Nemotron 3 Ultra — NVIDIA 的本地 AI 模型
作者： Jakub Rusinowski · 最后更新：
NVIDIA Nemotron 3 系列的顶配：一个 5500 亿参数的混合模型，交错使用 Mamba-2 层、潜在专家混合（LatentMoE）层和少量注意力层，每个 token 激活 550 亿参数。采用 NVFP4 方案预训练，以 BF16 和 NVFP4 两种格式在 OpenMDW-1.1 许可下发布。NVIDIA 给出的 BF16 检查点最低配置是一台 8 卡 H200 或 B200 服务器。
变体
Nemotron 3 Ultra 最小的变体在 Q4_K_M 下约需 339 GB 显存——量化权重加框架开销，不含 KV 缓存。
| 模型 | Q4 下显存 | 显存 | 上下文 | 运行 |
|---|---|---|---|---|
| Nemotron 3 Ultra 550B → 550B (55B active) | ~339.2 GB | 262,144 | 云端托管标签 |
显存为 Q4_K_M 下的量化权重加开销，与 GPU 与显存检测器使用同一引擎计算。
如何在本地运行 Nemotron 3 Ultra
安装 Ollama，然后拉取标签。
No local Ollama tag. Ollama lists nemotron-3-ultra only as a cloud-hosted ':cloud' tag, which runs on Ollama's servers, not your machine.
在上方选择一个尺寸，查看它自己的显存、速度估算和安装命令。
许可证
Commercial use permitted. No usage restrictions beyond attribution.
适用于: Nemotron 3 Ultra 550B推荐 GPU
目录中能在本地运行 Nemotron 3 Ultra（至少 339 GB 显存）的最便宜 GPU 是 Apple M3 Ultra (512 GB).
Nemotron 3 Ultra — 常见问题
How much VRAM does Nemotron 3 Ultra need?
Nemotron 3 Ultra needs about 339 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Nemotron 3 Ultra 550B (339 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Nemotron 3 Ultra on an RTX 4090 (24 GB)?
Nemotron 3 Ultra's smallest variant needs about 339 GB, which exceeds a single RTX 4090 (24 GB). Use multiple GPUs, a higher-VRAM card, or Apple Silicon with large unified memory.
What quantization should I use for Nemotron 3 Ultra?
Q4_K_M is the best balance of quality and VRAM for Nemotron 3 Ultra in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run Nemotron 3 Ultra with Ollama?
Nemotron 3 Ultra has no local Ollama tag — the published tag is cloud-hosted, so running it sends your prompts to a hosted GPU rather than your own machine.