Felo API PlatformFelo API Platform
返回模型列表
NVIDIAmessages

Nemotron 3.5 Lightning (free) API

NVIDIA 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。

NVIDIA Nemotron 3.5 Lightning 是 NVIDIA 于 2026 年 8 月 11 日发布的开放权重、纯文本混合专家(MoE)模型,上下文长度最高可达 100 万 token。它采用混合混合专家架构,将 Mamba-2 层与 MoE 层及少量注意力层交错堆叠,总参数 300 亿、每 token 约 30 亿激活参数,并引入 DFlash 推测解码以降低单 token 延迟。模型从 NVIDIA 前沿的 Nemotron 3 Ultra 蒸馏而来,以 OpenMDW-1.1 许可发布,权重、训练数据和配方均可下载。

它面向长时间运行的智能体 AI 工作负载的执行层:通过 OpenClaw、Hermes Agent 等主流智能体框架训练了工具调用能力,可承担个人助理的邮件、日程与预订管理,金融文档数据抽取与规则核查,安全运营告警富化与事件分类,电信网络告警分流与配置优化,零售商品目录补全与订单退货问答,以及代码审查与修复、客服计费等例行请求处理。官方称,在高并发智能体负载下,其吞吐量可达同类规模领先开放模型的最多 4 倍,任务完成速度快最多 30%。

模型可在单张受支持的 GPU 上运行,也可通过 Amazon SageMaker JumpStart、GMI Cloud、DeepInfra 和 OpenRouter 等渠道获取。企业还可以借助 NVIDIA NeMo 进行后训练,以适配特定领域的工具、工作流与策略,并且后训练后仍保留对权重的控制。其局限在于只支持文本输入与文本输出。

更新时间:

模型 ID

nemotron-3.5-lightning: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

  • 开放权重,权重与训练数据可下载
  • 混合 MoE 架构,交错 Mamba-2 层
  • DFlash 推测解码降低单 token 延迟
  • 单张受支持 GPU 即可运行
  • 面向高并发智能体执行层
  • 可用 NVIDIA NeMo 后训练定制

供应商

1 个供应商

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。

供应商 · 计费明细
可用率
$0$0

基准测试

  • AA-Omniscience 非幻觉率

    Artificial Analysis

    64.3%
  • 过度使用模式消除率

    领域适配测试中的百分比

    66.4%
  • 词汇丰富度

    领域适配测试中相对基线的百分比

    98.4%
  • 视觉微调验证准确率

    微调前,企业案例研究

    20%
  • Vision fine-tuning validation accuracy

    微调后,企业案例研究

    58%

分数来自模型厂商公布的数据,未独立验证。

推理能力

始终启用
否

快速开始

直接复制代码,通过 Felo API Platform 兼容 API 调用该模型。写代码前可先在 Playground 测试提示词。

1

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"
2

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-3.5-lightning: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-3.5-lightning:free",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

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.

3

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-3.5-lightning: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。

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

https://openapi.felo.ai/api/v1/messages

参数

名称类型默认值说明
modelstringnemotron-3.5-lightning: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.
include_reasoning———

常见问题

什么是 Nemotron 3.5 Lightning (free)?

NVIDIA Nemotron 3.5 Lightning 是 NVIDIA 于 2026 年 8 月 11 日发布的开放权重、纯文本混合专家(MoE)模型,上下文长度最高可达 100 万 token。它采用混合混合专家架构,将 Mamba-2 层与 MoE 层及少量注意力层交错堆叠,总参数 300 亿、每 token 约 30 亿激活参数,并引入 DFlash 推测解码以降低单 token 延迟。模型从 NVIDIA 前沿的 Nemotron 3 Ultra 蒸馏而来,以 OpenMDW-1.1 许可发布,权重、训练数据和配方均可下载。 它面向长时间运行的智能体 AI 工作负载的执行层:通过 OpenClaw、Hermes Agent 等主流智能体框架训练了工具调用能力,可承担个人助理的邮件、日程与预订管理,金融文档数据抽取与规则核查,安全运营告警富化与事件分类,电信网络告警分流与配置优化,零售商品目录补全与订单退货问答,以及代码审查与修复、客服计费等例行请求处理。官方称,在高并发智能体负载下,其吞吐量可达同类规模领先开放模型的最多 4 倍,任务完成速度快最多 30%。 模型可在单张受支持的 GPU 上运行,也可通过 Amazon SageMaker JumpStart、GMI Cloud、DeepInfra 和 OpenRouter 等渠道获取。企业还可以借助 NVIDIA NeMo 进行后训练,以适配特定领域的工具、工作流与策略,并且后训练后仍保留对权重的控制。其局限在于只支持文本输入与文本输出。

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 3.5 Lightning 支持哪些输入和输出?

它只支持文本输入和文本输出,不支持图像或音频等其他模态。

它的上下文长度有多长?

上下文长度最高可达 100 万 token。资料未提及具体的输出长度上限。

它适合哪些任务?

它面向长时间运行的智能体执行层,适合个人助理、金融文档抽取与规则核查、安全告警分析、电信运维、零售订单问答以及代码审查与修复等场景。

它与同系列模型有什么区别?

Nemotron 3.5 Lightning 是从 Nemotron 3 Ultra 蒸馏而来的轻量执行模型,总参数 300 亿、每 token 约 30 亿激活参数,强调高吞吐和低延迟;Nemotron 3 Ultra 则是 NVIDIA 的前沿模型。

如何针对特定领域做定制?

可以使用 NVIDIA NeMo 对模型进行后训练,以适配特定领域的工具、工作流和策略,并且后训练后企业仍保留对权重的控制。

相关模型