NVIDIA Nemotron 3 Ultra ist das große Modell für Reasoning und Orchestrierung in der Nemotron-3-Familie. Es ist für anspruchsvolle mehrstufige Agenten, Analysen mit langem Kontext und Reasoning über Code, Mathematik und Wissenschaft ausgelegt. Das Modell hat insgesamt 550B Parameter und 55B aktive Parameter. Es kombiniert Mamba-2-, Attention- und Latent-Mixture-of-Experts-Schichten; Multi-Token-Prediction-Schichten unterstützen sein Generierungsdesign.
LatentMoE projiziert Informationen für die Expertenverarbeitung in eine kleinere latente Repräsentation. NVIDIAs Trainingsrezept kombiniert Vortraining, überwachte Feinabstimmung, Reinforcement Learning und domänenübergreifende On-Policy-Distillation. Der praktische Zweck dieser Stufen besteht darin, Reasoning, das Befolgen von Anweisungen, die Werkzeugnutzung und das Agentenverhalten über mehrere Aufgabentypen hinweg zu verbessern. Ultra erzeugt Text: eine Erklärung, eine Lösung, Code, einen Plan oder eine angeforderte Antwortstruktur. Stellen Sie das Material bereit, auf das sich die Antwort stützen soll, und die Bedingungen, die bestimmen, ob das Ergebnis korrekt ist.
Geben Sie für mathematisches oder wissenschaftliches Reasoning die vollständige Aufgabenstellung, bekannte Werte, Einheiten und zulässige Annahmen an. Eine nützliche Anfrage lautet: „Leite das Ergebnis aus diesen Bedingungen ab, benenne in jeder Stufe die Annahmen, prüfe die Dimensionen und erkläre, welche Beobachtung die Schlussfolgerung widerlegen würde.“ Bitten Sie nach der Herleitung um ein knappes Endergebnis. Sind experimentelle Daten beteiligt, unterscheiden Sie zwischen gemessenen und berechneten Größen und bitten Sie darum, Unsicherheit oder fehlende Informationen sichtbar zu lassen, statt sie in einer selbstsicheren Antwort aufgehen zu lassen.
Stellen Sie für Code- und Agenten-Workflows das Ziel, relevante Dateien als Text und die tatsächlichen Ausgaben früherer Schritte bereit. Ultra ist für Aufgaben mit mehreren voneinander abhängigen Entscheidungen vorgesehen; eine ausdrückliche Aufzeichnung erledigter Arbeit und offener Fragen ist daher nützlich. Zum Beispiel: „Prüfe diesen Migrationsvorschlag anhand des Schemas und der fehlgeschlagenen Prüfungen. Benenne die Abhängigkeit, die den Abschluss blockiert, schlage eine gezielte Korrektur vor und gib das erwartete Ergebnis der nächsten Prüfung an.“ Eine mit Werkzeugen verbundene Anwendung kann dann einen vorgeschlagenen Schritt ausführen und Belege für die nächste Entscheidung zurückgeben.
Der Hersteller unterstützt das Aktivieren oder Deaktivieren von Reasoning über das Chat-Template. Reasoning ist standardmäßig aktiviert und erzeugt einen Reasoning-Verlauf mit anschließender Antwort. Die Ultra-Modellkarte dokumentiert außerdem einen Reasoning-Modus mit mittlerem Aufwand, der weniger Reasoning-Token als vollständiges Thinking verwendet. Dies ist eine Ultra-spezifische Option; sie sollte nicht mit der für Super dokumentierten Einstellung für geringen Aufwand verwechselt werden. Legen Sie das gewünschte endgültige Ergebnis fest und lassen Sie nach dem Reasoning Platz dafür. Ein unvollständiger Verlauf ersetzt keine abgeschlossene Antwort auf die ursprüngliche Frage.
