Nemotron 3 Ultra 550B A55B
NVIDIA · nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4
Arquivo Q4 de 359,2 GB (UD-Q4_K_M) · roda bem em servidor multi-GPU de 640 GB · Licença dos pesos: OpenMDW 1.1
Qualidade
Qualidade · Geral
LiveBench 2026-06-25 · 0 a 100 · maior é melhor · este modelo em destaque, #19 de 23
- Cor = publicador
- Memória em revisão
Fonte: LiveBench 2026-06-25 · coletado 2026-10-18 · modelos abertos sem nota não aparecem (sem nota ≠ 0)
- LMArena · texto · pontuação
- 1.426 ± 7Intervalo de confiança 1.419–1.433 · 11.557 votos · posição 122 da rodada · O nome no Arena traz (NVFP4), os mesmos pesos NVFP4LMArena 2026-10-22 · CC BY 4.0
Categorias do LiveBench
Média deste modelo por categoria · 0 a 100
Fonte: LiveBench 2026-06-25 · coletado 2026-10-18 · modelos abertos sem nota não aparecem (sem nota ≠ 0)
Informado pelo publicador
- Terminal Bench 2.1
- 53,9Agentic
- GDPVal
- 47,9Agentic
- SWE-Bench Verified
- 69,5Agentic
- SWE-Bench Multilingual
- 69,1Agentic
- ProfBench (Search)
- 56,4Agentic
- PinchBench
- 89,8Agentic
- Airline
- 80,0TauBench V3
- Retail
- 88,4TauBench V3
Todos os resultados informados
- Telecom
- 93,6TauBench V3
- Banking
- 19,2TauBench V3
- Average
- 70,3TauBench V3
- BrowseComp
- 41,4TauBench V3
- IOI 2025
- 564,7Reasoning and Knowledge
- GPQA (no tools)
- 87,9Reasoning and Knowledge
- SciCode (subtask)
- 43,5Reasoning and Knowledge
- HLE (no tools)
- 26,1Reasoning and Knowledge
- CritPt (no tools)
- 3,4Reasoning and Knowledge
- OmniScience Accuracy
- 24,6Reasoning and Knowledge
- OmniScience Non-Hallucination
- 75,5Reasoning and Knowledge
- IFBench (prompt)
- 82,3Chat & Instruction Following
- AA-LCR
- 65,5Long Context
- RULER 1M
- 94,0Long Context
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 Ultra NVFP4”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Rodar
Rodar
Arquivo UD-Q4_K_M · 359,2 GB · 9 partes · unsloth/NVIDIA-Nemotron-3-Ultra-550B-A55B-GGUF · O que é Q4?
llama-server -hf unsloth/NVIDIA-Nemotron-3-Ultra-550B-A55B-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.
Qualidade × memória
Qualidade × memória
LiveBench 2026-06-25 geral vs. memória de planejamento Q4 (escala log) · 19 modelos abertos
- Este modelo
- Cor = publicador
Memória = o número do próprio modelo: parâmetros × 0,625 byte + 20% de margem, antes da reserva de qualquer máquina; com uma máquina escolhida, o total nela com a reserva (25% da memória, de 2 a 8 GB; 2 GB por placa de vídeo). Estimativa, não VRAM medida. LiveBench 2026-06-25
Roda em
Na memória, fora da parte rápida 1
Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.
Só em servidor 1
Nenhum perfil de desktop, notebook ou GPU o comporta na memória rápida; a memória é somada entre GPUs.
