
Usa questo ID modello con l'endpoint Felo API Platform. Le intestazioni facoltative come X-Request-Id aiutano nella risoluzione dei problemi.
nemotron-3.5-lightning:freeQuesto modello è in grado di ragionare. Se il protocollo selezionato e la route del modello espongono controlli di ragionamento, conserva i metadati di ragionamento restituiti quando continui la conversazione.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "nemotron-3.5-lightning:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Usare SDK di terze parti
Negli SDK compatibili imposta baseURL su https://openapi.felo.ai/api/v1. Per i client in stile Claude, usa la base URL compatibile con Anthropic. https://openapi.felo.ai/api.
Attiva lo streaming
Aggiungi stream: true per ricevere le risposte come server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "nemotron-3.5-lightning:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform espone superfici compatibili per le chiamate ai modelli. Scegli la superficie che la tua app o il tuo client agente già supporta.
Messages
Messaggi compatibili con Anthropic per i client in stile Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametri
modelstringnemotron-3.5-lightning:freeID pubblico del modello da chiamare.max_tokensinteger—Numero massimo di token generati.messagesarray—Messaggi della conversazione per Chat Completions.seed———toolsarray—Definizioni di tool calling secondo lo schema compatibile.top_p———reasoning———temperaturenumber—Controlla la varietà delle risposte quando supportato.tool_choicestring or object—Controlla se uno strumento deve essere chiamato.include_reasoning———Domande frequenti
Cos'è Nemotron 3.5 Lightning (free)?
Nemotron 3.5 Lightning è un modello text-only open-weight di NVIDIA, rilasciato l'11 agosto 2026 con licenza OpenMDW-1.1, pesi, dati di training e ricette scaricabili. L'architettura ibrida Mixture-of-Experts alterna layer Mamba-2, layer MoE e layer di attenzione selezionati, con 30 miliardi di parametri totali e circa 3 miliardi attivi per token. Include DFlash, una tecnica di decodifica speculativa che riduce la latenza per token, ed è distillato dal modello frontier Nemotron 3 Ultra. Supporta un contesto fino a 1 milione di token e può essere eseguito su una singola GPU supportata. È pensato per il livello di esecuzione di agenti AI di lunga durata: gestione di email, calendario, progetti e prenotazioni; estrazione dati da documenti finanziari, verifica di regole e monitoraggio del rischio; arricchimento di alert e classificazione di incidenti in ambito cybersecurity; triage di allarmi di rete e ottimizzazione di configurazioni in telecomunicazioni; arricchimento di cataloghi prodotti e gestione delle eccezioni logistiche nel retail; assistenti di coding per la revisione di pull request e la generazione di correzioni; agenti di supporto clienti e fatturazione. È addestrato per l'uso agentico di strumenti nei principali harness come OpenClaw e Hermes Agent, e può essere post-addestrato con NVIDIA NeMo per strumenti, flussi di lavoro e politiche specifiche di dominio. Rispetto ad altri modelli open di dimensioni simili, offre fino a 4 volte il throughput e fino al 30% di completamento attività più rapido su carichi agentici ad alto volume. Un test indipendente ha rilevato un vantaggio di throughput di 4,9 volte e un vantaggio di tempo al primo token di 4,9 volte su tre profili, da contesto breve a contesto lungo. Il modello è disponibile tramite canali come Amazon SageMaker JumpStart, GMI Cloud, DeepInfra e OpenRouter, e viene rilasciato insieme a NeMo Switchyard, una libreria open-source di routing dei modelli che indirizza i passaggi del flusso di lavoro verso modelli diversi in base a costo, velocità e requisiti del compito.
Come viene addebitato l'utilizzo?
La fattura dipende dal fornitore che usi, dai suoi prezzi e dal tuo utilizzo. Input più lunghi o altre condizioni possono avere prezzi diversi.
Quali input e output supporta Nemotron 3.5 Lightning?
Supporta esclusivamente input e output testuali. È un modello text-only, senza modalità immagine o audio.
Qual è la lunghezza massima del contesto?
Il contesto arriva fino a 1 milione di token.
Per quali tipi di attività è adatto?
È progettato per il livello di esecuzione di agenti di lunga durata: gestione di email e calendario, estrazione dati da documenti, cybersecurity, telecomunicazioni, retail, coding e supporto clienti.
Che differenza c'è con Nemotron 3 Ultra?
Nemotron 3.5 Lightning è distillato dal modello frontier Nemotron 3 Ultra ed è posizionato come motore di esecuzione specializzato per carichi ad alto volume all'interno di un approccio system-of-models.
Con quali harness per agenti è addestrato?
È addestrato per l'uso agentico di strumenti nei principali harness, tra cui OpenClaw e Hermes Agent.
Su quante GPU può essere eseguito?
Può essere eseguito su una singola GPU supportata.
Modelli correlati
Nemotron 3.5 Super VL (free)
NVIDIAnemotron-3.5-super-vl:freeNemotron 3.5 Super VL è un modello multimodale NVIDIA con architettura mixture-of-experts da 120 miliardi di parametri, progettato per ragionamento visivo, uso di strumenti e attività agentiche.
Contesto
1M
Output max
131.072K
Token di input
$0 / 1M token
Token di output
$0 / 1M token
Nemotron 3 Ultra (free)
NVIDIAnemotron-3-ultra-550b-a55b:freeNVIDIA Nemotron 3 Ultra è un modello aperto di ragionamento e orchestrazione con architettura ibrida Transformer-Mamba mixture-of-experts, 550 miliardi di parametri totali e 55 miliardi attivi, contesto fino a 1 milione di token.
Contesto
1M
Output max
65.536K
Token di input
$0 / 1M token
Token di output
$0 / 1M token