Ultra unterstützt einen Kontext von bis zu 1M Token. Kennzeichnen Sie bei umfangreichen Dokument- oder Quelldateisammlungen die Abschnitte und geben Sie dem Modell genau vor, was es vergleichen, nachverfolgen oder abgleichen soll. Erhalten Sie die Reihenfolge der Quellen, wenn Chronologie oder Abhängigkeiten wichtig sind. Ein nützliches Ergebnis für lange Dokumente enthält den Befund, die belegende Passage und die Bedeutung für die Frage. Wählen Sie relevante Materialien aus und reservieren Sie Platz für die Ausgabe; das Kontextfenster beschreibt die Arbeitssequenz und keine separate garantierte Länge der endgültigen Antwort.
Der Hersteller nennt Englisch, Französisch, Spanisch, Italienisch, Deutsch, Japanisch, Hindi, Koreanisch, brasilianisches Portugiesisch und Chinesisch. Geben Sie die Ausgabesprache an und erhalten Sie technische Kennungen oder Quellenzitate, wenn der genaue Wortlaut wichtig ist. Verwenden Sie bei einer mehrsprachigen Analyse für jedes Dokument dieselben Kriterien und bitten Sie darum, Unterschiede in Terminologie oder Annahmen zu erklären. Sprachliche Gewandtheit allein belegt nicht, dass zwei unterschiedlich formulierte Anforderungen dasselbe bedeuten.
NVIDIA stellt ausdrückliche Beispiele für Werkzeugaufrufe mit Reasoning bereit. Definieren Sie Zweck, Argumente und erwartetes Ergebnis jeder Funktion und geben Sie dann ihre tatsächliche Ausgabe an das Modell zurück. Die Anwendung führt die Operation aus; das Modell wendet Reasoning auf die zurückgegebene Beobachtung an. Ein langer Agenten-Workflow lässt sich leichter überprüfen, wenn vorgeschlagene Aktionen, ausgeführte Ergebnisse und offene Prüfungen klar unterschieden werden. Fordern Sie für einen Abschlussbericht die Antwort, die sie stützenden Belege, die Annahmen und gegebenenfalls verbleibende Aufgabenpunkte an. Prüfen Sie Berechnungen anhand der ursprünglichen Einheiten, Codeänderungen anhand beobachteter Prüfungen und Tatsachenbehauptungen anhand der bereitgestellten Quellen.
", "aboutText": "NVIDIA Nemotron 3 Ultra ist das große Modell für Reasoning und Orchestrierung in der Nemotron-3-Familie. Es ist für anspruchsvolle mehrstufige Agenten, Analysen mit langem Kontext und Reasoning über Code, Mathematik und Wissenschaft ausgelegt. Das Modell hat insgesamt 550B Parameter und 55B aktive Parameter. Es kombiniert Mamba-2-, Attention- und Latent-Mixture-of-Experts-Schichten; Multi-Token-Prediction-Schichten unterstützen sein Generierungsdesign.\n\nLatentMoE projiziert Informationen für die Expertenverarbeitung in eine kleinere latente Repräsentation. NVIDIAs Trainingsrezept kombiniert Vortraining, überwachte Feinabstimmung, Reinforcement Learning und domänenübergreifende On-Policy-Distillation. Der praktische Zweck dieser Stufen besteht darin, Reasoning, das Befolgen von Anweisungen, die Werkzeugnutzung und das Agentenverhalten über mehrere Aufgabentypen hinweg zu verbessern. Ultra erzeugt Text: eine Erklärung, eine Lösung, Code, einen Plan oder eine angeforderte Antwortstruktur. Stellen Sie das Material bereit, auf das sich die Antwort stützen soll, und die Bedingungen, die bestimmen, ob das Ergebnis korrekt ist.\n\nGeben Sie für mathematisches oder wissenschaftliches Reasoning die vollständige Aufgabenstellung, bekannte Werte, Einheiten und zulässige Annahmen an. Eine nützliche Anfrage lautet: „Leite das Ergebnis aus diesen Bedingungen ab, benenne in jeder Stufe die Annahmen, prüfe die Dimensionen und erkläre, welche Beobachtung die Schlussfolgerung widerlegen würde.