Nemotron 3 Ultra 550B A55B é um modelo de texto da NVIDIA com 550B de parâmetros, dos quais 55B ativos por token (mistura de especialistas). Foi lançado em 4 de junho de 2026 e lê até 262.144 tokens de contexto. Os pesos em Q4 com a margem de trabalho somam cerca de 413 GB, mais do que a memória rápida de qualquer Mac ou placa de vídeo de referência; entre as máquinas de referência, só DGX H100 · 8 × 80 GB o comporta na memória rápida. Coletamos 23 arquivos GGUF e MLX para baixar de 2 fontes de publicadores; a fonte GGUF mais baixada é a de unsloth (53,0 mil de downloads no Hub). Sua nota geral no LiveBench 2026-06-25 é 67,4. Sua pontuação de texto no LMArena é 1.426 ± 7 (rodada 2026-10-22), uma escala separada de preferência humana.
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 | ~415 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 | ~417 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 | ~419 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 | ~421 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 | ~421 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 unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~421 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 Ultra · CPU de 36 núcleos / GPU de 80 núcleos · 512 GB unificadosNa memória, fora da parte rápidaUD-IQ4_XS262.144 tokens | ~421 GB | Na memória, fora da parte rápida | UD-IQ4_XS | 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 | ~415 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 | ~415 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 | ~415 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 | ~415 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 | ~415 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 rápidaUD-Q6_K262.144 tokens | ~429 GB | Cabe na memória rápida | UD-Q6_K | 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 Ultra 550B A55B pela ficha do publicador e pelo snapshot LiveBench 2026-06-25. Isto é evidência de qualidade, não de velocidade local.
Os pesos em Q4 com a margem de trabalho somam cerca de 413 GB a partir de 550B 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 (53,0 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 · 53,0 mil downloads
unsloth/NVIDIA-Nemotron-3-Ultra-550B-A55B-GGUF · UD-Q4_K_M/NVIDIA-Nemotron-3-Ultra-550B-A55B-UD-Q4_K_M-00001-of-00009.gguf · 359,2 GB
Rodar este arquivo
llama-server -hf unsloth/NVIDIA-Nemotron-3-Ultra-550B-A55B-GGUF:UD-Q4_K_Mlms get https://huggingface.co/unsloth/NVIDIA-Nemotron-3-Ultra-550B-A55B-GGUF- Ollama: A forma hf.co documentada do Ollama cobre GGUFs de um arquivo só; este tem 9 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
- 18
- Ajustes (fine-tunes)
- 7
- Adaptadores · misturas
- 14 · 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.
4 repositórios derivados têm “uncensored” ou “abliterated” no nome (lido em 2026-10-23).
Velocidade medida
Nenhuma medição publicada para este checkpoint
Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.
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-Ultra-550B-A55B-NVFP4
- Tarefa e modalidade
- linguagem e raciocínio · texto
- Contagem e base
- 550B · especificação do fabricante · 55B ativos
- Contexto
- 262.144 tokens publicados para este modelo
- Arquitetura
- MoE
- Lançamento
- nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4 model card (Hugging Face) · consultado em 2026-10-09fonte
- Runtime e precisão
- Nenhuma execução local verificada.
- Idiomas
- en, fr, es, it, de, pt, ja, ko, hi, ar, zh, heMetadados do model card · consultado em 2026-10-25fonte
- Uso comercial
- Permitido OpenMDW 1.1 text (nvidia/NV-Reason-CT LICENSE) · consultado em 2026-10-18texto da licença
Todos os campos guardados
- Revisão conferida
- 02462641f13d3af838b904f48195b9bb8a1e4ebc
- Arquitetura
- NemotronHForCausalLM
- Biblioteca
- transformers
- Tag de tarefa no Hub
- text-generation
- Formatos
- safetensors, pt
- Acesso
- Download aberto
- Tipo de publicador
- Oficial
- Repositório criado
- 2026-06-03criação não é o lançamento do modelo
- Repositório atualizado
- 2026-08-24um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 43.690 · 367só 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
550B parâmetros arquiteturais. O checkpoint vinculado usa NVFP4 empacotado; sua contagem de elementos não equivale a parâmetros. A estimativa genérica Q4 não é um requisito medido deste checkpoint.
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: 2026-10-18.

