Text & Reasoning
Nemotron 3 Nano 30B-A3B
Offenes Hybrid-MoE-Modell von NVIDIA. 30B Gesamtparameter, 3B aktiv.
Text & ReasoningNemotron 3.5 Lightning 30B-A3B
Nemotron 3.5 Lightning 30B-A3B ist ein Sprachmodell von NVIDIA. Offenes Hybrid-MoE-Modell von NVIDIA. 30B Gesamtparameter, 3B aktiv; auf einem H100 nennt die Referenzkonfiguration 256K Kontext.
Wie kannst du es nutzen?
Wenn du lokal arbeiten möchtest, prüfe zuerst Lizenz, passende Laufzeit und den Speicherbedarf deiner Modellvariante. Offene Gewichte allein sagen noch nicht, ob dein Rechner dafür ausreicht.
Aktuell im HerstellerkatalogQuellenstand 2026-10-13
NVIDIA im Verzeichnis
EingabeText
AusgabeText
Kontext1.048.576 Tokens
Technische Daten
Identität, Funktionen und Betrieb getrennt lesen. Die Angaben beziehen sich auf diese konkrete Version.
„Nicht bestätigt“ kennzeichnet eine offene Angabe. Es bedeutet weder „nicht vorhanden“ noch „unbegrenzt“.
| Hersteller | NVIDIA |
|---|---|
| Modellfamilie | Nemotron |
| Modell-/API-ID | nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 |
| Status | Aktuell im Herstellerkatalog |
| Modellart | Text & Reasoning |
|---|---|
| Eingabe | Text |
| Ausgabe | Text |
| Kontext | 1.048.576 Tokens |
|---|---|
| Maximaler Output / Horizont | Nicht bestätigt |
| Bereitstellung | Offene Gewichte; selbst betreiben |
|---|---|
| Gewichte | Offene Gewichte dokumentiert |
| Lizenz | OpenMDW 1.1 |
Daten im Überblick
Die Grafik zeigt die im Profil dokumentierten Grenzen. Kontext und maximale Ausgabe sind keine addierbaren Budgets und keine Qualitätsbewertung. Zusätzliche Bedingungen stehen im Datenblatt.
- Kontext
- 1.048.576 Tokens
- Maximaler Output / Horizont
- Nicht bestätigt
Datenbasis: Herstellerangaben im Quellenstand 2026-10-13. Quellen zu diesem Profil ↓
Einsatz und Grenzen
Wähle eine kleine Aufgabe mit einer überprüfbaren Lösung: etwa fünf Informationen aus einem gegebenen Dokument extrahieren. Prüfe die Antworten am Original, nicht nur die Formulierung.
Vor einem lokalen Test zuerst Gewichteformat, Lizenz, Arbeitsspeicher und unterstützte Runtime prüfen. Notiere die genaue Modellversion. Ein Kurzname in der API kann später auf einen anderen Modellstand verweisen. Der Auswahlguide für lokale KI-Modelle vertieft die Prüfung von Aufgabe, Gewichteformat, Speicher und Lizenz vor einem eigenen Versuch.
Lokaler Betrieb: Verfügbare Gewichte allein belegen nicht, dass dieses Modell auf deinem Rechner läuft. Speicherbedarf, Quantisierung, Kontext und unterstützte Hardware müssen zusammenpassen.
Leistung: Wir haben die Leistung dieses Modells hier nicht selbst gemessen. Nutze die Aufgabe unten, um es an deinen Anforderungen zu prüfen.
Was kostet Nemotron 3.5 Lightning 30B-A3B?
Bestätigter Tarif / PreisangabeKein bestätigter Einheitspreis im geprüften Quellenstand
Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen.
Zugang: Offene Gewichte; selbst betreiben. Prüfe vor einer Integration die für dein Konto und deine Region verfügbaren Endpunkte. Ein Eintrag im öffentlichen Katalog ist keine Bestätigung eines freigeschalteten Kontos.