“ Bitten Sie nach der Herleitung um ein knappes Endergebnis. Sind experimentelle Daten beteiligt, unterscheiden Sie zwischen gemessenen und berechneten Größen und bitten Sie darum, Unsicherheit oder fehlende Informationen sichtbar zu lassen, statt sie in einer selbstsicheren Antwort aufgehen zu lassen.\n\nStellen Sie für Code- und Agenten-Workflows das Ziel, relevante Dateien als Text und die tatsächlichen Ausgaben früherer Schritte bereit. Ultra ist für Aufgaben mit mehreren voneinander abhängigen Entscheidungen vorgesehen; eine ausdrückliche Aufzeichnung erledigter Arbeit und offener Fragen ist daher nützlich. Zum Beispiel: „Prüfe diesen Migrationsvorschlag anhand des Schemas und der fehlgeschlagenen Prüfungen. Benenne die Abhängigkeit, die den Abschluss blockiert, schlage eine gezielte Korrektur vor und gib das erwartete Ergebnis der nächsten Prüfung an.“ Eine mit Werkzeugen verbundene Anwendung kann dann einen vorgeschlagenen Schritt ausführen und Belege für die nächste Entscheidung zurückgeben.\n\nDer Hersteller unterstützt das Aktivieren oder Deaktivieren von Reasoning über das Chat-Template. Reasoning ist standardmäßig aktiviert und erzeugt einen Reasoning-Verlauf mit anschließender Antwort. Die Ultra-Modellkarte dokumentiert außerdem einen Reasoning-Modus mit mittlerem Aufwand, der weniger Reasoning-Token als vollständiges Thinking verwendet. Dies ist eine Ultra-spezifische Option; sie sollte nicht mit der für Super dokumentierten Einstellung für geringen Aufwand verwechselt werden. Legen Sie das gewünschte endgültige Ergebnis fest und lassen Sie nach dem Reasoning Platz dafür. Ein unvollständiger Verlauf ersetzt keine abgeschlossene Antwort auf die ursprüngliche Frage.\n\nUltra unterstützt einen Kontext von bis zu 1M Token. Kennzeichnen Sie bei umfangreichen Dokument- oder Quelldateisammlungen die Abschnitte und geben Sie dem Modell genau vor, was es vergleichen, nachverfolgen oder abgleichen soll. Erhalten Sie die Reihenfolge der Quellen, wenn Chronologie oder Abhängigkeiten wichtig sind. Ein nützliches Ergebnis für lange Dokumente enthält den Befund, die belegende Passage und die Bedeutung für die Frage. Wählen Sie relevante Materialien aus und reservieren Sie Platz für die Ausgabe; das Kontextfenster beschreibt die Arbeitssequenz und keine separate garantierte Länge der endgültigen Antwort.\n\nDer Hersteller nennt Englisch, Französisch, Spanisch, Italienisch, Deutsch, Japanisch, Hindi, Koreanisch, brasilianisches Portugiesisch und Chinesisch. Geben Sie die Ausgabesprache an und erhalten Sie technische Kennungen oder Quellenzitate, wenn der genaue Wortlaut wichtig ist. Verwenden Sie bei einer mehrsprachigen Analyse für jedes Dokument dieselben Kriterien und bitten Sie darum, Unterschiede in Terminologie oder Annahmen zu erklären. Sprachliche Gewandtheit allein belegt nicht, dass zwei unterschiedlich formulierte Anforderungen dasselbe bedeuten.