01Lo que sabe hacer
- Escala de frontera (550B en total, 55B activos)
- Arquitectura MoE dispersa: coste de cómputo cercano al de un modelo denso de 55B
- Contexto nativo de 128k
- Licencia NVIDIA Open Model (uso comercial permitido)
- —~319 GB de VRAM en Q4 — requiere múltiples GPUs H100/MI300 o servidor dedicado
- —Acceso restringido en Hugging Face (aceptación de condiciones mediante clic)
- —Fuera del alcance del hardware de consumo
04Instalar
Instala Ollama para tu SO. Verifica el modelo y su cuantización antes de la descarga. Comienza con 4096 tokens de contexto y luego controla la asignación con ollama ps. Un comando a continuación no es prueba de que se haya ejecutado una prueba en tu máquina.
02Memoria requerida
VRAM de GPU aproximada para ejecutar este modelo, incluido el sobrecoste de contexto de 4k tokens. Para un contexto más largo, añade ~1 GB por cada tramo de 8k tokens.
¿Qué hardware necesitas para Nemotron 3 Ultra?
Para ejecutar Nemotron 3 Ultra en local con cuantización Q4, necesitas aproximadamente 319 GB de VRAM. Una opción para comparar: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — este modelo supera la capacidad de la GPU de este mini-PC: elige un modelo más pequeño o una infraestructura adecuada.
Enlaces de afiliados — posible comisión sin coste adicional para ti, recomendación independiente. Como socio de Amazon, QuelLLM obtiene un beneficio de las compras que cumplen las condiciones requeridas.
03Velocidad estimada
Tokens generados por segundo en Q4_K_M, contexto 4k. Por encima de 20 t/s, la lectura es cómoda. Por debajo de 10 t/s, es solo para probar.