Praxis: Aufträge mit derselben Kennung abgleichen
Praxisergänzung geprüft am 22. Oktober 2026 · eigene Aufgabe, kein Modellbenchmark
Nach einer unterbrochenen Verbindung kann ein Auftrag noch einmal eintreffen. Eine identische Wiederholung ist etwas anderes als dieselbe Kennung mit verändertem Inhalt. Die Vorlage macht beide Fälle sichtbar. Sie lässt keine Agenten laufen und verändert keine Daten; eine echte Anwendung braucht die Prüfung zusätzlich außerhalb des Modells.
Vorbereitung
NVIDIA unterscheidet die BF16-Referenzgewichte von Nemotron 3.5 Lightning und die auf Inferenz ausgerichtete NVFP4-Variante. Halte die tatsächlich verwendete Revision und Präzision fest. Für diese Textaufgabe genügt ein bereits eingerichteter Zugang. Die Lösung misst weder Geschwindigkeit noch die Zuverlässigkeit einer echten Warteschlange. Aktive Parameter und Gesamtmodell bleiben unterschiedliche Größen.
Halte die konkrete Modellversion und den Betriebsweg fest. Die Vorlage verwendet ausschließlich fiktive Daten.
Bearbeite die Aufgabe. Speichere den geforderten Prüfteil als antwort.json. Bei einer Offline-Abnahme erstellst du diese Datei selbst; sie ist dann keine Modellausgabe.
Vergleiche mit dem Soll und ändere anschließend einen Eingabefall. Prüfe die Begründung am Ausgangsmaterial, bevor du das Ergebnis übernimmst.
Aufgabe zum Kopieren
Die Angaben sind fiktiv. Speichere den geforderten JSON-Teil der Antwort separat als antwort.json; zusätzliche Erklärungen gehören in eine andere Datei.
Fiktive Eingangsfolge: A=(job J1, wert 7), B=(job J1, wert 7), C=(job J1, wert 8), D=(job J2, wert 8). Regel: Der erste Datensatz einer Kennung ist neu. Gleiche Kennung und gleicher Wert sind eine Wiederholung. Gleiche Kennung mit anderem Wert ist ein Konflikt und wird nicht übernommen. JSON: neu, wiederholung, konflikt (je alphabetisch sortierte Datensatz-IDs). Nichts ausführen.Vorlage herunterladenLokalen JSON-Prüfer herunterladen
Lösung und Prüfkriterien ansehen
- B wiederholt A unverändert.
- C darf A nicht überschreiben, weil sich der Wert unter J1 geändert hat.
- D ist trotz desselben Zahlenwerts wie C ein neuer Auftrag mit anderer Kennung.
{
"neu": [
"A",
"D"
],
"wiederholung": [
"B"
],
"konflikt": [
"C"
]
}Das Soll ist redaktionell aus der Vorlage abgeleitet, keine aufgezeichnete Modellantwort. Der lokale Prüfer vergleicht die festgelegten Felder und führt keinen generierten Code oder API-Aufruf aus. Er bewertet keine freien Begründungen.
Speichere Prüfer und deine Antwort im selben Ordner. Mit installiertem Python: python pruefen.py antwort.json.
| Beobachtung | Was du prüfst |
|---|---|
| C ersetzt A | Die Aufgabenregel verlangt bei geändertem Inhalt eine Konfliktprüfung. |
| D gilt als Duplikat | Vergleiche Kennung und Inhalt, nicht nur den Zahlenwert. |
| Eine richtige Antwort gilt als technische Sperre | Die echte Anwendung muss Wiederholungen und Konflikte selbst kontrollieren. |
Passende Anleitungen
Für einen tatsächlichen Workflow erläutert der Guide fehlende und doppelte Items in n8n prüfen.
Wie du Modellvorschlag und Ausführung trennst, lernst du unter KI-Workflows mit menschlicher Freigabe aufbauen.
Gezielte Praxisergänzung auf Basis aktueller Herstellerunterlagen. Der Datenstand der bisherigen Modell-Faktentabellen bleibt separat ausgewiesen. Neue Beispiele und Grafiken sind eigene Erklärungen; es wurden keine Modellantworten oder Leistungswerte gemessen.
