01Ce qu'il sait faire
Points forts
- Frontière MoE 561B / 55B actifs en BF16
- Pré-entraînement multilingue 11 langues (dont français)
- 128k contexte natif
- Base ouverte pour fine-tuning et recherche
Limites à connaître
- —Variante Base : non aligné chat/instruct, à fine-tuner avant usage applicatif
- —~325 Go VRAM en Q4, ~1.1 To en BF16 — multi-GPU H100/MI300 obligatoire
- —Pas de tag Ollama : install via Hugging Face uniquement
- —Licence NVIDIA Open Model (à relire selon usage commercial)
Architecture
Mixture-of-Experts · 561B paramètres totaux · ~55B actifs par token · 128k contexte · poids BF16 · latent-MoE + MTP
Entraînement
Checkpoint Base (pré-entraîné, non-instruct) de la famille Nemotron 3 Ultra. Pré-entraînement multilingue couvrant 11 langues (en, fr, es, it, de, pt, ja, ko, hi, ar, zh). Diffusé en précision BF16 sur Hugging Face.
Idéal pour
Fine-tuning multilingueRecherche MoEPré-alignement custom
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.
Q4_K_M
Le plus léger, ~5% de perte
325 Go
Q5_K_M
Bon compromis qualité/taille
398 Go
Q8_0
Quasi-indistinguable de FP16
600 Go
FP16
Pleine précision — usage serveur
1122 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 729 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
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.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$# HuggingFace : nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-Base-BF16
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.