01Lo que sabe hacer
- MoE 75B/9B activos: inferencia más ligera que la de un modelo denso equivalente
- Enfocado en razonamiento
- 128k de contexto nativo
- Uso comercial autorizado (NVIDIA Open Model License)
- —150 GB en FP16 — reservado para configuraciones grandes
- —~44 GB VRAM incluso en Q4 (2× RTX 4090 o Mac 64 GB+)
- —Sin etiqueta oficial Ollama — instalación mediante HuggingFace/vLLM
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 Puzzle 75B-A9B?
Para ejecutar Nemotron 3 Puzzle 75B-A9B en local con cuantización Q4, necesitas aproximadamente 44 GB de VRAM. Una opción para comparar: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — deja un margen para el sistema y el contexto; verifica la compatibilidad del motor con la GPU.
Enlaces de afiliación — posible comisión sin coste adicional para ti, recomendación independiente. Como socio de Amazon, QuéLLM obtiene beneficios 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.