// NVIDIA Nemotron · 文本大模型
Nemotron-3-Labs-Ultra-Math-RL 本地部署与显存需求
总 550B · 激活 55B（MoE） 参数。4 位量化约 367 GB，BF16 约 1.21 TB（1 个 8K token 请求）。
发布 2026-09-02许可：可商用显存为估算值
01规格
| 发布方 | 英伟达 · nvidia |
|---|---|
| 系列 | NVIDIA Nemotron · Nemotron-3-Labs-Ultra-Math-RL |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 总 550B · 激活 55B（MoE） 来源：官方模型卡“Number of model parameters: 550B Total / 55B Active” |
| 上下文长度 | 256K tokens (262,144)取自 config.json 的 max_position_embeddings |
| 结构 | 108 层（12 层全注意力） · GQA+HYBRID · MoE |
| 发布权重 | BF16 · 1.12 TB下载量 |
| 许可 | OpenMDW-1.1 · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2026-09-02 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 1.10 TB | 1.21 TB | 1.21 TB | 1.21 TB | 8 × B200（1,440GB） | — |
| FP8 / INT8 / Q8_0 | 584 GB | 643 GB | 644 GB | 645 GB | 8 × H200（1,128GB） | — |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 333 GB | 367 GB | 368 GB | 369 GB | 8 × H100（640GB） | — |
每个请求的 KV 缓存：8K 0.1 GB · 32K 0.4 GB · 128K 1.6 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- Transformers — 官方模型卡提及
04官方仓库与量化版
nvidia 官方发布的 1 个仓库。
05NVIDIA Nemotron 其他模型
全部 62 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16 | 3.98B | 3.6 GB | 2026-10-16 |
| Nemotron-3.5-Rerank-8B-BF16 | 8.38B | 6.1 GB | 2026-10-15 |
| NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 | 124.5B / 12B | 83.5 GB | 2026-10-12 |
| NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16 | 74.9B / 9B | 50.4 GB | 2026-10-09 |
| Nemotron-3.5-Embed-1B-BF16 | 1.55B | 1.5 GB | 2026-10-07 |
| Nemotron-3.5-Embed-8B-BF16 | 8.38B | 6.1 GB | 2026-10-07 |
| Nemotron-3.5-Parse | 631M | 1.1 GB | 2026-09-03 |
| NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 | 31.6B / 3B | 21.6 GB | 2026-08-01 |
06来源
数据核对于 2026-09-11。参数、上下文、许可取自官方仓库；显存为本站估算。