Nemotron 3 Super 120B A12B
NVIDIA · nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4
Arquivo Q4 de 82,5 GB (UD-Q4_K_M) · roda bem a partir de 128 GB · Licença dos pesos: Termos do publicador: NVIDIA Nemotron Open Model License
Qualidade
Sem resultado em LiveBench 2026-06-25, LMArena 2026-10-22 Sem resultado no LiveBench 2026-06-25 nem no LMArena 2026-10-22
Informado pelo publicador
- MMLU-Pro
- 83,33General Knowledge
- HMMT Feb25 (with tools)
- 95,36Reasoning
- GPQA (no tools)
- 79,42Reasoning
- LiveCodeBench (v6 2024-08↔2025-05)
- 78,44Reasoning
- LiveCodeBench (v5 2024-07↔2024-12)
- 80,56Reasoning
- SciCode (subtask)
- 40,83Reasoning
- HLE (no tools)
- 17,42Reasoning
- Terminal Bench (hard subset)
- 24,48Agentic
Todos os resultados informados
- Airline
- 54,75TauBench V2
- Retail
- 63,38TauBench V2
- Telecom
- 63,27TauBench V2
- Average
- 60,46TauBench V2
- IFBench (prompt)
- 73,30Chat & Instruction Following
- Scale AI Multi-Challenge
- 52,8Chat & Instruction Following
- Arena-Hard-V2 (Hard Prompt)
- 76,00Chat & Instruction Following
- AA-LCR
- 58,06Long Context
- RULER-500 @ 128k (500 samples per task)
- 95,99Long Context
- RULER-500 @ 256k (500 samples per task)
- 96,52Long Context
- RULER-500 @ 512k (500 samples per task)
- 96,23Long Context
- MMLU-ProX (avg over languages)
- 79,37Multilingual
Entre os tamanhos do Nemotron 3
| Benchmark (configuração do publicador) | Nano 30B A3B | Super 120B A12B | Ultra 550B A55B |
|---|---|---|---|
| IFBench (prompt) | A ficha deste tamanho não informa este resultado nesta configuração | 73,30 | 82,3 |
| AA-LCR | A ficha deste tamanho não informa este resultado nesta configuração | 58,06 | 65,5 |
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: License/Terms of Use › Benchmarks); coluna “Nemotron-3-Super NVFP4”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Rodar
Rodar
Arquivo UD-Q4_K_M · 82,5 GB · 3 partes · unsloth/NVIDIA-Nemotron-3-Super-120B-A12B-GGUF · O que é Q4?
Medido 15–15 tok/s · UD-Q4_K_XL · 1 máquina · 2 fontes · todas as linhas
llama-server -hf unsloth/NVIDIA-Nemotron-3-Super-120B-A12B-GGUF:UD-Q4_K_M- Instale o llama.cpp
- Rode o comando acima
- Pergunte em localhost:8080:
Explique o que é a janela de contexto, em duas frases.
Roda em
Cabe na memória rápida 14
A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.
Mostrar todos os 14
Falta um degrau de memória 1
As mesmas máquinas com o próximo tamanho de memória o comportariam na memória rápida.
Nemotron 3 Super 120B A12B é um modelo de texto da NVIDIA com 120B de parâmetros, dos quais 12B ativos por token (mistura de especialistas). Foi lançado em 11 de março de 2026 e lê até 262.144 tokens de contexto. Os pesos em Q4 com a margem de trabalho somam cerca de 90 GB antes da reserva da máquina; a menor máquina de referência cuja memória rápida comporta isso é Mac Studio M5 Max · 128 GB unificados (~98 GB com a reserva). Coletamos 25 arquivos GGUF e MLX para baixar de 2 fontes de publicadores; a fonte GGUF mais baixada é a de unsloth (212,7 mil de downloads no Hub). Ele não tem resultado no LiveBench 2026-06-25, então nenhuma nota de qualidade aparece.
Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Cada cartão abre o perfil do hardware. Não é compatibilidade nem velocidade medida.
