NVIDIA: Llama 3.3 Nemotron Super 49B V1.5
Publié par NVIDIA le 10 octobre 2025, Llama 3.3 Nemotron Super 49B V1.5 est un LLM dense de type Transformer decoder-only, dérivé de Meta Llama 3.3 70B Instruct. Son architecture a été personnalisée par Neural Architecture Search, avec notamment du skip attention et des réseaux FFN…
Publié par NVIDIA le 10 octobre 2025, Llama 3.3 Nemotron Super 49B V1.5 est un LLM dense de type Transformer decoder-only, dérivé de Meta Llama 3.3 70B Instruct. Son architecture a été personnalisée par Neural Architecture Search, avec notamment du skip attention et des réseaux FFN variables.
Le modèle traite et génère du texte dans une fenêtre de 131 072 tokens. Il combine des modes de raisonnement activé ou désactivé avec des fonctions orientées RAG et appel d'outils. Son autre caractéristique majeure est son prix très économique, inférieur de 80 % à la moyenne des LLM similaires.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | NVIDIA |
| Poids | 🟢 Poids ouverts |
| Date de sortie | 10 octobre 2025 |
| Connaissances jusqu'à | 2024-03-31 |
| Multimodal | non |
| Fenêtre de contexte | 131 072 tokens |
| Modalités (entrée → sortie) | text → text |
Classements Arena (Elo)
Arena Text · 200 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Claude Fable 5 | 1507 |
| 2ᵉ | Claude Opus 4.6 | 1504 |
| 3ᵉ | Claude Opus 4.7 | 1503 |
| ⋯ | ⋯ | |
| 191ᵉ | MiniMax M2 | 1346 |
| 192ᵉ | GPT-4o | 1346 |
| 193ᵉ | NVIDIA: Llama 3.3 Nemotron Super 49B V1.5 | 1343 |
| 194ᵉ | glm-4-plus-0111 | 1343 |
| 195ᵉ | Claude 3.5 Sonnet | 1342 |
Notre analyse
Forces. NVIDIA: Llama 3.3 Nemotron Super 49B V1.5 atteint un résultat parfait sur Ethics et se classe dans le top 10 de ce benchmark. Les scores de General Knowledge et d'Email Classification sont presque parfaits, même si leurs classements sont moins dominants. Reasoning et Coding affichent aussi des résultats élevés en valeur absolue. Le post-entraînement couvre le raisonnement, les préférences de conversation humaine, le RAG et l'appel d'outils. Le modèle cible l'anglais et les langages de programmation, tout en prenant en charge sept autres langues mentionnées, dont le français. Son tarif d'entrée et de sortie identique le place environ 13,8 fois sous le coût des modèles frontière.
Limites et points d'attention. Les classements relativisent plusieurs scores bruts élevés : General Knowledge, Reasoning et Coding restent en milieu de tableau, tandis que Hallucinations se situe plus bas encore parmi les modèles évalués. Dans Arena text, son Elo ne lui vaut que la 191e place sur 200, loin du modèle en tête, ce qui signale une préférence comparative faible dans cette arène. Son socle de connaissances s'arrête au 31 mars 2024. Ce modèle convient surtout aux traitements textuels à grand contexte, aux usages multilingues couverts, au RAG et à l'appel d'outils lorsque le coût constitue un critère prioritaire.
Sources des données : OpenRouter (openrouter.ai) · Arena.ai (arena.ai) · LLM-Stats (llm-stats.com).