\n\nNVIDIA stellt ausdrückliche Beispiele für Werkzeugaufrufe mit Reasoning bereit. Definieren Sie Zweck, Argumente und erwartetes Ergebnis jeder Funktion und geben Sie dann ihre tatsächliche Ausgabe an das Modell zurück. Die Anwendung führt die Operation aus; das Modell wendet Reasoning auf die zurückgegebene Beobachtung an. Ein langer Agenten-Workflow lässt sich leichter überprüfen, wenn vorgeschlagene Aktionen, ausgeführte Ergebnisse und offene Prüfungen klar unterschieden werden. Fordern Sie für einen Abschlussbericht die Antwort, die sie stützenden Belege, die Annahmen und gegebenenfalls verbleibende Aufgabenpunkte an. Prüfen Sie Berechnungen anhand der ursprünglichen Einheiten, Codeänderungen anhand beobachteter Prüfungen und Tatsachenbehauptungen anhand der bereitgestellten Quellen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ffbbfd5d600ccca982cd02be9f57c4477d559039961cb29c88ed73532ef7605b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "nvidia/nemotron-3-ultra-550b-a55b:freeNVIDIA Nemotron 3 Ultra ist ein großes Textmodell für Reasoning mit 550B Parametern insgesamt und 55B aktiven Parametern. Sein hybrides LatentMoE-Design unterstützt anspruchsvolle mehrstufige Agenten, Code, Mathematik, Wissenschaft und die Analyse langer Dokumente, mit einem Kontext von bis zu 1M Token und vom Hersteller dokumentierten Steuerungsmöglichkeiten für Reasoning.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
NVIDIA Nemotron 3 Ultra ist das große Modell für Reasoning und Orchestrierung in der Nemotron-3-Familie. Es ist für anspruchsvolle mehrstufige Agenten, Analysen mit langem Kontext und Reasoning über Code, Mathematik und Wissenschaft ausgelegt. Das Modell hat insgesamt 550B Parameter und 55B aktive Parameter. Es kombiniert Mamba-2-, Attention- und Latent-Mixture-of-Experts-Schichten; Multi-Token-Prediction-Schichten unterstützen sein Generierungsdesign.
LatentMoE projiziert Informationen für die Expertenverarbeitung in eine kleinere latente Repräsentation. NVIDIAs Trainingsrezept kombiniert Vortraining, überwachte Feinabstimmung, Reinforcement Learning und domänenübergreifende On-Policy-Distillation. Der praktische Zweck dieser Stufen besteht darin, Reasoning, das Befolgen von Anweisungen, die Werkzeugnutzung und das Agentenverhalten über mehrere Aufgabentypen hinweg zu verbessern. Ultra erzeugt Text: eine Erklärung, eine Lösung, Code, einen Plan oder eine angeforderte Antwortstruktur. Stellen Sie das Material bereit, auf das sich die Antwort stützen soll, und die Bedingungen, die bestimmen, ob das Ergebnis korrekt ist.
Geben Sie für mathematisches oder wissenschaftliches Reasoning die vollständige Aufgabenstellung, bekannte Werte, Einheiten und zulässige Annahmen an. Eine nützliche Anfrage lautet: „Leite das Ergebnis aus diesen Bedingungen ab, benenne in jeder Stufe die Annahmen, prüfe die Dimensionen und erkläre, welche Beobachtung die Schlussfolgerung widerlegen würde.“ Bitten Sie nach der Herleitung um ein knappes Endergebnis. Sind experimentelle Daten beteiligt, unterscheiden Sie zwischen gemessenen und berechneten Größen und bitten Sie darum, Unsicherheit oder fehlende Informationen sichtbar zu lassen, statt sie in einer selbstsicheren Antwort aufgehen zu lassen.
Stellen Sie für Code- und Agenten-Workflows das Ziel, relevante Dateien als Text und die tatsächlichen Ausgaben früherer Schritte bereit. Ultra ist für Aufgaben mit mehreren voneinander abhängigen Entscheidungen vorgesehen; eine ausdrückliche Aufzeichnung erledigter Arbeit und offener Fragen ist daher nützlich. Zum Beispiel: „Prüfe diesen Migrationsvorschlag anhand des Schemas und der fehlgeschlagenen Prüfungen. Benenne die Abhängigkeit, die den Abschluss blockiert, schlage eine gezielte Korrektur vor und gib das erwartete Ergebnis der nächsten Prüfung an.“ Eine mit Werkzeugen verbundene Anwendung kann dann einen vorgeschlagenen Schritt ausführen und Belege für die nächste Entscheidung zurückgeben.
