Arrakis / 模型 / NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16

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。

部署這個模型檢查其他模型

部署推理需要什麼

推理執行它所需的視訊記憶體，能放下它的最小 GPU 配置，以及 Arrakis 當前的最低價格。

精度	視訊記憶體與最小配置
16 位	1,345 GB：8 × B200，8 塊合計每小時 $54.32 起
8 位	673 GB：4 × B200，4 塊合計每小時 $27.16 起
4 位	336 GB：2 × B200，2 塊合計每小時 $13.58 起

微調需要什麼

QLoRA 在凍結的 4 位模型上訓練介面卡，LoRA 基於 16 位模型，全量微調則會更新所有權重。以上數字不含激活值，激活值會隨批大小和序列長度增長。

方法	視訊記憶體與最小配置
QLoRA	392 GB：2 × B300，2 塊合計每小時 $9.20 起
LoRA	1,345 GB：8 × B200，8 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

來自它在 Hugging Face 上的模型卡和檔案。本頁的視訊記憶體數字遵循GPU 視訊記憶體指南。

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

在 Arrakis 上部署

在控制台中開啟 Models，選擇 vLLM、SGLang 或 llama.cpp，然後租用一塊能放下它的 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。也可以在任何視訊記憶體足夠的機器上自己執行：

vLLM

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

部署這個模型部署是怎麼運作的

常見問題

所有 GPU 的實時價格見 GPU 價格頁面。

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。