Herstellerunterlagen zur Ergänzung: NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 (Abruf 2026-10-22) · NVIDIA Nemotron 3.5 Super and Lightning - NVIDIA Nemotron (Abruf 2026-10-22).
Quellen und Prüfstand
Quellenstand: 2026-10-13. Spezifikationen, Tarife und Zugang können sich ändern. Die Illustration zeigt den dokumentierten Datenweg, keine gemessene Leistung.
Häufige Fragen
Was ist Nemotron 3.5 Lightning 30B-A3B?
Offenes Hybrid-MoE-Modell von NVIDIA. 30B Gesamtparameter, 3B aktiv; auf einem H100 nennt die Referenzkonfiguration 256K Kontext. Hersteller: NVIDIA. Dokumentierte ID: nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16.
Was verarbeitet Nemotron 3.5 Lightning 30B-A3B?
Eingabe: Text. Ausgabe: Text. Maßgeblich sind die Funktionen des konkreten Endpunkts in der Herstellerquelle.
Kannst du Nemotron 3.5 Lightning 30B-A3B lokal betreiben?
Offene Gewichte sind dokumentiert. Die Lizenz OpenMDW 1.1, unterstützte Runtime und benötigte Hardware musst du zusätzlich prüfen.
Was kostet Nemotron 3.5 Lightning 30B-A3B?
Kein bestätigter Einheitspreis im geprüften Quellenstand. Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen. Bei selbst betriebenen Gewichten kommen Hardware- und Betriebskosten hinzu.
Ist das ein Leistungstest oder eine Rangliste?
Nein. Das Profil dokumentiert Herstellerangaben mit Quellenstand 2026-10-13. Die Testidee ist redaktionell formuliert und wurde hier nicht ausgeführt; sie ist keine Qualitätsgarantie.
Wie groß ist das Kontextfenster von Nemotron 3.5 Lightning 30B-A3B?
Im dokumentierten Quellenstand: 1.048.576 Tokens. Bis 1M Tokens laut Modellkarte; tatsächlich nutzbarer Kontext hängt von Hardware, Präzision und Runtime ab. Kontext ist keine Wortzahl und kein Nachweis, dass jede enthaltene Information zuverlässig verarbeitet wird.
Wie prüfst du Nemotron 3.5 Lightning 30B-A3B für deine Aufgabe?
Lege eine kleine Aufgabe mit bekanntem oder nachprüfbarem Ergebnis fest. Notiere Version, Eingabe und Einstellungen. Vergleiche die Ausgabe mit deinem Prüfkriterium und halte Fehler sowie tatsächliche Kosten getrennt fest. Die Testidee auf dieser Seite ist ein Vorschlag und wurde hier nicht als Modelltest ausgeführt.
Ist BF16 dasselbe wie die NVFP4-Bereitstellung von Lightning?
Nein. NVIDIA führt sie als unterschiedliche Präzisionsvarianten mit eigenen Einsatzzielen und Konfigurationen. Notiere die tatsächlich verwendete Variante.
Verhindert Nemotron mit dieser Textprobe doppelte Aktionen?
Nein. Es werden nur fiktive Datensätze zugeordnet. Eine echte Ausführung braucht eine unabhängige Kontrolle in der Anwendung.
Warum ist D trotz wert 8 ein neuer Auftrag?
D verwendet J2 statt J1. Nach der vorgegebenen Regel entscheidet zuerst die Auftragskennung; gleiche Werte allein begründen keine Wiederholung.
Weitere NVIDIA-Modelle
Alle anzeigen →Text & Reasoning
Nemotron 3 Super 120B-A12B
Offenes Hybrid-MoE-Modell von NVIDIA. 120B Gesamtparameter, 12B aktiv.
Text & Reasoning
Nemotron 3 Ultra 550B-A55B
Offenes Hybrid-MoE-Modell von NVIDIA. 550B Gesamtparameter, 55B aktiv.