/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
129 ГБ
Лицензия
Своя лицензия
Архитектура
nemotron_h · dense
Базовая модель
NVIDIA-Nemotron-3-Super-120B-A12B-BF16
Библиотека
transformers
Опубликована
19 мар 2026

Nemotron-3-Super-64B

Генерация текстаТекст → текст3 профессии

Черновой 64-миллиардный вариант NVIDIA Nemotron-3-Super, прореженный методом REAP для исследований MoE-экспертов и генерации текста.

38скачиваний за 30 дней7лайковвеса обновлены30 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Nemotron-3-Super-64B — черновой исследовательский чекпойнт, созданный 0xSero из NVIDIA Nemotron-3-Super-120B-A12B-BF16 методом REAP pruning. Модель содержит 64 млрд параметров и опубликована в формате BF16; архитектура Nemotron-H реализована классом NemotronHForCausalLM. Вариант сохраняет 256 из 512 экспертов в каждом MoE-слое; в базовой архитектуре указаны 88 блоков, включая 40 MoE-блоков, 40 Mamba-блоков и 8 attention-блоков. На токен маршрутизируются 22 эксперта.

Модель предназначена для исследований структуры активации экспертов, планирования размещения весов и CPU offloading, а также выбора экспертов в зависимости от промпта. Она поддерживает генерацию текста и диалог; заявленная длина контекста — 262 144 токена. Карточка не перечисляет языки отдельно. Чекпойнт не выпущен NVIDIA, а лицензия указана как other; перед использованием следует проверить условия в репозитории. Полные тесты качества и производительности обслуживания для этой версии не завершены.

Сценарии применения

  • исследование активации экспертов в MoE-модели
  • изучение выбора экспертов в зависимости от промпта
  • эксперименты с размещением экспертов в памяти
  • оценка CPU offloading для большой языковой модели
  • генерация текста и диалог с длинным контекстом

Ограничения

Это черновой исследовательский чекпойнт; полная оценка качества и производительности обслуживания не завершена. Модель не является выпуском NVIDIA, а условия лицензии `other` следует проверять в репозитории.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

[!TIP] Support this work → · X · GitHub · REAP paper · Cerebras REAP

Nemotron-3-Super-64B

REAP-pruned nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-BF16.

At a glance

Base modelnvidia/NVIDIA-Nemotron-3-Super-120B-A12B-BF16
FormatBF16
Total params64B
Active / token12B
Experts / layer256
Layers—
Hidden size4096
Context262,144
On-disk size129 GB

Which variant should I pick?

VariantFormatLink
Nemotron-3-Super-64B (this)BF16link
Nemotron-3-Super-64B-W4A16W4A16link
Nemotron-3-Super-92BBF16link
Nemotron-3-Super-92B-W4A16W4A16link

This repo is a draft REAP-derived checkpoint based on nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-BF16.

Provenance

Research References

Pruning details

  • Experts per MoE layer in upstream base: 512
  • Experts retained per layer in this variant: 256
  • Experts pruned per layer in this variant: 256
  • Expected safetensor shard count in this draft repo: 3
  • Source merged observation workflow: nemotron_super_merged_long50_short15120_v2

Method summary

The pruning signal comes from layerwise REAP observations collected over a mixed calibration corpus dominated by a personal AI-session history plus a bounded public augmentation slice.

Validated observation lanes used in the merged signal:

  • nemotron_super_long50_16k_v3
    • longest personal trajectories first
    • 50 trajectories
    • capped at 16384 tokens each
  • nemotron_super_short_mix_15120_t1024_b8192_v4
    • 15000 short personal prompts plus 120 bounded public prompts
    • capped at 1024 tokens each
    • packed under a safe 8192 token batch budget
  • merged canonical state: nemotron_super_merged_long50_short15120_v2

Model facts from the merged observation lane:

  • runtime architecture class: NemotronHForCausalLM
  • total blocks: 88
  • MoE blocks: 40
  • Mamba blocks: 40
  • attention blocks: 8
  • routed experts per token: 22

Intended use

This draft checkpoint is published for research into expert activation structure, residency planning, CPU offloading, and prompt-conditioned expert selection. It is not a production claim and it is not an NVIDIA release.

Draft caveats

  • This is a draft derived checkpoint.
  • We have not yet completed a full serving benchmark and quality benchmark campaign for this release on Hugging Face.
  • The repo preserves provenance back to the upstream NVIDIA release and should be evaluated in that context.

License and terms

Distribution of this derived checkpoint is intended to comply with the NVIDIA Open Model License included in LICENSE.txt. The required attribution notice is included in NOTICE.

License & citation

License inherited from the base model.

@misc{lasby2025reap,
  title  = {REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression},
  author = {Mike Lasby and Ivan Lazarevich and Nish Sinnadurai and Sean Lie and Yani Ioannou and Vithursan Thangarasa},
  year   = {2025}, eprint = {2510.13999}, archivePrefix = {arXiv}
}

Sponsors

Made possible by NVIDIA · TNG Technology · Lambda · Prime Intellect · Hot Aisle.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
NemotronHForCausalLM
Ревизия весов
4adba2f

0 моделей