Der Hersteller unterstützt das Aktivieren oder Deaktivieren von Reasoning über das Chat-Template. Reasoning ist standardmäßig aktiviert und erzeugt einen Reasoning-Verlauf mit anschließender Antwort. Die Ultra-Modellkarte dokumentiert außerdem einen Reasoning-Modus mit mittlerem Aufwand, der weniger Reasoning-Token als vollständiges Thinking verwendet. Dies ist eine Ultra-spezifische Option; sie sollte nicht mit der für Super dokumentierten Einstellung für geringen Aufwand verwechselt werden. Legen Sie das gewünschte endgültige Ergebnis fest und lassen Sie nach dem Reasoning Platz dafür. Ein unvollständiger Verlauf ersetzt keine abgeschlossene Antwort auf die ursprüngliche Frage.
Ultra unterstützt einen Kontext von bis zu 1M Token. Kennzeichnen Sie bei umfangreichen Dokument- oder Quelldateisammlungen die Abschnitte und geben Sie dem Modell genau vor, was es vergleichen, nachverfolgen oder abgleichen soll. Erhalten Sie die Reihenfolge der Quellen, wenn Chronologie oder Abhängigkeiten wichtig sind. Ein nützliches Ergebnis für lange Dokumente enthält den Befund, die belegende Passage und die Bedeutung für die Frage. Wählen Sie relevante Materialien aus und reservieren Sie Platz für die Ausgabe; das Kontextfenster beschreibt die Arbeitssequenz und keine separate garantierte Länge der endgültigen Antwort.
Der Hersteller nennt Englisch, Französisch, Spanisch, Italienisch, Deutsch, Japanisch, Hindi, Koreanisch, brasilianisches Portugiesisch und Chinesisch. Geben Sie die Ausgabesprache an und erhalten Sie technische Kennungen oder Quellenzitate, wenn der genaue Wortlaut wichtig ist. Verwenden Sie bei einer mehrsprachigen Analyse für jedes Dokument dieselben Kriterien und bitten Sie darum, Unterschiede in Terminologie oder Annahmen zu erklären. Sprachliche Gewandtheit allein belegt nicht, dass zwei unterschiedlich formulierte Anforderungen dasselbe bedeuten.
NVIDIA stellt ausdrückliche Beispiele für Werkzeugaufrufe mit Reasoning bereit. Definieren Sie Zweck, Argumente und erwartetes Ergebnis jeder Funktion und geben Sie dann ihre tatsächliche Ausgabe an das Modell zurück. Die Anwendung führt die Operation aus; das Modell wendet Reasoning auf die zurückgegebene Beobachtung an. Ein langer Agenten-Workflow lässt sich leichter überprüfen, wenn vorgeschlagene Aktionen, ausgeführte Ergebnisse und offene Prüfungen klar unterschieden werden. Fordern Sie für einen Abschlussbericht die Antwort, die sie stützenden Belege, die Annahmen und gegebenenfalls verbleibende Aufgabenpunkte an. Prüfen Sie Berechnungen anhand der ursprünglichen Einheiten, Codeänderungen anhand beobachteter Prüfungen und Tatsachenbehauptungen anhand der bereitgestellten Quellen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits nvidia/nemotron-3-ultra-550b-a55b:free | Standard— |
Feldmessages | Typarray | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits false | Standardfalse |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Maximum: 65.536 | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Maximum: 65.536 | Standard— |
Feldn | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Maximum: 128 | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldseed | Typinteger | AnforderungOptional | Werte und Limits | Standard— |
Feldstop | Typ | AnforderungOptional | Werte und Limits | Standard— |
Feldfrequency_penalty | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldpresence_penalty | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Felduser | Typstring | AnforderungOptional | Werte und Limits | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parameteroptional | Vertragstream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametermaterial_types | Vertragtext |
Parameterconditions | VertragUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 1000000 bytes. |
Lebenszyklus: synchronous_json
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Token Ausgabe · Ausgabetoken $0 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/nemotron-3-ultra-550b-a55b:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra nvidia/nemotron-3-ultra-550b-a55b:free
Verwenden Sie die oben angezeigten Methodenpfade.
