DataLearner 标志

Nemotron 3 Ultra 评测详情

Nemotron 3 Ultra 当前已收录的代表性评测结果包括 IMO-AnswerBench(1 / 24,得分 92.30)、Pinch Bench(2 / 38,得分 90)、GPQA(1 / 17,得分 87)。本页还提供与 3 个竞品模型的对比,在有数据时会展示性能和价格视图。

评测结果

Nemotron 3 Ultra

评测结果

思考模式
工具使用
联网能力

综合知识考试

共 3 项评测
评测名称 / 模式
得分
排名/总数
MMLU-Pro
思考模式
86.80
17 / 175
HLE
思考模式
26.70
128 / 235
HLE
思考模式工具
37.40
92 / 235

仓库修复与多文件工程

共 2 项评测
评测名称 / 模式
得分
排名/总数
SWE-bench Verified
思考模式工具
70.70
58 / 116
SWE-bench Multilingual
思考模式工具
67.70
26 / 30

算法与竞赛编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
思考模式
89
11 / 125

科学知识与推理

共 2 项评测
评测名称 / 模式
得分
排名/总数
GPQA
思考模式
87
1 / 17
CritPt
思考模式
3.10
114 / 204

写作与创意表达

共 1 项评测
评测名称 / 模式
得分
排名/总数
Creative Writing
常规模式
1692.40
30 / 110

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
思考模式
41.70
65 / 96

指令与格式遵循

共 1 项评测
评测名称 / 模式
得分
排名/总数
IF Bench
思考模式
81.70
2 / 31

事实查找与深度检索

共 1 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
思考模式工具联网
44.40
49 / 58

跨能力综合测试

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveBench
常规模式
51.78
90 / 117

自主开发与终端任务

共 3 项评测
评测名称 / 模式
得分
排名/总数
Terminal-Bench 2.1
思考模式工具
56.40
53 / 57
Terminal Bench Hard
思考模式工具
36.40
67 / 244
Terminal-Bench 4.0
思考模式工具
0.50
93 / 98

数学

共 2 项评测
评测名称 / 模式
得分
排名/总数
IMO-AnswerBench
思考模式
88.60
6 / 24
IMO-AnswerBench
思考模式工具
92.30
1 / 24

跨应用与工具编排

共 2 项评测
评测名称 / 模式
得分
排名/总数
Pinch Bench
思考模式工具
90
2 / 38
89.92
3 / 45

跨长文理解与整合

共 1 项评测
评测名称 / 模式
得分
排名/总数
LongBench v2
常规模式
61.90
5 / 14

跨能力聚合指数

共 2 项评测
评测名称 / 模式
得分
排名/总数
ECI
unknown
146.20
68 / 167

科学计算与科研编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SciCode
思考模式
44.60
96 / 134

客服与业务流程

共 1 项评测
评测名称 / 模式
得分
排名/总数
τ³-Banking
思考模式工具
22.60
85 / 167

法律

共 1 项评测
评测名称 / 模式
得分
排名/总数
Harvey Lab-AA
思考模式工具
81.72
30 / 44

文档与图表理解

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDP.pdf
思考模式
5
100 / 122

专业数据分析

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-AnalystAgent
思考模式工具联网
6.25
29 / 29

竞品对比

Nemotron 3 Ultra 与同类主流模型的评测得分对比

评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

12 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。

评测项Nemotron 3 Ultra当前GLM-5.2DeepSeek-V4-ProMiniMax M3
HLE
Accuracy
综合知识考试
37.40开启思考 | 工具
54.70开启思考 | 工具
48.20思考水平·极高 | 工具
--
MMLU-Pro
Accuracy
综合知识考试
86.80开启思考
--
87.50思考水平·高
--
SWE-bench Multilingual
Accuracy
仓库修复与多文件工程
67.70开启思考 | 工具
--
76.20思考水平·极高 | 工具
--
SWE-bench Verified
Accuracy
仓库修复与多文件工程
70.70开启思考 | 工具
--
80.60思考水平·极高 | 工具
--
LiveCodeBench
Pass @K
算法与竞赛编程
89.00开启思考
--
93.50思考水平·高
--
CritPt
Score
科学知识与推理
3.10开启思考
20.90思考水平·高
12.90思考水平·高
3.70开启思考
Creative Writing
Elo、大模型评判两两对战
写作与创意表达
1692.40常规模式
1756.50常规模式
1553.20常规模式
--
SimpleBench
Score (AVG@5)
常识推理
41.70开启思考
58.80常规模式
50.90常规模式
45.80开启思考
BrowseComp
Accuracy
事实查找与深度检索
44.40开启思考 | 工具
--
83.40思考水平·极高 | 工具
83.50开启思考 | 工具
LiveBench
Accuracy
跨能力综合测试
51.78常规模式
73.18常规模式
71.57常规模式
67.26深度思考模式
Terminal Bench Hard
Accuracy
自主开发与终端任务
36.40开启思考 | 工具
50.80思考水平·高 | 工具
46.20思考水平·高 | 工具
42.40开启思考 | 工具
Terminal-Bench 2.1
Accuracy
自主开发与终端任务
56.40开启思考 | 工具
81.00思考水平·高 | 工具
87.90思考水平·极高 | 工具
66.00开启思考 | 工具
其余 10 个 benchmark 仍可在上方图表中查看。

Nemotron 3 Ultra 与同类模型的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。

这些模型的价格币种或计费单位不一致,暂不直接绘制统一柱状图,以下展示原始价格。

GLM-5.2
供应商: 智谱AI
标准输入: $1.4 / 1M tokens
标准输出: $4.4 / 1M tokens
DeepSeek-V4-Pro
供应商: DeepSeek-AI
标准输入: $0.435 / 1M tokens
标准输出: $0.87 / 1M tokens
MiniMax M3
供应商: MiniMaxAI
标准输入: ¥2.1 / 1M tokens
标准输出: ¥8.4 / 1M tokens
标准价适用于 <= 524288
模型供应商标准输入标准输出标准价适用于
GLM-5.2
智谱AI$1.4 / 1M tokens$4.4 / 1M tokens—
DeepSeek-V4-Pro
DeepSeek-AI$0.435 / 1M tokens$0.87 / 1M tokens—
MiniMax M3
MiniMaxAI¥2.1 / 1M tokens¥8.4 / 1M tokens<= 524288