Nas máquinas de referência
| Onde fica o Q4 | ||||
|---|---|---|---|---|
| Mac mini M2 · 8 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~92 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| Mac mini M4 · 16 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~94 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| Mac mini M4 · 24 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~96 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| Mac mini M4 · 32 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~98 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| Mac mini M5 Pro · 64 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~98 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| Mac Studio M5 Max · 128 GB unificadosCabe na memória rápidaUD-IQ4_XS262.144 tokens | ~98 GB | Cabe na memória rápida | UD-IQ4_XS | 262.144 tokens |
| Mac Studio · M5 Ultra · CPU de 36 núcleos / GPU de 80 núcleos · 512 GB unificadosCabe na memória rápidaQ8_0262.144 tokens | ~98 GB | Cabe na memória rápida | Q8_0 | 262.144 tokens |
| RTX 4060 · 8 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~92 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| RTX 3060 · 12 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~92 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| RTX 5080 · 16 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~92 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| RTX 4090 · 24 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~92 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| RTX 5090 · 32 GB de VRAMMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~92 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| DGX H100 · 8 × 80 GBCabe na memória rápidaQ8_0262.144 tokens | ~106 GB | Cabe na memória rápida | Q8_0 | 262.144 tokens |
A coluna de arquivo usa a escada de quantização do site (Q8_0 a Q3_K_M; MLX de 8 a 4 bits no Mac): o maior arquivo coletado cujo tamanho × 1,2, mais o cache de contexto e a reserva da máquina, cabe na memória rápida. Estimativas de planejamento, não execuções medidas.
Compare Nemotron 3 Super 120B A12B pela ficha do publicador. Não há nota geral no snapshot LiveBench 2026-06-25.
Os pesos em Q4 com a margem de trabalho somam cerca de 90 GB a partir de 120B parâmetros declarados, antes da reserva da máquina (Roda em soma a reserva de cada máquina). Não é um mínimo medido; contexto, lote, runtime e quantização mudam o uso real de memória.
Versões para baixar
Arquivos que você pode baixar deste checkpoint. A seção abre na fonte GGUF coletada mais baixada, unsloth (212,7 mil de downloads no Hub), no arquivo UD-Q4_K_M. Num Mac abre na fonte MLX mais baixada. Os tamanhos são os bytes publicados no Hub. O que é Q4?
unsloth · 212,7 mil downloads
unsloth/NVIDIA-Nemotron-3-Super-120B-A12B-GGUF · UD-Q4_K_M/NVIDIA-Nemotron-3-Super-120B-A12B-UD-Q4_K_M-00001-of-00003.gguf · 82,5 GB
Rodar este arquivo
llama-server -hf unsloth/NVIDIA-Nemotron-3-Super-120B-A12B-GGUF:UD-Q4_K_Mlms get https://huggingface.co/unsloth/NVIDIA-Nemotron-3-Super-120B-A12B-GGUF- Ollama: A forma hf.co documentada do Ollama cobre GGUFs de um arquivo só; este tem 3 partes
- mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac
As notas de qualidade desta página pertencem ao checkpoint original; estes arquivos não recebem nota nem ranking. Tamanhos lidos em 2026-10-23 · downloads lidos em 2026-10-17 · comandos: Documentação do Hugging Face Hub: Ollama com qualquer modelo GGUF · README do servidor do llama.cpp (-hf <user>/<model>[:quant]) · Documentação do LM Studio: lms get com uma URL do Hugging Face · README do mlx-lm (mlx_lm.generate --model)
Ajustes, adaptadores e outras versões
- Versões quantizadas
- 57
- Ajustes (fine-tunes)
- 17
- Adaptadores · misturas
- 152 · 0
Ver na árvore de modelos do Hugging Face · lido em 2026-10-23
Versões sem filtro (uncensored, abliterated)
Algumas versões da comunidade removem as recusas de segurança do modelo. A qualidade pode cair, o publicador original não dá suporte, as afirmações sobre elas são de quem as publicou e a licença original continua valendo. Este site nunca as recomenda nem as ranqueia.
0 repositórios derivados têm “uncensored” ou “abliterated” no nome (lido em 2026-10-23).
