- 262K 上下文
- Responses API
Nemotron 3.5 Lightning · QuickSilver Pro
Nemotron 3.5 Lightning 是 NVIDIA 的开放 30B 参数 Mixture-of-Experts 模型,每个 token 仅激活 3B 参数。它为快速、重度使用工具的 agent、高吞吐自动化和领域定制而构建。QuickSilver Pro 提供 262K token 的上下文,每百万 token 输入 $0.066 / 输出 $0.176,零数据保留 —— 比市场上最低的稳定付费价格高约 10%。
- 262K 上下文
- 最大输出 131K
- 工具调用
- 流式输出
- JSON Schema 输出
你支付 · 每 1M 输入 / 输出
$0.066 / $0.176
贵 10%
输入和输出均对比 市场价
价格对比($/1M token)
条形长度 = 相对所列最高价的价格
| 服务商 | 输入 | 输出 | 对比 QSP |
|---|---|---|---|
| QuickSilver Pro | $0.066 | $0.176 | — |
| 市场价(public paid rate) | $0.06 | $0.16 | 贵 10% |
| OpenAI (GPT-4o-mini) | $0.15 | $0.60 | 低 71% |
NVIDIA 价格来源: huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16
概览
- 上下文
- 262K token
- 输入 / 1M
- $0.066
- 输出 / 1M
- $0.176
- 默认思考
- 否
- 最大输出
- 131K
- 延迟 · 实时
- —
快速、便宜的工具调用 agent —— 总参数 30B,每个 token 激活 3B,上下文 262K。
什么时候该选 Nemotron 3.5 Lightning?
依据目录中的能力和公开价格整理,而非基准测试。
适用场景
Nemotron 3.5 Lightning 适合大批量编码助手、检索 agent、长时间运行的工具循环、结构化抽取,以及反复复用大型 system prompt 或仓库上下文的工作流。稀疏的 30B-A3B 设计让生成成本保持低廉,缓存输入价格为每百万 token $0.033。
- 长文档和代码库,最多 262K token 上下文
- 需要调用工具并输出严格 JSON Schema 的 Agent
- 既支持 Chat Completions,也支持 Responses API 客户端
何时该选其他模型
这是一个快速的高效型模型,不是前沿旗舰。高难度的研究、数学推理或复杂的自主编码,在你的评测证明值得为更高价格买单时,请升级到 DeepSeek V4 Pro、Qwen3.8 Max 或 Grok 4.6。QSP 的这个 endpoint 仅支持文本,目前保证 262K token 的上下文,零数据保留。
快速开始(curl)
获取 API key →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!"
}'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)兼容 OpenAI。只需改一行 base_url 即可迁移。
网关行为
本模型的兼容性说明。
prompt- 提示最多 262K token。
max_tokens- 最多 131K 个输出 token。
- /v1/chat/completions: 支持
- /v1/responses: 支持
- 流式输出: 支持
- 工具调用: 支持
- 图片输入: 本模型未列出
- JSON Schema: 支持
- 推理: 本模型未列出
价格从何而来
- 服务商参考价
- $0.06 / $0.16huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16
- 目录核验日期
- 提示缓存 · 不参与对比
- 读取 $0.033
usage.cost = prompt_tokens × $0.066/1M + completion_tokens × $0.176/1M
常见问题
常见问题
每百万输入 token $0.066,每百万输出 token $0.176,每百万缓存输入 token $0.033 —— 比市场上最低的稳定付费价格高约 10%。
模型架构最多可支持 1M token,而 QSP 目前在生产环境中保证 262K token。我们公布的是经过我们测试并实际执行的上限,而不是宣传一个理论最大值。
支持。它支持流式输出、函数调用和 JSON Schema 结构化输出。QSP 以关闭推理的方式提供该模型,因此回复直接给出,不带单独的推理轨迹,也没有隐藏的推理 token。
设置 base_url=https://api.quicksilverpro.io/v1,使用你的 QSP key,并设置 model="nemotron-3.5-lightning"。Chat Completions 和 Responses API 客户端使用同一个公开模型 ID。