Nemotron 3 Super Modell-Übersicht

Nemotron 3 Super ist ein Open-Weights-Modell von NVIDIA aus der Nemotron-3-Familie. Vorgestellt wurde Nemotron Super 3 auf der GTC 2026. Das LLM kombiniert eine Hybride Architektur aus Mamba-2-Layern, Transformer-Attention-Layern und Latent-Mixture-of-Experts (LatentMoE) zu einem 120B-Parameter-Modell, das 12B Parameter pro Token aktiviert. Nemotron 3 Super kann ein Kontextfenster von bis zu 1 Mio. Tokens verarbeiten und ist für den Einsatz als KI-Agent und für Multi-Step-Workflows optimiert.

Website Model Card Hugging Face Technischer Report Blog

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

1,05 Mio. Token

32,77k Token

25.000 Mrd.

120,6 Mrd.

$0.30

$0.75

131,07k

230,25 GB

Nemotron 3 Super Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

Nemotron 3 Super Benchmark Übersicht

AIME 2025

GPQA

LiveCodeBench

MMLU-Pro

Nemotron 3 Super Performance im Vergleich zu anderen Modellen

Benchmark	Nemotron 3 Super	GPT-5.4	GPT-5.4 mini	MiniMax M2.7	GPT-5.4 nano	Gemini 3.1 Flash-Lite	Gemini 3.1 Pro
American Invitational Mathematics Examination 2025AIME 2025	90,2 %	—	90,8 %	—	98,3 %	—	—
Graduate-Level Google-Proof Q&A BenchmarkGPQA	79,2 %	—	—	—	—	—	—
LiveCodeBenchLiveCodeBench	81,2 %	—	—	—	—	72 %	2.887 %
MMLU-ProMMLU-Pro	83,7 %	—	—	—	—	—	—

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark American Invitational Mathematics Examination 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.2	100 %
GPT-5.2 Pro	100 %
GPT-5	99,6 %
GPT-5.4 nano	98,33 %
Kimi K2.5 (Thinking)	96,1 %
DeepSeek-v3.2 Speciale	96 %
GLM-4.7	95,7 %
Gemini 3 Pro	95 %
Kimi K2 Thinking	94,5 %
GPT-5.1	94 %
GLM-4.6	93,9 %
DeepSeek-v3.2 Thinking	93,1 %
GPT-5.4 mini	90,83 %
Nemotron 3 Super	90,21 %
Claude Sonnet 4.5	87 %
MiniMax M2.5	86,3 %
MiniMax M2.1	83 %
Claude Haiku 4.5	80,7 %
MiniMax-M2	78 %
Kimi K2 (0905)	49,5 %

Vergleich von LLMs im Benchmark American Invitational Mathematics Examination 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Graduate-Level Google-Proof Q&A Benchmark. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	88,9 %
Qwen3.5-397B-A17B	88,4 %
Grok-4	87,5 %
Kimi K2 Thinking	84,5 %
Qwen3 235B A22B Thinking 2507	81,1 %
GLM-4.6	81 %
Nemotron 3 Super	79,23 %
GLM-4.5	79,1 %
GLM-4.5 Air	75 %
Qwen3 30B A3B Instruct 2507	70,4 %
GPT-4o (2024-11-20)	46 %
Gemma 3	24,3 %

Vergleich von LLMs im Benchmark Graduate-Level Google-Proof Q&A Benchmark. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Gemini 3.1 Pro	2.887 %
DeepSeek-v3.2 Speciale	88,7 %
Kimi K2.5 (Thinking)	85 %
GLM-4.7	84,9 %
Qwen3.5-397B-A17B	83,6 %
DeepSeek-v3.2 Thinking	83,3 %
Kimi K2 Thinking	83,1 %
MiniMax-M2	83 %
GLM-4.6	82,8 %
Nemotron 3 Super	81,19 %
MiniMax M2.1	81 %
Grok-4 Heavy	79,4 %
Grok-4	79,3 %
Qwen3 235B A22B Thinking 2507	74,1 %
GLM-4.5	72,9 %
Gemini 3.1 Flash-Lite	72 %
GLM-4.5 Air	70,7 %
Kimi K2 (0905)	53,7 %
Qwen3 30B A3B Instruct 2507	43,2 %
Gemini 2.5 Flash-Lite	34,3 %

