01Ce qu'il sait faire
Points forts
- Frontière MoE 561B / 55B actifs en BF16
- Multilingue 11 langues (dont français)
- 128k contexte natif
- Licence NVIDIA Open Model (commercial OK)
Limites à connaître
- —~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
Entraînement
Checkpoint BF16 (variante post-Base) de la famille Nemotron 3 Ultra. Pré-entraînement multilingue couvrant 11 langues (en, fr, es, it, de, pt, ja, ko, hi, ar, zh).
Idéal pour
Raisonnement datacenterCode multilingueMoE haute capacité
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-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.