nvidia/nemotron-3-ultra-550b-a55b:freeNVIDIA Nemotron 3 Ultra ist ein großes Textmodell für Reasoning mit 550B Parametern insgesamt und 55B aktiven Parametern. Sein hybrides LatentMoE-Design unterstützt anspruchsvolle mehrstufige Agenten, Code, Mathematik, Wissenschaft und die Analyse langer Dokumente, mit einem Kontext von bis zu 1M Token und vom Hersteller dokumentierten Steuerungsmöglichkeiten für Reasoning.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
NVIDIA Nemotron 3 Ultra ist das große Modell für Reasoning und Orchestrierung in der Nemotron-3-Familie. Es ist für anspruchsvolle mehrstufige Agenten, Analysen mit langem Kontext und Reasoning über Code, Mathematik und Wissenschaft ausgelegt. Das Modell hat insgesamt 550B Parameter und 55B aktive Parameter. Es kombiniert Mamba-2-, Attention- und Latent-Mixture-of-Experts-Schichten; Multi-Token-Prediction-Schichten unterstützen sein Generierungsdesign.
LatentMoE projiziert Informationen für die Expertenverarbeitung in eine kleinere latente Repräsentation. NVIDIAs Trainingsrezept kombiniert Vortraining, überwachte Feinabstimmung, Reinforcement Learning und domänenübergreifende On-Policy-Distillation. Der praktische Zweck dieser Stufen besteht darin, Reasoning, das Befolgen von Anweisungen, die Werkzeugnutzung und das Agentenverhalten über mehrere Aufgabentypen hinweg zu verbessern. Ultra erzeugt Text: eine Erklärung, eine Lösung, Code, einen Plan oder eine angeforderte Antwortstruktur. Stellen Sie das Material bereit, auf das sich die Antwort stützen soll, und die Bedingungen, die bestimmen, ob das Ergebnis korrekt ist.
Geben Sie für mathematisches oder wissenschaftliches Reasoning die vollständige Aufgabenstellung, bekannte Werte, Einheiten und zulässige Annahmen an. Eine nützliche Anfrage lautet: „Leite das Ergebnis aus diesen Bedingungen ab, benenne in jeder Stufe die Annahmen, prüfe die Dimensionen und erkläre, welche Beobachtung die Schlussfolgerung widerlegen würde.“ Bitten Sie nach der Herleitung um ein knappes Endergebnis. Sind experimentelle Daten beteiligt, unterscheiden Sie zwischen gemessenen und berechneten Größen und bitten Sie darum, Unsicherheit oder fehlende Informationen sichtbar zu lassen, statt sie in einer selbstsicheren Antwort aufgehen zu lassen.
Stellen Sie für Code- und Agenten-Workflows das Ziel, relevante Dateien als Text und die tatsächlichen Ausgaben früherer Schritte bereit. Ultra ist für Aufgaben mit mehreren voneinander abhängigen Entscheidungen vorgesehen; eine ausdrückliche Aufzeichnung erledigter Arbeit und offener Fragen ist daher nützlich. Zum Beispiel: „Prüfe diesen Migrationsvorschlag anhand des Schemas und der fehlgeschlagenen Prüfungen. Benenne die Abhängigkeit, die den Abschluss blockiert, schlage eine gezielte Korrektur vor und gib das erwartete Ergebnis der nächsten Prüfung an.“ Eine mit Werkzeugen verbundene Anwendung kann dann einen vorgeschlagenen Schritt ausführen und Belege für die nächste Entscheidung zurückgeben.
