Nemotron 3 Super 120B A12B
Réseau Neuronal
Nemotron 3 Super 120B A12B est un modèle MoE hybride ouvert de NVIDIA basé sur l'architecture Mamba-Transformer pour systèmes multi-agents.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Comment ça marche Nemotron 3 Super 120B A12B?
Nemotron 3 Super 120B A12B est un modèle ouvert de NVIDIA doté d'une architecture hybride Mamba-Transformer et d'un schéma MoE épars : sur 120 milliards de paramètres, environ 12 milliards sont activés par requête, ce qui économise les calculs pour les tâches complexes en plusieurs étapes. Il a été conçu pour les applications multi-agents où plusieurs rôles échangent des résultats intermédiaires et maintiennent une logique commune. Sur BotHub, vous accédez à Nemotron 3 Super sans VPN ni carte étrangère : paiement en roubles par carte russe selon l'utilisation, les jetons n'expirent pas. Avec plus de 250 modèles disponibles dans une seule fenêtre, il est facile de comparer les réponses et de basculer entre eux. L'API compatible OpenAI permet de changer de modèle sans réécrire l'intégration. Les échanges sont chiffrés via AES-GCM, les données ne sont pas conservées, et les entreprises bénéficient de contrats, factures, EDI et d'un panneau d'administration avec limites. En pratique, ce modèle est utilisé pour l'orchestration d'agents et de chaînes d'outils, l'analyse avec raisonnement complexe, le prototypage d'assistants via API, les services internes à coûts prévisibles et la recherche.Questions fréquentes sur Nemotron 3 Super 120B A12B
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle textuel NVIDIA avec un contexte d'un million de jetons. Adapté aux grands documents et bases de code : refactoring, débogage, explication logique, analyse de rapports et tâches STEM. Accepte texte, documents et images, et peut appeler des fonctions.
Le modèle génère jusqu'à 235 929 jetons par réponse, suffisant pour un texte technique volumineux, un grand module de code ou une analyse détaillée de document. Pour des tâches plus vastes, divisez-les en requêtes séquentielles dans la même discussion.
Oui, le mode de raisonnement est confirmé : avant la réponse finale, le modèle construit une chaîne d'étapes. Cela aide considérablement en mathématiques, logique, analyse de code et tâches complexes où il est crucial de déduire et vérifier les conclusions intermédiaires.
Oui. Le modèle prend en charge le 'function calling' et la sortie JSON structurée, facilitant son intégration dans des agents et pipelines. Sur BotHub, il est accessible via une API compatible OpenAI, évitant de réécrire l'intégration lors du changement de modèle.
Les images et documents peuvent être téléchargés ; le modèle analyse leur contenu et répond par texte. L'audio et la vidéo ne sont pas pris en charge ; BotHub propose des modèles spécialisés pour ces formats.
Nous n'avons pas de données sur les langues des prompts et réponses, donc nous ne pouvons garantir la qualité ; il est préférable de tester avec vos propres tâches. L'interface BotHub est en russe, accès sans VPN, paiement en roubles à l'usage.