Nemotron 3 Ultra (free) API
Nemotron 3 Ultra 是 NVIDIA 推出的开放推理与编排模型,拥有 5500 亿总参数和 100 万 token 上下文,适合长时运行的自主智能体。
Nemotron 3 Ultra 是 Nemotron 3 系列的最终版本,采用混合 Transformer-Mamba 混合专家架构,总参数 5500 亿、激活参数 550 亿,并借助 LatentMoE 提升准确率、通过 MTP 层实现原生推测解码以加快推理。模型以 NVFP4 格式预训练,经监督微调、强化学习和多教师同策略蒸馏后训练,开放权重、训练数据与配方。
它面向多步推理与规划、智能体编排、编程智能体、深度研究及复杂企业任务,支持通过 tools 与 tool_choice 参数进行函数调用、用 response_format 中的 JSON schema 约束结构化输出,并可控制推理时的思考预算,适合高吞吐的智能体流水线。上下文长度达 100 万 token,在 RULER 基准上于 100 万上下文长度下优于当前先进的开源大模型。
该模型可通过 DeepInfra、Baseten 和 Venice 三家提供商在 OpenRouter 上使用;免费端点存在速率限制,更适合验证与轻量试验,正式生产需考虑限流影响。
更新时间:
模型 ID
nemotron-3-ultra-550b-a55b:free- 上下文
- 1M
- 最大输出
- 65.536K
- 推荐 API
- messages
- 输入
- text
- 输出
- text
核心要点
- 5500 亿总参数、550 亿激活参数
- 混合 Transformer-Mamba 混合专家架构
- 100 万 token 上下文长度
- 开放权重、训练数据与配方
- 支持函数调用与结构化输出
- 可控制推理时的思考预算
供应商
比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。
| 可用率 | |||
|---|---|---|---|
| $0 | $0 |
历史统计不等于实时健康检查,缺失数据不代表服务中断。
基准测试
- 48
Artificial Analysis
某篇评测中给出的分数
分数来自模型厂商公布的数据,未独立验证。
推理能力
- 默认推理强度
- high
- 默认启用
- 是
- 始终启用
- 否
- 可选推理强度
- high / medium / none
填入 API key
从 Felo API Platform 账户创建 key,并设置为环境变量。
export FELO_API_KEY="YOUR_API_KEY"发起第一次请求
使用该模型 ID 调用 Felo API Platform endpoint。可选请求头如 X-Request-Id 能帮助排查问题。
nemotron-3-ultra-550b-a55b:free该模型支持推理。如果所选协议和模型路由暴露推理控制,请在继续对话时保留返回的推理元数据。
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());使用第三方 SDK
兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.
启用流式输出
加入 stream: true,即可以 server-sent events 接收响应。
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
Felo API Platform 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
modelstringnemotron-3-ultra-550b-a55b:freePublic model ID to call.max_tokensinteger—Maximum generated tokens.messagesarray—Conversation messages for Chat Completions.seed———toolsarray—Tool calling definitions following compatible schema.top_p———reasoning———temperaturenumber—Controls response variety when supported.tool_choicestring or object—Controls whether a tool should be called.reasoning_effort———include_reasoning———常见问题
什么是 Nemotron 3 Ultra (free)?
Nemotron 3 Ultra 是 Nemotron 3 系列的最终版本,采用混合 Transformer-Mamba 混合专家架构,总参数 5500 亿、激活参数 550 亿,并借助 LatentMoE 提升准确率、通过 MTP 层实现原生推测解码以加快推理。模型以 NVFP4 格式预训练,经监督微调、强化学习和多教师同策略蒸馏后训练,开放权重、训练数据与配方。 它面向多步推理与规划、智能体编排、编程智能体、深度研究及复杂企业任务,支持通过 tools 与 tool_choice 参数进行函数调用、用 response_format 中的 JSON schema 约束结构化输出,并可控制推理时的思考预算,适合高吞吐的智能体流水线。上下文长度达 100 万 token,在 RULER 基准上于 100 万上下文长度下优于当前先进的开源大模型。 该模型可通过 DeepInfra、Baseten 和 Venice 三家提供商在 OpenRouter 上使用;免费端点存在速率限制,更适合验证与轻量试验,正式生产需考虑限流影响。
如何计算调用费用?
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。
Nemotron 3 Ultra 支持哪些输入和输出?
支持文本输入和文本输出,不包含图像或音频等多模态能力。
它的上下文长度是多少?
上下文长度可达 100 万 token,适合处理超长文档与长时运行的智能体任务。
它适合哪些任务?
适合编程智能体、深度研究、复杂企业工作流以及长时运行的自主智能体,也支持多步推理与规划、智能体编排。
它支持函数调用和结构化输出吗?
支持。可通过 tools 与 tool_choice 参数进行函数调用,也可在 response_format 中用 JSON schema 约束结构化输出。
免费版有什么限制?
免费端点存在速率限制,在高并发或大规模生产场景中可能受到影响。
它与 Nemotron 3 系列其他模型有什么区别?
Nemotron 3 Ultra 是该系列的最终版本,采用混合 Transformer-Mamba 混合专家架构,总参数 5500 亿、激活参数 550 亿,并开放权重、训练数据与配方。
相关模型
Nemotron 3.5 Super VL (free)
NVIDIAnemotron-3.5-super-vl:freeNVIDIA Nemotron 3.5 Super VL 是一款多模态推理模型,支持文本、图像、文档、GUI 截图和视频输入,擅长智能体任务与文档理解。
上下文
1M
最大输出
131.072K
输入 tokens
$0 / 1M tokens
输出 tokens
$0 / 1M tokens
Nemotron 3.5 Lightning (free)
NVIDIAnemotron-3.5-lightning:freeNVIDIA Nemotron 3.5 Lightning 是一款开放权重的纯文本混合专家模型,专为长时间运行的智能体任务执行设计,兼顾高吞吐和低延迟。
上下文
1M
最大输出
65.536K
输入 tokens
$0 / 1M tokens
输出 tokens
$0 / 1M tokens