# NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 的 GPU 需求

NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 有 561B 参数。部署推理时，16 位约需 1,345 GB 显存，8 位约 673 GB，4 位约 336 GB，其中包含约 20% 用于 KV 缓存和激活值。

它是混合专家模型：共 512 个专家，每个 token 激活其中 22 个。所有专家都常驻显存，因此显存要按全部 561B 参数来规划。

[在 Arrakis 上部署](/console/#/models?model=nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16)。

## 部署推理需要什么

| 精度 | 显存与最小配置 |
|---|---|
| 16 位 | 1,345 GB：8 × [B200](/zh-cn/gpus/b200.html.md)，8 块合计每小时 $54.32 起 |
| 8 位 | 673 GB：4 × [B200](/zh-cn/gpus/b200.html.md)，4 块合计每小时 $27.16 起 |
| 4 位 | 336 GB：2 × [B200](/zh-cn/gpus/b200.html.md)，2 块合计每小时 $13.58 起 |

## 微调需要什么

| 方法 | 显存与最小配置 |
|---|---|
| QLoRA | 392 GB：2 × [B300](/zh-cn/gpus/b300.html.md)，2 块合计每小时 $9.20 起 |
| LoRA | 1,345 GB：8 × [B200](/zh-cn/gpus/b200.html.md)，8 块合计每小时 $54.32 起 |
| 全量微调 | 8,968 GB：多于一台 8 卡机器 |

## 关于这个模型

| | |
|---|---|
| 参数量 | `561B` |
| 每个 token 激活的参数 | `55B` |
| 专家数 | `512` |
| 每个 token 的专家数 | `22` |
| 上下文窗口（token） | `262,144` |
| 发布精度 | `BF16` |
| 许可证 | `other` |
| 发布日期 | `2026-06-03` |
| 权重 | [nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16](https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16) |

## 自己部署

```
vllm serve nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 --tensor-parallel-size 8
```

## 常见问题

**NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 需要多少显存？** 推理部署时，16 位约需 1,345 GB，8 位约 673 GB，4 位约 336 GB，其中包含约 20% 用于 KV 缓存和激活值。微调时，QLoRA 约需 392 GB，LoRA 约需 1,345 GB，使用 Adam 全量微调约需 8,968 GB，均未计入激活值。

**NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 能在单块 GPU 上运行吗？** 不能。即使是 4 位也约需 336 GB：需要 2 块 B200。

**运行 NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 要多少钱？** 16 位下需要 8 块 B200；4 位下需要 2 块 B200。本页每种配置都显示 Arrakis 当前每 GPU 小时的最低价格，从预付余额中按小时扣费。

**如何在 Arrakis 上部署 NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16？** 在 Arrakis 控制台中打开 Models，粘贴 nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。


更多模型：[/models](/zh-cn/models.html.md)。