Nemotron 3 Ultra (free) API
Modelo de raciocínio e orquestração de código aberto da NVIDIA, com 550 bilhões de parâmetros totais e 55 bilhões ativos, arquitetura híbrida Transformer-Mamba e janela de 1 milhão de tokens.
O Nemotron 3 Ultra é o modelo final e mais avançado da família Nemotron 3 da NVIDIA. Com 550 bilhões de parâmetros totais e 55 bilhões ativos, ele usa uma arquitetura híbrida Transformer-Mamba com Mixture-of-Experts, incluindo LatentMoE para maior precisão e camadas MTP para inferência mais rápida por meio de decodificação especulativa nativa. Foi pré-treinado no formato NVFP4 e pós-treinado com Supervised Fine Tuning, Reinforcement Learning e Multi-teacher On-Policy Distillation. A NVIDIA disponibiliza checkpoints pré-treinados, pós-treinados e quantizados, além dos conjuntos de dados de treinamento.
Voltado a fluxos de agentes autônomos de longa duração e pipelines de alto volume, o modelo se destaca em raciocínio e planejamento em várias etapas, orquestração de agentes, agentes de programação e pesquisa profunda. Ele oferece chamada de funções pelos parâmetros tools e tool_choice, saídas estruturadas via JSON schema em response_format e controle do orçamento de raciocínio em tempo de inferência. Com contexto de 1 milhão de tokens, supera LLMs abertos de última geração no benchmark RULER nessa extensão. As entradas e saídas são apenas de texto.
Este endpoint gratuito é limitado por taxa, sendo servido por três provedores no OpenRouter: DeepInfra, Baseten e Venice. É uma escolha indicada para agentes de programação, pesquisa profunda, fluxos empresariais complexos e agentes autônomos de longa duração que exigem raciocínio robusto e orquestração eficiente em larga escala.
Atualizado:
ID DO MODELO
nemotron-3-ultra-550b-a55b:free- Contexto
- 1M
- Saída máxima
- 65.536K
- API recomendada
- messages
- Entrada
- text
- Saída
- text
Destaques
- 550B parâmetros totais, 55B ativos
- Arquitetura híbrida Transformer-Mamba
- Contexto de 1 milhão de tokens
- Pesos e dados de treinamento abertos
- LatentMoE para maior precisão
- Decodificação especulativa nativa com camadas MTP
Provedores
Compare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.
| Disponibilidade | |||
|---|---|---|---|
| $0 | $0 |
Estatísticas históricas não são uma verificação em tempo real. Dados ausentes não indicam uma interrupção.
Benchmarks
- 48
Artificial Analysis
pontuação relatada em uma avaliação
Pontuações conforme publicadas pelo fornecedor do modelo.
Raciocínio
- Esforço padrão
- high
- Ativado por padrão
- Sim
- Sempre ativado
- Não
- Níveis de esforço disponíveis
- high / medium / none
Início rápido
Código pronto para chamar este modelo com as APIs compatíveis da Felo API Platform. Comece no Playground quando quiser testar prompts antes de escrever código.
Defina sua chave de API
Crie uma chave na sua conta da Felo API Platform e defina-a como variável de ambiente.
export FELO_API_KEY="YOUR_API_KEY"Faça sua primeira requisição
Use este ID de modelo com o endpoint da Felo API Platform. Cabeçalhos opcionais como X-Request-Id ajudam a solucionar problemas.
nemotron-3-ultra-550b-a55b:freeEste modelo tem capacidade de raciocínio. Se o protocolo selecionado e a rota do modelo expuserem controles de raciocínio, preserve os metadados de raciocínio retornados ao continuar a conversa.
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-ultra-550b-a55b:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Usar SDKs de terceiros
Em SDKs compatíveis, defina baseURL como https://openapi.felo.ai/api/v1. Para clientes no estilo Claude, use a base URL compatível com Anthropic. https://openapi.felo.ai/api.
Ative o streaming
Adicione stream: true para receber respostas como 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-ultra-550b-a55b:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
A Felo API Platform expõe superfícies compatíveis de chamada de modelos. Escolha a superfície que seu app ou cliente de agente já suporta.