Vergleich von LLMs im Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
MiniMax M2.1	88 %
Qwen3.5-397B-A17B	87,8 %
Kimi K2.5 (Thinking)	87,1 %
Grok-4	86,6 %
DeepSeek-R1-0528	85 %
Kimi K2 Thinking	84,6 %
GLM-4.5	84,6 %
Qwen3 235B A22B Thinking 2507	84,4 %
GLM-4.7	84,3 %
Nemotron 3 Super	83,73 %
MiniMax-M2	82 %
GLM-4.5 Air	81,4 %
Qwen3 30B A3B Instruct 2507	78,4 %
Gemma 3	67,5 %

Vergleich von LLMs im Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Hybrid
Input Kontextlänge	1,05 Mio.
Output Kontextlänge	32,77k
Tokenizer	Proprietär

Besonderheiten

Latent Mixture-of-Experts (LatentMoE)	Komprimiert Tokens in einen latenten Raum vor dem Expert-Routing, wodurch 4x mehr Experten bei identischen Rechenkosten aktiviert werden können.
Multi-Token Prediction (MTP)	Sagt mehrere zukünftige Tokens in einem Forward-Pass vorher.
Konfigurierbares Reasoning	Stufen: deaktiviert, niedrig (low_effort) oder vollständig (enable_thinking).

Vorteile & Nachteile

Vorteile

Vollständig offenes LLM
NVIDIA veröffentlicht ausführliche Informationen und Details zum Trainingsprozess von Nemotron 3 Super. Es lassen sich sowohl die Model Weights, als auch Trainingssätze für eigene Modelle herunterladen.
Ideal für Forscher und Entwickler
Durch die Transparenz und veröffentlichten Datensätze dürfte Nemotron 3 Super insbesondere KI-Forscher begeistern.
Sehr hoher Throughput
NVIDIA Nemotron 3 Super erreicht im Vergleich zu GPT-OSS (120B) einen ca. 2,2x höheren Token-Throughput.
Gutes Preis-Leistungs-Verhältnis
Bei API Anbietern wie DeepInfra lässt sich Nemotron 3 Super bereits ab $0,10 / 1 Mio. Input- und $0,50 / 1 Mio. Output-Tokens nutzen. Außerdem lässt sich das Modell lokal deployen – ausreichende Hardware vorausgesetzt.

Nachteile

Sehr hohe Hardware-Anforderungen
Laut Angaben von NVIDIA werden mindestens 8x H100-80GB GPUs für ein BF16-Deployment empfohlen.
API-Anbieter begrenzen Kontextfenster
Die meisten API-Anbieter beschränken das Kontextfenster aktuell auf 262K Token statt der nativen 1 Mio. Tokens.
Keine Multimodalität
NVIDIA Nemotron 3 Super verarbeitet ausschließlich Text, keine Bild-, Audio- oder Video-Inhalte.
Neuartige Architektur mit begrenztem Ökosystem
Die Hybrid-Mamba-Transformer-LatentMoE-Architektur ist noch jung. Bewährte reine Transformer-MoE-Architekturen bieten breitere Tool-Unterstützung und mehr Stabilität.

Vergleiche Nemotron 3 Super mit anderen LLMs

Vergleiche Nemotron 3 Super mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
MiniMax	MiniMax M2.7	MIT	230 Mrd.	204,8k	131,07k	$0.30	$1.20	18.03.2026
OpenAI	GPT-5.4 nano	Proprietär	Unbekannt	400k	128k	$0.20	$1.25	17.03.2026
OpenAI	GPT-5.4 mini	Proprietär	Unbekannt	400k	128k	$0.75	$4.50	17.03.2026
NVIDIA	Nemotron 3 Super	Open Model License	120,6 Mrd.	1,05 Mio.	32,77k	$0.30	$0.75	11.03.2026
OpenAI	GPT-5.4	Proprietär	Unbekannt	922k	128k	$2.50	$15.00	05.03.2026
Google DeepMind	Gemini 3.1 Flash-Lite	Proprietär	Unbekannt	1,05 Mio.	65,54k	$0.25	$1.50	03.03.2026
Google DeepMind	Gemini 3.1 Pro	Proprietär	Unbekannt	1 Mio.	64k	$2.00	$12.00	19.02.2026
Anthropic	Claude Sonnet 4.6	Proprietär	Unbekannt	200k	64k	$3.00	$15.00	17.02.2026
Alibaba	Qwen3.5	Apache 2.0	397 Mrd.	262,14k	65,54k	$0.40	$2.40	16.02.2026
MiniMax	MiniMax-M2.5	MIT	230 Mrd.	204,8k	131,07k	$0.30	$1.20	12.02.2026

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst NVIDIA Nemotron 3 Super über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.