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
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
- 64.3%
AA-Omniscience 非幻觉率
Artificial Analysis
- 66.4%
过度使用模式消除率
领域适配测试中的百分比
- 98.4%
词汇丰富度
领域适配测试中相对基线的百分比
- 20%
视觉微调验证准确率
微调前,企业案例研究
- 58%
Vision fine-tuning validation accuracy
微调后,企业案例研究
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
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-3.5-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.
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。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
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
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 Ultra (free)
NVIDIAnemotron-3-ultra-550b-a55b:freeNemotron 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。
上下文
1M
最大输出
65.536K
输入 tokens
$0 / 1M tokens
输出 tokens
$0 / 1M tokens