Nemotron 3.5 Super 120B A12B

Nemotron 3.5 Super 120B A12B 属于 nemotron 家族，采用开源权重方式发布，只处理文本输入与文本输出。它最突出的规格是约 104 万 tokens 的上下文窗口和单次最高 131072 tokens 的输出长度，适合把整本手册、大段代码或长对话一次性交给模型处理，而不必做复杂的分片拼接。能力层面覆盖推理、工具调用、结构化输出和温度调节，意味着它既能承担需要多步思考的分析任务，也能作为 Agent 流程中的决策与调度节点，并以 JSON 等结构化格式稳定交付结果。厂商标注为 Perplexity Agent，官方输入价 0.2 美元/百万 tokens、输出价 0.5 美元/百万 tokens、缓存读 0.04 美元/百万 tokens，在超长上下文模型里属于偏低的价格带，配合缓存机制可进一步压低重复提示的成本。本站未收录该模型的公开跑分，实际效果需要结合自有任务验证。

选型建议需要超长上下文、开源权重和低输入成本做文本与 Agent 任务时选它；需要多模态输入或要求有公开跑分背书的场景则先观望。

• 把整份技术文档或合同一次性输入，做要点提取与风险条款比对
• 在 Agent 流程中承担工具选择与参数生成，输出结构化 JSON 结果
• 对大规模代码仓库片段做跨文件问答与改动影响分析
• 批量生成长篇中文内容初稿，并借助温度调节控制风格稳定性
• 将固定系统提示与前缀文档缓存，支撑高并发的长上下文问答服务

官方未完整公开该模型的结构细节，可确认的是它沿用 nemotron 家族的开源权重路线，并以文本为唯一模态。

• 结构采用开源权重发布，名称中的 120B A12B 提示总参数与激活参数的区分，具体层数与注意力设计公开资料较少。
• 能力支持推理、工具调用、结构化输出与温度调节，适合嵌入需要多轮决策和格式约束的 Agent 链路。
• 披露本站未收录该模型的技术报告与跑分，架构细节与训练数据口径需以厂商后续公开材料为准。

开源权重

是

模型家族

nemotron

缺少公开跑分，只能从规格与能力标签做定性判断，实际表现建议用自有样本测试。

• 强项约 104 万 tokens 上下文配合最高 131072 tokens 输出，长文档通读与长文生成不易被截断。
• 短板仅有文本模态，图像、音频类任务需另配模型；推理深度与稳定性缺乏第三方跑分佐证。
• 适合适合长上下文摘要、代码库问答、多步工具编排等场景，不适合对多模态输入有硬性要求的任务。

官方定价处于低价区间，且提供缓存读折扣，成本结构对高频长提示场景较友好。

• 定位输入 0.2 美元、输出 0.5 美元每百万 tokens，在超长上下文模型里属于入门级价格带。
• 横向对比同系列 VL 版本与 Ultra 系列在部分平台标为免费，nano:30b 输入价更低，需按能力需求取舍。
• 平台差价models.dev 与 models.dev · perplexity-agent 两处报价一致，暂无明显的渠道价差空间。
• 省钱缓存读仅 0.04 美元/百万 tokens，把固定系统提示与长文档放在前缀可显著摊薄重复调用成本。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.2/M / $0.5/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型公开跑分，任何效果结论都应以自有任务实测为准，不宜直接类比同系列其他型号。
• 边界只支持文本输入输出，上下文虽长但超长提示仍会推高延迟与费用，需评估实际吞吐要求。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。