Nemotron 3 Ultra
Nvidia· 2026-06-04 上线开源
综合榜暂不排名：评测成绩还不够
编程
36.4
科研
42.1第 75 名
专业办公
30.2
知识问答
48.5
- 评测覆盖
- 8 / 25 项 · 32%
- 缓存输入
- —
- 输入
- —
- 输出
- —
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierCode | 13.6% | 32.8 | 默认 | 46 |
| WeirdML | 43.5% | 40.0 | 默认 | 60 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| CritPt | 3.1% | 41.6 | 默认 | 101 |
| ProofBench | 2.0% | 37.2 | 默认 | 77 |
| OTIS Mock AIME | 86.7% | 48.5 | 默认 | 87 |
| SciCode | 40.3% | 40.9 | 默认 | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 22.7% | 30.2 | 默认 | 49 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| GPQA Diamond | 85.4% | 48.5 | 默认 | 84 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| 国际象棋谜题 | 12.0% | 不计分 | 默认 | 88 |
原始成绩取这个模型各个推理档位和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。