NVIDIA Nemotron 3 Super 120B A12B (Q8_0)su CPU Only

Q8_0 CPU Only

Panoramica

NVIDIA Nemotron 3 Super 120B A12B è un modello linguistico moe da 123.61B parametri di NVIDIA, con capacità di code, multilingual, thinking, tool-calls. Supporta una finestra di contesto fino a 262,144 token.

Nemotron 3 Super 120B A12B è un modello ibrido Mamba-2 Transformer LatentMoE da 123,61 miliardi di parametri di NVIDIA, che attiva 12 miliardi di parametri per token tramite 22 dei 512 esperti instradati più 1 esperto condiviso. Addestrato su oltre 25 bilioni di token, è orientato al ragionamento agentico, generazione di codice, chiamata di strumenti e conversazione multilingue in 7 lingue. Una finestra di contesto da 256K, modalità di ragionamento attivabile e predizione multi-token consentono inferenza ad alto throughput per flussi di lavoro multi-agente complessi. La sua struttura MoE si quantizza bene in formato GGUF per il deployment self-hosted su configurazioni multi-GPU.

Con la quantizzazione Q8_0 (livello di qualità high), il modello pesa 119.65 GB. Questo supera i 0 GB di VRAM di CPU Only. L'inferenza è comunque possibile tramite scaricamento su CPU o caricamento mappato in memoria dal disco, ma con prestazioni notevolmente ridotte.

Una configurazione solo CPU senza accelerazione GPU. L'inferenza viene eseguita interamente sulla CPU, il che e notevolmente piu lento rispetto alle configurazioni con GPU, ma non richiede hardware specializzato. Prestazioni e dimensione massima del modello dipendono dalla RAM disponibile. Adatta a test, sviluppo o deployment dove non e disponibile una GPU.

Requisiti Hardware

Dimensione del modello	119.65 GB
VRAM disponibile	0 GB
VRAM utilizzata	0 GB
RAM min richiesta	119.7 GB
Livelli GPU	0 / 88
Dimensione del contesto	262.144
Backend	cpu
Flash attention	No

Note sulle prestazioni

Mixture-of-Experts

Questo è un modello Mixture-of-Experts con 512 esperti totali, di cui 22 sono attivi per token. Solo gli esperti attivi necessitano di accesso rapido alla GPU — i pesi degli esperti inattivi possono risiedere nella RAM di sistema con un impatto minimo sulla velocità di generazione.

Leggi la guida al deployment MoE →

Prestazioni ridotte

88 di 88 livelli vengono eseguiti su CPU. Il sistema necessita di almeno 119.7 GB di RAM. Se la RAM di sistema è insufficiente, i dati verranno letti dal disco su richiesta, con un impatto significativo sulle prestazioni.

Distribuzione

Server Locale

Comando

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/nemotron-3-super-120b-a12b/q8_0/cpu.yaml) apply

File values.yaml

/values/nemotron-3-super-120b-a12b/q8_0/cpu.yaml

Caricamento valori…

Installa llama.cpp

Installa llama.cpp dalle istruzioni di compilazione ufficiali per la tua piattaforma e backend.

Scarica modello

curl -L -o nemotron-3-super-120b-a12b.gguf "https://huggingface.co/unsloth/NVIDIA-Nemotron-3-Super-120B-A12B-GGUF/resolve/main/Q8_0/NVIDIA-Nemotron-3-Super-120B-A12B-Q8_0-00001-of-00004.gguf"

Avvia server

llama-server \
  -m nemotron-3-super-120b-a12b.gguf \
  --n-gpu-layers 0 \
  --ctx-size 262144

Verifica

curl http://localhost:8080/health

Esplora

• Configura una distribuzione
• Esplora modelli
• Esplora hardware

Altre quantizzazioni

• NVIDIA Nemotron 3 Super 120B A12B (Q5_K_M)
• NVIDIA Nemotron 3 Super 120B A12B (Q4_K_M)

Altro hardware

• NVIDIA Nemotron 3 Super 120B A12B on NVIDIA A100 80GB
• NVIDIA Nemotron 3 Super 120B A12B on NVIDIA H100
• NVIDIA Nemotron 3 Super 120B A12B on NVIDIA RTX 3090

Domande frequenti

Quanta VRAM serve per NVIDIA Nemotron 3 Super 120B A12B (Q8_0)?

La quantizzazione Q8_0 di NVIDIA Nemotron 3 Super 120B A12B richiede 119.65 GB. I 0 GB di VRAM di CPU Only sono insufficienti per i livelli GPU, quindi l'inferenza viene eseguita sulla CPU.

Posso eseguire NVIDIA Nemotron 3 Super 120B A12B su CPU Only?

È possibile ma non consigliato. CPU Only non ha abbastanza VRAM per accelerare NVIDIA Nemotron 3 Super 120B A12B (Q8_0), quindi l'inferenza si baserà su CPU e RAM di sistema.

Cos'è la quantizzazione?

La quantizzazione riduce la precisione numerica di un modello dal suo formato originale in virgola mobile a una rappresentazione più compatta. Questo riduce la dimensione del file e l'impronta VRAM, rendendo possibile eseguire modelli di grandi dimensioni su hardware consumer. Il compromesso è una leggera riduzione della qualità dell'output. Q8_0 comprime NVIDIA Nemotron 3 Super 120B A12B dalla sua dimensione originale a 119.65 GB.

Quale quantizzazione scegliere per NVIDIA Nemotron 3 Super 120B A12B?

Q8_0 è una quantizzazione di alta qualità. I quant di qualità superiore (Q8, Q6) preservano maggiore precisione del modello ma necessitano di più VRAM. I quant inferiori (Q4, Q3, Q2) riducono l'uso di VRAM a scapito della qualità. Scegli in base al tuo hardware disponibile e ai requisiti di qualità.

Perché alcuni livelli vengono scaricati sulla CPU?

CPU Only ha 0 GB di VRAM, ma NVIDIA Nemotron 3 Super 120B A12B (Q8_0) richiede circa 119.65 GB. Solo 0 dei 88 livelli entrano nella VRAM; i livelli rimanenti vengono eseguiti sulla CPU, che è più lenta ma funzionale.

Cos'è MoE e come influisce sulla distribuzione?

NVIDIA Nemotron 3 Super 120B A12B utilizza un'architettura Mixture-of-Experts (MoE) con 512 esperti, di cui 22 attivi per token. Ciò significa che solo una frazione dei pesi del modello viene utilizzata per ogni passaggio di inferenza, consentendo ai modelli MoE di avere un numero totale di parametri maggiore rimanendo efficienti durante l'inferenza.

Ultimo aggiornamento: 12 marzo 2026