मुख्य सामग्री पर जाएँ
  • 262K context
  • Responses API

Nemotron 3.5 Lightning QuickSilver Pro पर

nemotron-3.5-lightning
NVIDIAलाइव उपलब्धता—

Nemotron 3.5 Lightning NVIDIA का open 30B-parameter Mixture-of-Experts मॉडल है, जिसमें प्रति token केवल 3B active parameters हैं। यह तेज़, tool-heavy agents, high-throughput automation, और domain customization के लिए बना है। QuickSilver Pro 262K-token context देता है, $0.066 input / $0.176 output प्रति million tokens पर, zero data retention के साथ — सबसे कम stable paid market rate से लगभग 10% ऊपर।

  • 262K context
  • अधिकतम 131K output
  • Tools
  • Streaming
  • JSON Schema output

आप चुकाते हैं · input / output प्रति 1M

$0.066 / $0.176

10% महँगा

input और output दोनों पर, बाज़ार मूल्य की तुलना में

Pricing तुलना ($/1M tokens)

बार की लंबाई = दिखाई गई सबसे ऊँची क़ीमत के मुक़ाबले क़ीमत

ProviderInputOutputQSP की तुलना में
QuickSilver Pro$0.066$0.176—
बाज़ार मूल्य(public paid rate)$0.06$0.1610% महँगा
OpenAI (GPT-4o-mini)$0.15$0.6071% कम

NVIDIA लिस्ट प्राइस का स्रोत: huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16

एक नज़र में

Context
262K tokens
Input / 1M
$0.066
Output / 1M
$0.176
Default में सोचता है
नहीं
अधिकतम output
131K
Latency · लाइव
—

तेज़, सस्ते tool-using agents — कुल 30B parameters, प्रति token 3B active, और 262K context।

Nemotron 3.5 Lightning कब सही चुनाव है?

catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।

कब इस्तेमाल करें

Nemotron 3.5 Lightning को high-volume coding assistants, retrieval agents, लंबे समय तक चलने वाले tool loops, structured extraction, और ऐसे workflows के लिए इस्तेमाल करें जो बड़े system prompt या repository context को बार-बार reuse करते हैं। इसका sparse 30B-A3B design generation को सस्ता रखता है, और cached input की कीमत $0.033 प्रति million tokens है।

  • लंबे दस्तावेज़ और codebases, 262K tokens तक के context के साथ
  • Tools call करने वाले agents, strict JSON Schema output के साथ
  • Chat Completions के साथ Responses API clients भी

कब कोई और model चुनें

यह तेज़ efficiency मॉडल है, frontier flagship नहीं। कठिन research, गणितीय reasoning, या complex autonomous coding को DeepSeek V4 Pro, Qwen3.8 Max, या Grok 4.6 पर तब ले जाएँ जब आपकी evaluations ऊँची कीमत को सही ठहराएँ। QSP endpoint केवल text लेता है और फ़िलहाल zero data retention के साथ 262K-token context की गारंटी देता है।

Models में विकल्पों की तुलना करें

Quickstart (curl)

API key पाएँ →
curl https://api.quicksilverpro.io/v1/chat/completions \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nemotron-3.5-lightning",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="nemotron-3.5-lightning",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.quicksilverpro.io/v1",
  apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
  model: "nemotron-3.5-lightning",
  messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);
curl https://api.quicksilverpro.io/v1/responses \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nemotron-3.5-lightning",
    "input": "Hello!"
  }'
python (OpenAI SDK)
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="nemotron-3.5-lightning",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)

OpenAI-संगत। base_url बदलकर एक लाइन में migration।

Gateway का व्यवहार

इस मॉडल के लिए compatibility नोट्स।

prompt
262K tokens तक के prompts।
max_tokens
131K output tokens तक।
  • /v1/chat/completions: समर्थित
  • /v1/responses: समर्थित
  • streaming: समर्थित
  • tools: समर्थित
  • image input: इस मॉडल के लिए सूचीबद्ध नहीं
  • JSON Schema: समर्थित
  • reasoning: इस मॉडल के लिए सूचीबद्ध नहीं

क़ीमत कहाँ से आती है

Catalog v87 · कोई अलग long-context tier नहीं

Catalog में सत्यापित
Prompt cache · तुलना नहीं
$0.033 read

usage.cost = prompt_tokens × $0.066/1M + completion_tokens × $0.176/1M

/pricing.json

Base दरें; cached prompt tokens ऊपर दी गई cache दरों पर बिल होते हैं।

FAQ

सामान्य प्रश्न

$0.066 प्रति million input tokens, $0.176 प्रति million output tokens, और $0.033 प्रति million cached-input tokens — सबसे कम stable paid market rate से लगभग 10% ऊपर।

Nemotron 3.5 Lightning

Nemotron 3.5 Lightning को double credits के साथ आज़माएँ — $50 तक bonus credits

API Key पाएँ

$0.066 / $0.176input / output प्रति 1M tokens

आज़माएंAPI Key पाएँ