KI-Radar: NVIDIA Nemotron 3 — offen bis auf die Trainingsdaten

Modelle, die ihre Gewichte offenlegen, gibt es inzwischen viele. NVIDIA geht mit Nemotron 3 einen Schritt weiter und legt das gesamte Rezept offen — genau das ist für den Eigenbetrieb der eigentliche Unterschied.

Nemotron 3 Ultra spielt in der Klasse von Qwen3.6 Plus — die Nano-Variante ist ein anderes Produkt, kein kleineres Modell derselben Güte. (Quelle: Artificial Analysis — Modell-Leaderboard)

Was Nemotron 3 ausmacht

Drei Größen, ein Ansatz: Nano (31,6 Mrd. Parameter), Super (120 Mrd.) und das im Juni veröffentlichte Ultra (550 Mrd.) decken vom Edge-Server bis zum Multi-GPU-Knoten alles ab.
Hybrid-Architektur: ein Mamba-Transformer-MoE mit bis zu einer Million Token Kontext — auf Effizienz statt auf reine Größe getrimmt.
Wirklich offen: NVIDIA veröffentlicht nicht nur die Gewichte, sondern auch die Trainingsdaten, die Reinforcement-Learning-Umgebungen, die Post-Training-Rezepte und den Fine-Tuning-Code. Das macht Modelle nachvollziehbar und gezielt anpassbar.
Multimodal: die Omni-Varianten verarbeiten Text, Bild und Audio in einem Modell.

Warum uns das interessiert

Wir betreiben die 120-Mrd.-Super-Stufe bereits produktiv auf eigener Hardware — sie trifft den Punkt zwischen Leistungsfähigkeit und vertretbarem GPU-Bedarf. Dass NVIDIA die Trainingsdaten mitliefert, ist kein Marketing-Detail: Wer ein Modell auf die eigene Domäne nachziehen will, braucht genau diese Bausteine.

Der Vorbehalt

Das Ultra-Modell mit 550 Mrd. Parametern ist kein Fall für eine einzelne Karte — hier braucht es einen ernsthaften Multi-GPU-Knoten. Und "offen" heißt nicht automatisch "grenzenlos kommerziell": die Lizenzbedingungen gehören vor dem Produktiveinsatz gelesen.

Unsere Sicht

Nemotron 3 ist für uns das derzeit interessanteste offene US-Modell — weniger wegen einzelner Benchmark-Punkte, mehr wegen der Nachvollziehbarkeit. Ein Modell, dessen Herkunft man kennt, lässt sich verantworten. Genau darum geht es im Mittelstand.

Weiterführende Quellen

NVIDIA Blog – Open Models, Data and Tools — offizielle Ankündigung der Nemotron-3-Familie
NVIDIA Nemotron (Entwicklerportal) — Modelle, Datensätze und Rezepte
NVIDIA auf Hugging Face — offene Gewichte und Trainingsdaten
Nvidia (Wikipedia)
Transformer-Architektur (Wikipedia)

Fragen?

Warum ist Nemotron 3 für den Eigenbetrieb interessant, wenn es viele offene Modelle gibt?+

NVIDIA veröffentlicht nicht nur die Gewichte, sondern das gesamte Rezept: Trainingsdaten, Reinforcement-Learning-Umgebungen, Post-Training-Rezepte und Fine-Tuning-Code. Wer ein Modell auf die eigene Domäne anpassen will, braucht genau diese Bausteine. Für den Mittelstand ist diese Nachvollziehbarkeit entscheidend — ein Modell, dessen Herkunft man kennt, lässt sich verantworten.

Welche Nemotron-3-Grösse können wir auf eigener Hardware sinnvoll betreiben?+

Die Super-Stufe mit 120 Mrd. Parametern lässt sich bereits produktiv auf eigener Hardware betreiben und trifft den Punkt zwischen Leistungsfähigkeit und vertretbarem GPU-Bedarf. Das Ultra-Modell mit 550 Mrd. Parametern braucht einen ernsthaften Multi-GPU-Knoten und ist kein Fall für eine einzelne Karte. Nano mit 31,6 Mrd. Parametern deckt kleinere Edge-Server ab.

Heisst offen bei Nemotron 3 uneingeschränkte kommerzielle Nutzung?+

Nicht automatisch. Zwar veröffentlicht NVIDIA Gewichte, Trainingsdaten und Rezepte, doch die Lizenzbedingungen gehören vor jedem Produktiveinsatz genau gelesen. Offenheit der Trainingsdaten bedeutet nicht zwingend eine kommerziell grenzenlose Lizenz. Wer das Modell gewerblich einsetzen will, prüft die konkreten Nutzungsbedingungen im Vorfeld statt sich auf den offenen Eindruck zu verlassen.