Messages
Mensagens compatíveis com Anthropic para clientes no estilo Claude.
POST
https://openapi.felo.ai/api/v1/messagesParâmetros
modelstringnemotron-3-ultra-550b-a55b:freeID público do modelo a chamar.max_tokensinteger—Número máximo de tokens gerados.messagesarray—Mensagens da conversa para Chat Completions.seed———toolsarray—Definições de tool calling seguindo o schema compatível.top_p———reasoning———temperaturenumber—Controla a variedade das respostas quando compatível.tool_choicestring or object—Controla se uma ferramenta deve ser chamada.reasoning_effort———include_reasoning———Perguntas frequentes
O que é Nemotron 3 Ultra (free)?
O Nemotron 3 Ultra é o modelo final e mais avançado da família Nemotron 3 da NVIDIA. Com 550 bilhões de parâmetros totais e 55 bilhões ativos, ele usa uma arquitetura híbrida Transformer-Mamba com Mixture-of-Experts, incluindo LatentMoE para maior precisão e camadas MTP para inferência mais rápida por meio de decodificação especulativa nativa. Foi pré-treinado no formato NVFP4 e pós-treinado com Supervised Fine Tuning, Reinforcement Learning e Multi-teacher On-Policy Distillation. A NVIDIA disponibiliza checkpoints pré-treinados, pós-treinados e quantizados, além dos conjuntos de dados de treinamento. Voltado a fluxos de agentes autônomos de longa duração e pipelines de alto volume, o modelo se destaca em raciocínio e planejamento em várias etapas, orquestração de agentes, agentes de programação e pesquisa profunda. Ele oferece chamada de funções pelos parâmetros tools e tool_choice, saídas estruturadas via JSON schema em response_format e controle do orçamento de raciocínio em tempo de inferência. Com contexto de 1 milhão de tokens, supera LLMs abertos de última geração no benchmark RULER nessa extensão. As entradas e saídas são apenas de texto. Este endpoint gratuito é limitado por taxa, sendo servido por três provedores no OpenRouter: DeepInfra, Baseten e Venice. É uma escolha indicada para agentes de programação, pesquisa profunda, fluxos empresariais complexos e agentes autônomos de longa duração que exigem raciocínio robusto e orquestração eficiente em larga escala.
Como o uso é cobrado?
Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes.
Quais tipos de entrada o modelo aceita?
O Nemotron 3 Ultra aceita apenas entrada e saída de texto.
Qual é o tamanho do contexto suportado?
O modelo oferece uma janela de contexto de 1 milhão de tokens.
Para quais tarefas o modelo é mais indicado?
Ele é voltado a agentes de programação, pesquisa profunda, fluxos empresariais complexos e agentes autônomos de longa duração.
Quais recursos de integração o modelo oferece?
Ele suporta chamada de funções pelos parâmetros tools e tool_choice, saídas estruturadas via JSON schema em response_format e controle do orçamento de raciocínio em tempo de inferência.
Qual é a diferença entre o Nemotron 3 Ultra e o Nemotron 3 Ultra (free)?
O Nemotron 3 Ultra (free) é um endpoint gratuito com limite de taxa, enquanto o Nemotron 3 Ultra é a versão padrão sem essa restrição. Ambos compartilham a mesma arquitetura e capacidades do modelo.
Modelos relacionados
Nemotron 3.5 Super VL (free)
NVIDIAnemotron-3.5-super-vl:freeModelo multimodal da NVIDIA que combina compreensão visual, raciocínio e uso de ferramentas, com arquitetura de mistura de especialistas e janela de contexto de 1.000.000 de tokens.
Contexto
1M
Saída máxima
131.072K
Tokens de entrada
$0 / 1M tokens
Tokens de saída
$0 / 1M tokens
Nemotron 3.5 Lightning (free)
NVIDIAnemotron-3.5-lightning:freeModelo de pesos abertos da NVIDIA, somente texto, com arquitetura híbrida de mistura de especialistas, criado para executar tarefas de agentes de longa duração com alta vazão.
Contexto
1M
Saída máxima
65.536K
Tokens de entrada
$0 / 1M tokens
Tokens de saída
$0 / 1M tokens