01Ce qu'il sait faire
- Échelle frontière (550B total, 55B actifs)
- Sparsité MoE : coût compute proche d'un dense 55B
- 128k contexte natif
- Licence NVIDIA Open Model (usage commercial OK)
- —~319 Go VRAM en Q4 — nécessite multi-GPU H100/MI300 ou serveur dédié
- —Gated sur Hugging Face (click-through)
- —Hors-portée du hardware grand public
04Installer
Installez Ollama pour votre OS. Vérifiez le modèle et sa quantification avant le téléchargement. Commencez avec 4096 tokens de contexte, puis contrôlez le placement avec ollama ps. Une commande ci-dessous n’est pas une preuve de test exécuté sur votre machine.
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Quel matériel pour Nemotron 3 Ultra ?
Pour exécuter Nemotron 3 Ultra en local en quantification Q4, il faut environ 319 Go de VRAM. Une option à comparer : GMKtec EVO-X2 64 Go / 1 To (Ryzen AI Max+ 395) — ce modèle dépasse la capacité GPU de ce mini-PC : choisissez un modèle plus petit ou une infrastructure adaptée.
Pourquoi ce choix ? Notre fiche complète sur GMKtec EVO-X2 64 Go / 1 To (Ryzen AI Max+ 395) →
Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.