01功能特性
优点
- 紧凑型 12B 稠密模型（Q4 量化下需 7 GB 显存）
- 擅长推理和编程
- 可在 RTX 3060 12 GB 和 Mac M 系列机型上运行
- NVIDIA开放模型许可
需了解的局限性
- —Hugging Face 上访问受限的模型（需点击确认才能获取访问权限）
- —商业使用受限的许可证（NVIDIA Open Model License）
- —原生上下文尚未公开确认
架构
稠密 Transformer · 12B 参数 · Nemotron 3 Super 系列的紧凑版本
训练
NVIDIA 的 Nemotron 3 Super 系列。由 120B MoE 前沿模型蒸馏而成的 12B 稠密模型变体。
最适合的场景
推理代码智能体
04安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama pull nemotron-3-super
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
7 GB
Q5_K_M
质量/体积的良好平衡
9 GB
Q8_0
几乎无法与 FP16 区分
13 GB
FP16
全精度 — 服务器用途
24 GB
CPU 回退 · 如果您没有 GPU，请预留 16 GB 内存 以较低速度运行此模型的最低要求。
运行Nemotron 3 Super 12B需要什么硬件？
在本地以Q4量化运行Nemotron 3 Super 12B，大约需要7 GB 显存。可供比较的硬件选项：RTX 5060 Ti 16 GB — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： RTX 5060 Ti 16 GB
Amazon查看价格 →Materiel.net查看价格 →Darty查看价格 →联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
移动场景： Nemotron 3 Super 12B 也可在以下设备上运行 RTX 笔记本电脑 (16 GB 显存）→
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。