Nemotron 3 Super (120B A12B)

Fiche modèle · NVIDIA · nemotron-3-super-120b-a12b

Nemotron 3 Super is a 120B total / 12B active parameter hybrid Mamba-Attention Mixture-of-Experts model optimized for agentic reasoning, coding, planning, tool calling, and long-context analysis. It introduces LatentMoE (projecting tokens into a compressed latent space for expert routing, enabling 4x more experts at the same inference cost), Multi-Token Prediction for native speculative decoding (up to 3x faster generation), and native NVFP4 pretraining on Blackwell. The hybrid architecture interleaves Mamba-2 layers for linear-time sequence processing with strategically placed Transformer attention layers as global anchors, supporting a 1M-token context window. Pre-trained on 25 trillion tokens and post-trained with multi-environment RL across 21 configurations using NeMo Gym/RL with 1.2 million rollouts. Achieves up to 5x higher throughput than previous Nemotron Super and 2.2x higher throughput than GPT-OSS-120B while maintaining comparable accuracy.

Fiches modèles

Identité

OrganisationNVIDIA
Pays—
Famille—
Typellm
Date de sortie2026-03-11
Licencenvidia open model license agreement
Licence commercialeoui
Licence open sourcenon
Poids ouvertsoui
Auto-hébergement (DGX Spark)non — 120 Md > 107 Md
Modalitéstext
Fenêtre de contexte1 000 000
KV cache / token (Q8)—
Paramètres totaux120 B
Paramètres actifs (session)12 B
Source des paramètres actifsactifs : nom (heuristique) ; total : nom (heuristique)
Curation des paramètres actifs2026-11-04
Prix par session0.17 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)1.2 M
Tokens / tâche (Terminal-Bench)83.3 M (est.)
Ratio Terminal-Bench / Data Players69.4×
Coût / tâche (Terminal-Bench)1.39 $ (est.)
Tokens d'entraînement25 000 000 000 000
Coupure de connaissance2025-06-01
Créé le2026-05-07T16:53:33.190523Z
Mis à jour le2026-11-04T06:04:58.484023Z
SourceLLM Stats
URLhttps://llm-stats.com/models/nemotron-3-super-120b-a12b
Tokens/tâche

IA Act — preuves fournisseur

ICA 2/100 · périmètre complet · seuil systémique inconnu

CritèreNote / 5Poids
Documentation technique2,55 %
Résumé des données d'entraînement0,035 %
Conformité droit d'auteur0,035 %
Code of Practice GPAI0,020 %
Risque systémique0,05 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : souverain — via Nebul (eurouter).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

FournisseurSourceSouverainetéEntrée (/M tok)Sortie (/M tok)QuantificationContexteLatence (s)Débit (tok/s)Statut
Nebuleuroutersouverain———262 144———
DeepInfrallm-statsnon0.09 $0.40 $————active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

CatégorieScore
chat0.60
instruction_following0.70
language0.80
legal0.80
long_context0.80
math0.70
physics0.60
reasoning0.60
search0.30
finance0.80
frontend_development0.50
general0.60
healthcare0.80
agents0.30
biology0.60
chemistry0.60
code0.50
communication0.60
creativity0.70
tool_calling0.50
vision0.20
writing0.70

Scores par benchmark

BenchmarkCatégorieScoreMaxNormalisé (API)VérifiéAuto-déclaréDaté du
aa-lcrreasoning0.581.000.58nonoui2026-11-04T06:04:58.592121Z
aime-2025math0.901.000.90nonoui2026-11-04T06:04:58.501142Z
arena-hard-v2general0.741.000.74nonoui2026-11-04T06:04:58.588804Z
bird-sql-(dev)reasoning0.421.000.42nonoui2026-11-04T06:04:58.579383Z
browsecompreasoning0.311.000.31nonoui2026-11-04T06:04:58.573483Z
gpqareasoning0.831.000.83nonoui2026-11-04T06:04:58.520156Z
hmmt-2025math0.951.000.95nonoui2026-11-04T06:04:58.508042Z
humanity's-last-examreasoning0.231.000.23nonoui2026-11-04T06:04:58.534080Z
ifbenchinstruction_following0.731.000.73nonoui2026-11-04T06:04:58.582505Z
livecodebenchreasoning0.811.000.81nonoui2026-11-04T06:04:58.523303Z
mmlu-prolanguage0.841.000.84nonoui2026-11-04T06:04:58.493515Z
mmlu-proxlanguage0.791.000.79nonoui2026-11-04T06:04:58.605846Z
multichallengechat0.551.000.55nonoui2026-11-04T06:04:58.585662Z
rulerlong_context0.921.000.92nonoui2026-11-04T06:04:58.602618Z
scicodereasoning0.421.000.42nonoui2026-11-04T06:04:58.526191Z
swe-bench-multilingualreasoning0.461.000.46nonoui2026-11-04T06:04:58.559488Z
swe-bench-verifiedreasoning0.541.000.54nonoui2026-11-04T06:04:58.553062Z
tau2-airlinechat0.561.000.56nonoui2026-11-04T06:04:58.563674Z
tau2-retailcommunication0.631.000.63nonoui2026-11-04T06:04:58.566600Z
tau2-telecomcommunication0.641.000.64nonoui2026-11-04T06:04:58.570289Z
terminal-benchreasoning0.261.000.26nonoui2026-11-04T06:04:58.537110Z
terminal-bench-2reasoning0.311.000.31nonoui2026-11-04T06:04:58.540876Z
wmt24++language0.871.000.87nonoui2026-11-04T06:04:58.608766Z

Classements

CatégorieRangScoreNote conservatriceBenchmarks évaluésMéthodeDaté duProvenance
agents190—-0.483trueskill2026-10-19model_history
code151—13.006trueskill2026-10-19model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04