Guía de la API de Nemotron 3 Ultra: acceso gratis, límites y configuración

Un contexto de un millón de tokens y un endpoint de $0 hacen que la API de Nemotron 3 Ultra parezca la opción predeterminada perfecta. No lo es: la ruta gratuita resulta útil para evaluar el modelo, pero en producción todo depende de la fiabilidad del proveedor, el tratamiento de los datos y la existencia de una alternativa de pago.

¿Merece la pena usar la API de Nemotron 3 Ultra?

La API de Nemotron 3 Ultra merece una prueba si vas a trabajar con agentes de texto de larga duración, documentos extensos o flujos de programación que aprovechen un contexto muy amplio. No es una buena opción predeterminada para chats rutinarios de baja latencia, prompts confidenciales enviados a un endpoint gratuito con registro de uso ni servicios de producción sin alternativa de respaldo.

NVIDIA lanzó Nemotron 3 Ultra el 4 de junio de 2026. La tarjeta oficial del modelo identifica el checkpoint NVFP4 como la versión 1.0 GA, con licencia para uso comercial y no comercial bajo OpenMDW 1.1.

Los valores de benchmark anteriores proceden de la tarjeta del modelo de NVIDIA y deben interpretarse como resultados de primera mano. La disponibilidad de OpenRouter es una medición dinámica del proveedor, no una garantía permanente.

Prueba gratis la API de Nemotron 3 Ultra en cinco minutos

La vía gratuita más rápida utiliza el endpoint de chat completions compatible con OpenAI de OpenRouter y el ID exacto de modelo nvidia/nemotron-3-ultra-550b-a55b:free. Crea una clave de OpenRouter, guárdala en una variable de entorno y envía primero una prueba pequeña antes de lanzarte con una tarea de contexto largo.

1. Crea una clave de API en OpenRouter.
2. Expórtala como OPENROUTER_API_KEY.
3. Llama a /api/v1/chat/completions usando el ID del modelo gratuito.
4. Registra el estado HTTP, la latencia y las respuestas vacías durante la evaluación.
5. Añade una ruta de pago u otro modelo antes de llevar el flujo a producción.

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nvidia/nemotron-3-ultra-550b-a55b:free",
    "messages": [
      {
        "role": "user",
        "content": "Return three risks in this migration plan as a numbered list."
      }
    ],
    "max_tokens": 500
  }'

La misma ruta funciona con el cliente de OpenAI para Python: solo tienes que cambiar base_url y model:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["OPENROUTER_API_KEY"],
    base_url="https://openrouter.ai/api/v1",
)

response = client.chat.completions.create(
    model="nvidia/nemotron-3-ultra-550b-a55b:free",
    messages=[
        {
            "role": "user",
            "content": "Inspect this plan and list the three highest-impact risks.",
        }
    ],
    max_tokens=500,
)

print(response.choices[0].message.content)

Qué ofrece realmente la ruta gratuita

La ruta gratuita de Nemotron 3 Ultra no garantiza capacidad ilimitada ni disponibilidad para producción. La página de OpenRouter indica que los endpoints gratuitos tienen límites de uso, pero no publica una cuota exacta en la página del modelo. En su captura del 19 de septiembre aparecía una accesibilidad del 100%, aunque la disponibilidad efectiva durante tres días fue de solo 84.07%; los errores y las respuestas vacías se contabilizaron como fallos.

En esa captura, OpenRouter mostraba un contexto de 1M de tokens, una finalización máxima de 65,536 tokens, llamadas a herramientas, una latencia mediana de 2.28 segundos y un rendimiento mediano de 29 tokens por segundo.

También existe una diferencia de funciones específica del proveedor: la ruta gratuita de OpenRouter admitía tools y tool_choice, pero no hacía cumplir response_format. La ruta de pago de Segmind documenta la salida con JSON Schema a $0.625 por millón de tokens de entrada y $2.75 por millón de tokens de salida. Si tu código depende de JSON estricto, debes probar el proveedor elegido en lugar de asumir que la función está disponible por el simple hecho de que el modelo base la soporte.

No envíes datos confidenciales ni información personal a través de la ruta gratuita de OpenRouter. Su página indica que el uso se registra por motivos de seguridad y que puede emplearse para mejorar los productos y servicios de NVIDIA. Ante un 429, un timeout o una respuesta vacía, utiliza un backoff exponencial acotado y cambia después a una ruta de pago; no reintentes indefinidamente una acción de agente.

Qué cambia en la práctica con 550B A55B

La etiqueta 550B-A55B significa que Nemotron 3 Ultra almacena 550.000 millones de parámetros en total, aunque activa unos 55.000 millones para cada token. NVIDIA combina enrutamiento LatentMoE, Mamba-2, capas de atención seleccionadas y Multi-Token Prediction. La activación dispersa reduce el cómputo por token, pero todos los pesos siguen teniendo que almacenarse, distribuirse o descargarse a otro nivel; A55B no convierte el despliegue en uno de 55B.

