Nvidia logo

Nemotron 3 Super – Benchmarks, Preise & Intelligence-Analyse

120B

NVIDIA Nemotron 3 Super is a 120B-parameter open hybrid MoE model, activating just 12B parameters for maximum compute efficiency and accuracy in complex multi-agent applications. Built on a hybrid Mamba-Transformer...

Nicht auf LLMBase verfügbar

Nemotron 3 Super ist derzeit nicht in LLMBase Chat oder über die LLMBase Inference API verfügbar. Benchmarks, Preise und Modelldetails bleiben für Recherche und Vergleiche sichtbar.

Eingabepreis$0.25/1M tokens
Ausgabepreis$0.78/1M tokens
Intelligenz25.4
Coding37.7

Spezifikationen

Technische Details und Preise.

AnbieterNvidia
Kontextfenster262,144 tokens
Veröffentlichungsdatum11. März 2026
ModalitätenText
FähigkeitenFunction Calling
VerfügbarkeitNicht verfügbar

Benchmarks

7 Benchmark-Scores von Artificial Analysis.

GPQA80.0%
HLE19.2%
SciCode36.0%
LCR60.0%
IFBench71.5%
Tau267.8%
TerminalBench Hard28.8%

Composite Indices

Higher is better; speed and price are normalized

Standard Benchmarks

Only benchmarks with data are shown

EU-Hosted Inference API

Power your AI projects with the best open-source models.

Drop-in OpenAI-compatible API. No data leaves Europe.

Explore Inference API

MiniMax

MiniMax M3

$0.40 / $1.40

per M tokens

Z.ai

GLM 5.2

$1.40 / $4.40

per M tokens

MoonshotAI

Kimi K2.7 Code

$0.95 / $4.00

per M tokens

DeepSeek

DeepSeek V4 Pro

$1.80 / $3.60

per M tokens

Häufig gestellte Fragen

Wofür eignet sich Nemotron 3 Super?

Nutzen Sie Nemotron 3 Super für alltägliche Aufgaben wie Schreiben, Zusammenfassen, Brainstorming und klare Erklärungen.

Wie viel kostet Nemotron 3 Super?

Die Abrechnung erfolgt nutzungsbasiert. Aktuell kostet die Eingabe $0.25/1M tokens und die Ausgabe $0.78/1M tokens.

Ist Nemotron 3 Super bereits in LLMBase Chat verfügbar?

Auf dieser Seite noch nicht. Wir fügen Chat- und Inference-Aktionen automatisch hinzu, sobald ein exakter Katalogeintrag für Nemotron 3 Super existiert.

Unterstützt Nemotron 3 Super Bilder oder Audio?

Nemotron 3 Super ist vor allem für textbasierte Aufgaben ausgelegt.

Benchmarks und Preise nutzen, sofern verfügbar, Artificial Analysis. Katalog-Spezifikationen dienen als Fallback.