中文简介
nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4 是 nvidia 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 4f0cf9daaeb7,同步到 36 个文件,文件元数据合计 74.83 GB;访问状态为“公开”,许可证字段为“nvidia-nemotron-open-model-license”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4 是 nvidia 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 4f0cf9daaeb7,同步到 36 个文件,文件元数据合计 74.83 GB;访问状态为“公开”,许可证字段为“nvidia-nemotron-open-model-license”。
【适用方向】
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
【版本与规格】
固定版本:4f0cf9daaeb7。 任务标签:文本生成与推理。 语言字段:en, fr, es, it, de, ja, zh。 架构:NemotronHForCausalLM。 上游 Safetensors 元数据显示参数量约 67.23 B。 库标记:transformers。 模型类型字段:nemotron_h。 上游页面记录的最近更新时间:2026-05-01。
【文件信息】
上游 API 返回 36 个文件,文件元数据合计 74.83 GB。 已保存文件清单中的主要扩展名:.safetensors 17 个、.json 7 个、.md 5 个、.py 4 个、.jinja 1 个、.png 1 个。 当前较大的文件包括:model-00003-of-00017.safetensors(4.66 GB);model-00013-of-00017.safetensors(4.66 GB);model-00004-of-00017.safetensors(4.66 GB)。
【运行或处理环境】
仓库文件元数据合计 74.83 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 125.22 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
【使用边界】
许可证显示为“nvidia-nemotron-open-model-license”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4 Model Summary | | | |:---|:---| | **Total Parameters** | 120B (12B active) | | **Architecture** | LatentMoE - Mamba-2 + MoE + Attention hybrid with Multi-Token Prediction (MTP) | | **Context Length** | Up to 1M tokens | | **Minimum GPU Requirement** | 1× B200 OR 1× DGX Spark| | **Supported Languages** | English, French, German, Italian, Japanese, Spanish, Chinese | | **Best For** | Agentic workflows, long-context reasoning, high-volume workloads (e.g. IT ticket automation), tool use, RAG | | **Reasoning Mode** | Configurable on/off via chat template (`enable_thinking=True/False`) | | **License** | NVIDIA Nemotron Open Model License | | **Release Date** | March 11, 2026 | Quick Start Use `temperature=1.0` and `top_p=0.95` across **all tasks and serving backends** — reasoning, tool calling, and general chat alike. For more details on how to deploy and use the model - see the Quick Start Guide below! Model Overview Model Developer:** NVIDIA Corporation Model Dates:** December 2025 - March 2026 Data Freshness:** The post-training data has a cutoff date of February 2026. The pre-training data has a cutoff date of June 2025. What is Nemotron? NVIDIA Nemotron™ is a family of open models with open weights, training data, and recipes, delivering leading efficiency and accuracy for building specialized AI agents. Description Nemotron-3-Super-120B-A12B-NVFP4** is a large language model (LLM) trained by NVIDIA, designed to deliver strong agentic, reasoning, and conversational capabilities. It is optimized for collaborative agents and high-volume workloads such as IT ticket automation. Like other models in the family, it responds to user queries and tasks by first generating a reasoning trace and then concluding with a final response. The model's reasoning capabilities can be configured through a flag in the chat template. The model employs a hybrid **Latent Mixture-of-Experts (LatentMoE)** architecture, utilizing interleaved Mamba-2 and M
适用场景
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
模型参数
固定版本:4f0cf9daaeb7。 任务标签:文本生成与推理。 语言字段:en, fr, es, it, de, ja, zh。 架构:NemotronHForCausalLM。 上游 Safetensors 元数据显示参数量约 67.23 B。 库标记:transformers。 模型类型字段:nemotron_h。 上游页面记录的最近更新时间:2026-05-01。
文件说明
上游 API 返回 36 个文件,文件元数据合计 74.83 GB。 已保存文件清单中的主要扩展名:.safetensors 17 个、.json 7 个、.md 5 个、.py 4 个、.jinja 1 个、.png 1 个。 当前较大的文件包括:model-00003-of-00017.safetensors(4.66 GB);model-00013-of-00017.safetensors(4.66 GB);model-00004-of-00017.safetensors(4.66 GB)。
上游文件元数据
.gitattributes1.60 KB__init__.py0 Baccuracy_chart.png77.31 KBbias.md2.56 KBchat_template.jinja10.52 KBconfig.json7.07 MBconfiguration_nemotron_h.py19.36 KBexplainability.md3.08 KBgeneration_config.json210 Bhf_quant_config.json5.86 MBmodel-00001-of-00017.safetensors4.66 GBmodel-00002-of-00017.safetensors4.64 GB
硬件建议
仓库文件元数据合计 74.83 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 125.22 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
注意事项
许可证显示为“nvidia-nemotron-open-model-license”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
- 大模型获取与国内转存服务
- 大模型怎么下载:Hugging Face 官方方式与国内交付完整指南
- 国内下载 Hugging Face 模型很慢或经常中断怎么办
- DeepSeek、ChatGPT、豆包、Kimi 能否下载到本地
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。