Der Hersteller unterstützt das Aktivieren oder Deaktivieren von Reasoning über das Chat-Template. Reasoning ist standardmäßig aktiviert und erzeugt einen Reasoning-Verlauf mit anschließender Antwort. Die Ultra-Modellkarte dokumentiert außerdem einen Reasoning-Modus mit mittlerem Aufwand, der weniger Reasoning-Token als vollständiges Thinking verwendet. Dies ist eine Ultra-spezifische Option; sie sollte nicht mit der für Super dokumentierten Einstellung für geringen Aufwand verwechselt werden. Legen Sie das gewünschte endgültige Ergebnis fest und lassen Sie nach dem Reasoning Platz dafür. Ein unvollständiger Verlauf ersetzt keine abgeschlossene Antwort auf die ursprüngliche Frage.
Ultra unterstützt einen Kontext von bis zu 1M Token. Kennzeichnen Sie bei umfangreichen Dokument- oder Quelldateisammlungen die Abschnitte und geben Sie dem Modell genau vor, was es vergleichen, nachverfolgen oder abgleichen soll. Erhalten Sie die Reihenfolge der Quellen, wenn Chronologie oder Abhängigkeiten wichtig sind. Ein nützliches Ergebnis für lange Dokumente enthält den Befund, die belegende Passage und die Bedeutung für die Frage. Wählen Sie relevante Materialien aus und reservieren Sie Platz für die Ausgabe; das Kontextfenster beschreibt die Arbeitssequenz und keine separate garantierte Länge der endgültigen Antwort.
Der Hersteller nennt Englisch, Französisch, Spanisch, Italienisch, Deutsch, Japanisch, Hindi, Koreanisch, brasilianisches Portugiesisch und Chinesisch. Geben Sie die Ausgabesprache an und erhalten Sie technische Kennungen oder Quellenzitate, wenn der genaue Wortlaut wichtig ist. Verwenden Sie bei einer mehrsprachigen Analyse für jedes Dokument dieselben Kriterien und bitten Sie darum, Unterschiede in Terminologie oder Annahmen zu erklären. Sprachliche Gewandtheit allein belegt nicht, dass zwei unterschiedlich formulierte Anforderungen dasselbe bedeuten.
NVIDIA stellt ausdrückliche Beispiele für Werkzeugaufrufe mit Reasoning bereit. Definieren Sie Zweck, Argumente und erwartetes Ergebnis jeder Funktion und geben Sie dann ihre tatsächliche Ausgabe an das Modell zurück. Die Anwendung führt die Operation aus; das Modell wendet Reasoning auf die zurückgegebene Beobachtung an. Ein langer Agenten-Workflow lässt sich leichter überprüfen, wenn vorgeschlagene Aktionen, ausgeführte Ergebnisse und offene Prüfungen klar unterschieden werden. Fordern Sie für einen Abschlussbericht die Antwort, die sie stützenden Belege, die Annahmen und gegebenenfalls verbleibende Aufgabenpunkte an. Prüfen Sie Berechnungen anhand der ursprünglichen Einheiten, Codeänderungen anhand beobachteter Prüfungen und Tatsachenbehauptungen anhand der bereitgestellten Quellen.
POST /v1/messagestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits nvidia/nemotron-3-ultra-550b-a55b:free | Standard— |
Feldmessages | Typarray | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits false | Standardfalse |
Feldsystem | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Maximum: 65.536 | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits | Standard— |
Feldtop_k | Typinteger | AnforderungOptional | Werte und Limits | Standard— |
Feldstop_sequences | Typarray | AnforderungOptional | Werte und Limits | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional | Vertragstream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametermaterial_types | Vertragtext |
Parameterconditions | VertragUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 1000000 bytes. |
Lebenszyklus: synchronous_json
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Token Ausgabe · Ausgabetoken $0 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/nemotron-3-ultra-550b-a55b:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra nvidia/nemotron-3-ultra-550b-a55b:free
Verwenden Sie die oben angezeigten Methodenpfade.