NVIDIA Nemotron 3 Ultra 和 Claude Sonnet 4.6 面向不同优先级：Ultra 提供开放权重、更低 API 费率和文本到文本的推理路径；Sonnet 4.6 支持图像输入和计算机操作，并在已发布的仓库级编程基准中更高。截图解读和高要求编程应先测 Sonnet，文本型智能体、预算敏感工作或自托管需求再评估 Ultra。
核心要点
| 问题 | 结论 |
|---|---|
| 应该选哪一个？ | 截图解读工作先从 Sonnet 4.6 开始，并评估高要求编程任务；文本智能体若更看重低费率或部署控制，考虑 Nemotron 3 Ultra。 |
| 哪个成本更低？ | 截至 2026-09-11，OpenRouter 经 DeepInfra 提供 Ultra：每百万 tokens $0.50 输入、$2.20 输出；Anthropic Sonnet 4.6 为 $3 和 $15。实际成本取决于 token 用量和重试。 |
| 两者都有 1M 上下文吗？ | 文档描述 1M 能力，但具体端点可能更少；本对比检查的 Ultra 路由为 262K。 |
| 开放权重就免费吗？ | 不是。Ultra 权重需要多块数据中心 GPU、维护和运营支持；偶发任务更适合 API，持续高用量才值得评估自托管。 |
规格与定位一览
NVIDIA Nemotron 3 Ultra 是推理模型，总参数 550B、每 token 激活 55B。本文覆盖完成后训练的 Ultra，不同于 Nano、Super 和 Ultra 基础检查点。Sonnet 4.6 仍可用，但 Anthropic 已将其归类为旧版模型；价格、规格和基准快照核对时间为 2026 年 9 月 11 日。
| 决策点 | Nemotron 3 Ultra | Claude Sonnet 4.6 |
|---|---|---|
| 模型获取方式 | 开放权重；提供托管 API 选项 | 专有；托管访问 |
| 输入 → 输出 | 文本 → 文本 | 文本和图像 → 文本 |
| 文档标注上下文 | 最高 1M tokens | 1M tokens |
| 对比服务实际支持上下文 | 通过 OpenRouter 提供 262K | Anthropic 文档为 1M |
| 每 1M tokens 输入 / 输出 | $0.50 / $2.20（OpenRouter 经 DeepInfra） | $3 / $15（Anthropic API） |
| 部署控制权 | 可自行运行推理基础设施 | 由提供商运行推理 |
该表区分了模型宣称能力与实际服务能力。为指令、工具定义、对话历史和输出留出空间后，再检查答案是否使用了正确证据。
编程、推理与计算机操作
编程：Sonnet 已发布的 SWE-bench 分数更高
Anthropic 报告 Sonnet 4.6 在 SWE-bench Verified 达到 79.6%；NVIDIA 报告 Ultra BF16 为 71.9%、Ultra NVFP4 为 69.7%。该基准评估真实代码仓库问题修复，比独立代码生成更贴近维护工作。
这些结果来自不同发布方，提示词、工具和执行设置可能不同。它们让 Sonnet 成为仓库级工作的优先候选，但不能证明你的项目存在同样差距；Ultra 的两个结果也说明比较必须写明精确模型变体。评估时检查补丁是否修复缺陷、保留无关行为并通过有意义测试，再计入审查与修正时间。不要把这些分数与不同 Terminal-Bench 版本混算。
推理：在答案质量、时间和 token 之间平衡
Artificial Analysis Intelligence Index v4.3 的 9 月 11 日快照显示：启用推理的 Ultra 得分 23，Sonnet 4.6 在最高强度自适应推理下得分 30；输出速度分别约 156 和 54 tokens/s。Sonnet 指数更高，Ultra 生成更快；初始等待、推理长度和工具轮次都会影响实际完成速度。
评估记录要保留推理设置。给模型更多思考时间，可能用更多可计费 token 换取更好答案。
截图和长文档需要不同能力
Sonnet 的图像输入和 computer use 能力，使它在必须解读截图的智能体中更明确；Ultra 可配合基于文本的工具，但仅文本输入无法检查可视化界面。
长文档方面，Ultra 宣称 1M 容量不等于每条路由都接受 1M tokens；此处查看的 OpenRouter 路由为 262,144 tokens。若要完整处理大型仓库或文档集合而不拆分，必须核对你的实际接入端点。
API 成本与真实智能体预算
用相同工作负载和计费假设比较
以一百万未缓存输入 tokens 和 200,000 输出 tokens 估算：
| 模型 | 计算 | 结果 |
|---|---|---|
| Ultra（DeepInfra） | $0.50 + 0.2 × $2.20 | 约 $0.94 |
| Sonnet 4.6（Anthropic） | $3 + 0.2 × $15 | 约 $6.00 |
示例包含所有可计费输出，包括按服务规则计费的推理 tokens，不包括工具、托管和其他费用。它只说明费率差异；同一任务的实际 token 数可能不同。
更好的业务指标是每个被接受结果成本：
每个被接受结果成本 = 总支出 ÷ 被接受结果数
要把失败尝试和重试计入。较便宜模型反复修正时，部分节省会消失；两者都能产出可接受工作时，规模越大，低费率越有价值。重复发送相同上下文时，缓存会改变计算方式；应分别检查缓存写入和读取费率，删减不必要历史和工具输出，并单独跟踪人工修正时间。
开放权重仍需要推理基础设施
Ultra 可以自行运行推理，但 NVIDIA 文档列出的配置包含多块数据中心 GPU；硬件、利用率、维护和运营支持都要计入成本。开放权重不等于推理免费。
偶发或波动任务适合 API，避免为闲置容量付费；持续用量足以支撑硬件运维时，自托管才值得考虑。还要区分智能体隐私与模型处理：私有工作区仍可能向外部推理提供商发送请求，普通 CPU 托管方案也不具备承载 Ultra 权重所需的 GPU 容量。
哪个模型适合你的工作流？
| 场景 | 优先选择 | 原因 |
|---|---|---|
| 截图解读、浏览器或视觉界面工作 | Claude Sonnet 4.6 | 支持图像输入和 computer use |
| 高要求仓库编程的首轮候选 | Claude Sonnet 4.6 | 已发布 SWE-bench 分数更高 |
| 重复性研究摘要、文档处理和文本型 Agent | Nemotron 3 Ultra | API 费率更低，输出速度更快 |
| 需要自控部署或私有基础设施 | Nemotron 3 Ultra | 开放权重提供自托管路径 |
| 偶发或用量波动大的任务 | 托管 API | 避免为闲置 GPU 付费 |
更改生产智能体前，选择五个代表性任务，在相同指令、文件和工具访问条件下运行两个模型。预定义成功标准：补丁通过测试、报告有证据支撑，或抽取结果包含必需字段。跟踪被接受输出、工具失败、耗时、计费 token 和重试；接近时重复测试，并保留任务组供未来重新评估。
最后，智能体运行环境和模型选型是两个独立问题：前者涉及部署和维护，后者看任务结果。
结论
当基于文本的智能体、更低 API 费率和部署控制最重要时，考虑 Nemotron 3 Ultra；当截图解读关键，或编程测试表明更好的结果值得更高成本时，选择 Sonnet 4.6。采用前应在一小组真实任务上比较质量、重试和总支出，再从重复任务开始扩展。