Velocidade medida
Tokens por segundo por máquina
Saída em tok/s · 2 máquinas · todas as linhas na tabela · O que é um token?
| DGX Spark | 19,94 ± 0,16 | Q4_K (informado como 'Q4_K' pelo llama-bench; GGUF da ggml-org) | llama.cpp CUDA | ggml-org/Nemotron-3-Super-120B-GGUF · Q4_K (65,10 GiB); não é o checkpoint NVFP4 indicado na página do modelo |
|---|---|---|---|---|
| Framework Desktop 128GB | 14,86 ± 0,06 | UD-Q4_K_XL (llama-bench: Q4_K - Medium, 78,02 GiB) | llama.cpp Vulkan (Mesa RADV, toolbox vulkan_radv) | NVIDIA-Nemotron-3-Super-120B-A12B-UD-Q4_K_XL-00001-of-00003.gguf (Unsloth UD-Q4_K_XL, 78,02 GiB) |
| Framework Desktop 128GB | 14,85 ± 0,04 | UD-Q4_K_XL (llama-bench: Q4_K - Medium, 78,02 GiB) | llama.cpp ROCm 7.2.3 (toolbox rocm-7.2.3) | NVIDIA-Nemotron-3-Super-120B-A12B-UD-Q4_K_XL-00001-of-00003.gguf (Unsloth UD-Q4_K_XL, 78,02 GiB) |
Fontes: llama.cpp benches/nemotron · DGX Spark · kyuz0/amd-strix-halo-toolboxes raw llama-bench log (GitHub) · benchmark da comunidade · kyuz0/amd-strix-halo-toolboxes raw llama-bench log (GitHub) · benchmark da comunidade · não estimado
Como rodar
A memória necessária acima é a carga Q4 antes da reserva da máquina. Fórmula: parâmetros × 0,625 byte, mais 20% de margem; cada máquina soma então a reserva do sistema: 25% da memória unificada ou do sistema, de 2 a 8 GB, ou 2 GB por GPU em placas dedicadas. Não é VRAM medida nem tamanho do download do checkpoint.
Apenas estimativa de planejamento Q4. Verifique formato do checkpoint, suporte do runtime, cache KV, contexto, tamanho de lote e offload antes de escolher hardware.
Nível da evidência: Apenas estimativa genérica; nenhuma execução reproduzida por este site.
- Amostragem padrão do publicador
- temperature 1 · top_p 0,95generation_config.json · lido em 2026-10-23fonte
- Marcadores do template de chat
- chamadas de ferramenta · raciocínio (thinking)marcadores encontrados no template, não um teste do recurso · lido em 2026-10-23fonte
Antes de baixar
- Confirme o checkpoint exato e a licença vinculada aqui.
- Confirme runtime e precisão ou quantização compatíveis com sua plataforma.
- Reserve memória para contexto, lote e eventuais componentes de mídia além dos pesos.
Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / versão
- nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4
- Tarefa e modalidade
- linguagem e raciocínio · texto
- Contagem e base
- 120B · especificação do fabricante · 12B ativos
- Contexto
- 262.144 tokens publicados para este modelo
- Arquitetura
- MoE
- Lançamento
- nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4 model card (Hugging Face) · consultado em 2026-10-09fonte
- Runtime e precisão
- Nenhuma execução local verificada.
- Idiomas
- en, fr, es, it, de, ja, zhMetadados do model card · consultado em 2026-10-25fonte
- Uso comercial
- Texto da licença não lido: nvidia.com estava inacessível em 2026-10-18 e os repositórios não trazem cópia
Todos os campos guardados
- Revisão conferida
- ff433f5493e25d631c9f12b5d55c674229923d02
- Arquitetura
- NemotronHForCausalLM
- Biblioteca
- transformers
- Tag de tarefa no Hub
- text-generation
- Formatos
- safetensors
- Acesso
- Download aberto
- Tipo de publicador
- Oficial
- Repositório criado
- 2026-03-10criação não é o lançamento do modelo
- Repositório atualizado
- 2026-08-24um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 535.065 · 455só este repositório · lido em 2026-10-25
- Lido na página do Hub
- classe transformers, tags de tarefa, nome da licençaVisão geral e lista de arquivos do Hub · lido em 2026-10-18
- Estado no catálogo
- Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Checkpoint e ficha do publicador
- Licença dos pesos e termos de uso
- Fonte do benchmark de qualidade · LiveBench 2026-06-25 geral
Catálogo revisado: 2026-09-30. Versão do benchmark: 2026-06-25; snapshot coletado: 2026-09-26.