El lanzamiento de investigación de NVIDIA informa de hasta 1M de tokens de contexto y compara el rendimiento con una carga poco habitual: una entrada de 8,000 tokens más una salida de 64,000 tokens. NVIDIA afirma que ofrece 5.9 veces el rendimiento de GLM-5.1-754B-A40B, 4.8 veces el de Kimi-K2.6-1T-A32B y 1.6 veces el de Qwen-3.5-397B-17B. La página no incluye el rendimiento absoluto ni los detalles del hardware, así que no conviene convertir esos multiplicadores directamente en expectativas de latencia para una API.

Para decidir cómo desplegarlo resulta más útil la tabla oficial en BF16/NVFP4:

El efecto depende de la tarea: NVFP4 pierde 3.2 puntos en no alucinación, pero gana 0.9 puntos en GPQA.

Elige según la tarea, no según el número de parámetros

Nemotron 3 Ultra debe compararse con DeepSeek V4, GLM 5.2 y Qwen 3.8 Max usando la carga de trabajo que realmente llegará a producción, no el tamaño del modelo. Ningún resultado obtenido con el mismo harness para esta guía respalda la idea de un ganador universal; la comparación defendible es un plan de pruebas con límites verificados.

DeepSeek V4 y GLM 5.2 tienen superficies de API específicas en AIReiter, mientras que Qwen 3.8 Max está disponible como modelo de chat alojado: guía de la API de DeepSeek V4 Pro, análisis de la API de GLM 5.2 y precios de la API de Qwen 3.8 Max. Son alternativas para evaluar, no afirmaciones de que un modelo gane en todas las tareas.

¿Puedes ejecutar Nemotron 3 Ultra en local?

Nemotron 3 Ultra se puede alojar por tu cuenta, pero “local” aquí significa hardware de centro de datos o una DGX Station, no un portátil. NVIDIA establece como configuraciones mínimas para la ruta de despliegue normal 4x GB200, 4x B200, 4x GB300, 4x B300 u 8x H100.

Los ejemplos oficiales de vLLM en la tarjeta del modelo de NVIDIA utilizan paralelismo tensorial y de expertos de 4 vías, caché KV en FP8, prefill fragmentado y decodificación especulativa MTP. Un ejemplo estándar usa por defecto 262,144 tokens; para activar 1,048,576 tokens hay que aplicar una sobrescritura explícita, de modo que el contexto anunciado no es la configuración de servicio predeterminada.

NVIDIA también documenta un despliegue especial en una única DGX Station. Ejecuta el checkpoint NVFP4 en una GPU GB300 integrada, poniendo a disposición hasta 150 GiB de memoria coherente de CPU y descargando los pesos de los expertos. Esta receta requiere vLLM 0.22.0, el backend NVFP4 específico de Blackwell y la arquitectura de memoria de DGX Station; no se puede extrapolar a un PC normal con una sola GPU.

Preguntas frecuentes sobre la API de Nemotron 3 Ultra

¿La API de Nemotron 3 Ultra es gratuita?

Sí. OpenRouter lista nvidia/nemotron-3-ultra-550b-a55b:free a $0 tanto para los tokens de entrada como para los de salida, pero el endpoint tiene límites de uso y registra la actividad.

¿Nemotron 3 Ultra admite realmente un millón de tokens?

NVIDIA especifica un máximo de 1M de tokens, pero las rutas de los proveedores pueden ofrecer valores predeterminados inferiores; el ejemplo de vLLM de NVIDIA usa por defecto 262,144 tokens, salvo que el operador active 1,048,576.

¿La API admite herramientas y JSON estructurado?

El modelo admite herramientas, pero el cumplimiento depende del proveedor: la ruta gratuita de OpenRouter no aplica response_format, mientras que Segmind documenta JSON Schema estricto.

¿Puedo usar Nemotron 3 Ultra con fines comerciales?

NVIDIA afirma que la licencia OpenMDW 1.1 permite el uso comercial y no comercial. Consulta los términos de licencia enlazados desde la tarjeta oficial del modelo para conocer las obligaciones de redistribución y despliegue.

¿Puedo desactivar el razonamiento?

La documentación de la API de NVIDIA expone enable_thinking=True/False. Los proveedores alojados pueden implementar este control de otra forma, así que comprueba el parámetro aceptado y el recuento de tokens en la ruta seleccionada.

¿550B A55B equivale a un modelo denso de 55B?

No. Se activan unos 55B de parámetros por token, pero los 550B completos siguen teniendo que almacenarse, distribuirse o descargarse.

Una decisión de despliegue, no un trofeo de benchmarks

El mejor primer paso es probar gratis la API de Nemotron 3 Ultra con prompts no sensibles y un conjunto de evaluación pequeño. Pasa a un endpoint de pago cuando importen los fallos, el cumplimiento de esquemas o una capacidad predecible; alójalo por tu cuenta solo si la utilización medida, la privacidad o la personalización justifican al menos cuatro GPU actuales de gran memoria o la ruta documentada para DGX Station.

Lecturas relacionadas

• Guía de Nemotron 3.5 Lightning
• Cómo solucionar los errores 429 de OpenRouter
• Guía de precios de OpenRouter