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

NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 有 561B 參數。部署推理時，16 位約需 1,345 GB 視訊記憶體，8 位約 673 GB，4 位約 336 GB，其中包含約 20% 用於 KV 快取和啟用值。

它是混合專家模型：共 512 個專家，每個 token 啟用其中 22 個。所有專家都常駐視訊記憶體，因此視訊記憶體要按全部 561B 參數來規劃。

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

## 部署推理需要什麼

| 精度 | 視訊記憶體與最小配置 |
|---|---|
| 16 位 | 1,345 GB：8 × [B200](/zh-tw/gpus/b200.html.md)，8 塊合計每小時 $54.32 起 |
| 8 位 | 673 GB：4 × [B200](/zh-tw/gpus/b200.html.md)，4 塊合計每小時 $27.16 起 |
| 4 位 | 336 GB：2 × [B200](/zh-tw/gpus/b200.html.md)，2 塊合計每小時 $13.58 起 |

## 微調需要什麼

| 方法 | 視訊記憶體與最小配置 |
|---|---|
| QLoRA | 392 GB：2 × [B300](/zh-tw/gpus/b300.html.md)，2 塊合計每小時 $9.20 起 |
| LoRA | 1,345 GB：8 × [B200](/zh-tw/gpus/b200.html.md)，8 塊合計每小時 $54.32 起 |
| 全量微調 | 8,968 GB：多於一台 8 卡機器 |

## 關於這個模型

| | |
|---|---|
| 引數量 | `561B` |
| 每個 token 啟用的引數 | `55B` |
| 專家數 | `512` |
| 每個 token 的專家數 | `22` |
| 上下文視窗（token） | `262,144` |
| 釋出精度 | `BF16` |
| 許可證 | `other` |
| 釋出日期 | `2026-06-03` |
| 權重 | [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
```

## 常見問題

**NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 需要多少視訊記憶體？** 推理部署時，16 位約需 1,345 GB，8 位約 673 GB，4 位約 336 GB，其中包含約 20% 用於 KV 快取和啟用值。微調時，QLoRA 約需 392 GB，LoRA 約需 1,345 GB，使用 Adam 全量微調約需 8,968 GB，均未計入啟用值。

**NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 能在單張 GPU 上執行嗎？** 不能。即使是 4 位也約需 336 GB：需要 2 張 B200。

**執行 NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 要多少錢？** 16 位下需要 8 張 B200；4 位下需要 2 張 B200。本頁每種配置都顯示 Arrakis 目前每 GPU 小時的最低價格，從預付餘額中按小時扣費。

**如何在 Arrakis 上部署 NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16？** 在 Arrakis 控制台中開啟 Models，貼上 nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16，選擇 vLLM、SGLang 或 llama.cpp，然後租用一張能放下它的 GPU。你會得到一個相容 OpenAI 的端點，帶有專屬 API 金鑰，並可透過 root SSH 登入機器。


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