Nemotron 3 Ultra batch custa R$? O preço que a NVIDIA não grita no release

Lançado há nove dias, o Nemotron 3 Ultra da NVIDIA aparece no catálogo com um sufixo que pouca gente lê com calma: batch. A diferença entre essa versão e a chamada "normal" é o que decide se ela entra ou não no seu próximo orçamento de inferência.

O que é a versão batch, na prática

Pense em batch como o equivalente a despachar uma carga inteira de caminhão em vez de fazer entrega por motoboy. Você envia um lote de requisições assíncronas, aceita um prazo maior para receber as respostas e, em troca, a NVIDIA cobra menos por token. É um trade-off clássico: tempo de resposta versus custo. Se o seu caso de uso tolera esperar — geração de datasets, classificação em massa, enriquecimento de catálogos, sumarização de backlog documental — batch é onde o custo cai de verdade.

Quanto custa, em moeda de fim de mês

A ficha do modelo no catálogo mostra três preços que merecem ser lidos juntos:

• Entrada: US$ 0,60 por milhão de tokens.
• Saída: US$ 3,60 por milhão de tokens.
• Cache (releitura de contexto já enviado): US$ 0,20 por milhão de tokens.

O detalhe promocional é o de cache. Quando você reaproveita um prompt gigante em várias chamadas — algo corriqueiro em RAG e em agentes que compartilham contexto — o custo de releitura cai para um terço do preço de entrada. Em workloads com muito contexto repetido, isso muda o cálculo mais do que o headline de "55B ativos de 550B totais" sugere.

Onde ele se encaixa no tabuleiro

A régua de cima do catálogo hoje é liderada pelo Claude Fable 5, da Anthropic, com índice de inteligência 62,073 e saída a US$ 50 por milhão de tokens. O Gemini 3.1 Pro Preview da Google aparece em segundo, a US$ 12. O Nemotron 3 Ultra batch entra num patamar de preço bem diferente desses dois — e é justamente aí que mora a pergunta que você precisa fazer antes de testar.

Para comparar o que está na faixa de IQ acima de 45 e abaixo de US$ 10 de saída, três nomes disputam a atenção: o MiniMax M3 a US$ 1,20, o DeepSeek V4 Pro a US$ 1,74 e o Gemini 3.5 Flash a US$ 9. O Nemotron batch, a US$ 3,60, fica entre o DeepSeek e o Flash — mais caro que os dois primeiros, mais barato que o terceiro. A arquitetura MoE com 55B ativos sobre 550B totais promete capacidade de fronteira; o preço promete economia. As duas promessas precisam ser testadas no seu caso antes de você migrar qualquer coisa.

Para quem vale a pena

• Times que processam grandes volumes assíncronos. Se você já tem pipeline de jobs noturnos, classificação de tickets, geração de embeddings textuais ou enriquecimento de base, o endpoint batch paga o investimento de mexer no código.
• Aplicações com contexto longo reaproveitado. A janela de 512 mil tokens combinada com cache a US$ 0,20 é o cenário onde o modelo entrega o melhor custo por requisição.
• Quem quer testar capacidade de fronteira sem o preço de fronteira. É uma forma de colocar uma arquitetura MoE híbrida Transformer-Mamba no benchmark interno antes de decidir se vale subir para Claude ou Gemini Pro.

Para quem NÃO muda nada

• Produtos com usuário esperando resposta na tela. Batch não é para latência baixa. Se o seu fluxo é chat interativo, completion em tempo real ou qualquer coisa onde o usuário percebe o delay, esse endpoint não é o caminho.
• Times que já rodam Gemini Flash ou DeepSeek V4 Pro em volume. O ganho marginal precisa ser demonstrado em benchmark próprio, porque o preço do Nemotron batch é intermediário — não é o mais barato da prateleira.
• Quem precisa de medições de IQ, coding ou agentic validadas. O catálogo não publicou nenhum desses índices para o Nemotron 3 Ultra batch. Comprar por capacidade sem número é comprar no escuro; rode sua suíte antes de comprometer orçamento.

O que fazer com isso na segunda-feira

Antes de qualquer migração, meça três coisas no seu workload real: quanto do seu tráfego tolera latência assíncrona, qual fração dos seus prompts reaproveita contexto entre chamadas, e qual é o custo atual por milhão de tokens mistos (entrada + saída + cache). Se a resposta para as duas primeiras for "muito" e a terceira for "alto o suficiente para doer", vale um piloto de 30 dias no endpoint batch da NVIDIA. Se qualquer uma das três não bater, o Nemotron 3 Ultra continua sendo um bom press release — e só.