01O que ele sabe fazer
- Escala de modelos de fronteira (550B no total, 55B ativos)
- Esparsidade MoE: custo computacional próximo ao de um modelo denso de 55B
- Contexto nativo de 128k
- Licença NVIDIA Open Model (uso comercial permitido)
- —~319 GB de VRAM em Q4 — exige várias GPUs H100/MI300 ou um servidor dedicado
- —Acesso restrito no Hugging Face (aceite por clique)
- —Fora do alcance do hardware para consumidores
04Instalar
Instale Ollama para seu SO. Verifique o modelo e sua quantização antes do download. Comece com 4096 tokens de contexto, depois verifique a alocação com ollama ps. Um comando abaixo não é prova de teste executado na sua máquina.
02Memória necessária
Quantidade aproximada de VRAM da GPU necessária para executar este modelo, incluindo a memória adicional para um contexto de 4k tokens. Para um contexto mais longo, adicione ~1 GB a cada 8k tokens.
Qual hardware usar para Nemotron 3 Ultra?
Para executar Nemotron 3 Ultra localmente com quantização Q4, você precisa de aproximadamente 319 GB de VRAM. Uma opção para comparar: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — este modelo excede a capacidade de GPU deste mini-PC: escolha um modelo menor ou uma infraestrutura adequada.
Por que essa escolha? Nossa ficha completa sobre GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Links afiliados — comissão possível sem custo adicional para você, recomendação independente. Como Parceiro Amazon, QualLLM obtém lucro com compras que atendem às condições exigidas.
03Velocidade estimada
Tokens gerados por segundo em Q4_K_M, contexto 4k. Acima de 20 t/s, a leitura é confortável. Abaixo de 10 t/s, é apenas para testar.