Nemotron 3 Nano Omni oder MiniCPM-o 4.5: welches offene Omni-Modell?

NVIDIAs 31B-Omni-Modell liest Video, Audio und Bilder und antwortet in Text. OpenBMBs 9B MiniCPM-o 4.5 spricht auch. Vergleich von Speicher, Sprachen und Lizenz.

  • Aktualisiert

Fazit. Entscheiden Sie danach, was das Modell sagen muss und wie viel Hardware Sie haben. Nemotron 3 Nano Omni hat 31B Parameter mit etwa 3B aktiven, 256K Kontext, Video bis zu 2 Minuten und Audio bis zu einer Stunde und antwortet nur in Text und nur auf Englisch, unter NVIDIAs Open Model Agreement, das kommerzielle Nutzung erlaubt. NVIDIA listet eine 80-GB-H100 für BF16, eine 48-GB-L40S für FP8 und eine 32-GB-RTX 5090 für NVFP4. MiniCPM-o 4.5 ist ein 9,37B-Dense-Modell, das ebenfalls spricht, auf Englisch und Chinesisch, während des Sprechens Live-Video und -Audio aufnehmen kann und Apache 2.0 nutzt. OpenBMBs Tabelle listet 19,0 GB GPU-Speicher in BF16 und 11,0 GB in int4, aber die Modellkonfiguration setzt nur 40.960 Positionen, und die Full-Duplex-Demo braucht eine 28-GB-GPU. Beide Score-Tabellen stammen von den Entwicklern selbst und nutzen unterschiedliche Gegner: NVIDIA gegen das ältere eigene Nano VL V2, OpenBMB gegen Gemini 2.5 Flash, GPT-4o und Qwen3-VL — also nicht vergleichbar. Testen Sie beide mit eigenen Clips.

Spezifikationen

Spezifikationen Nemotron 3 Nano OmniMiniCPM-o 4.5
EntwicklerNVIDIAOpenBMB
Erscheinungsdatum28. April 20263. Februar 2026
Parameter insgesamt31B (Nano Omni 30B-A3B (BF16))9.37B (9B (BF16))
Aktive Parameter3BAlle
ArchitekturMixture of Experts (MoE)Dense
Kontextfenster256K Token40K Token
EingabeText, Bild, Audio, VideoText, Bild, Audio, Video
Lizenz NVIDIA Open Model (Permissiv) Apache 2.0 (Permissiv)
Speicher für die kleinste Variante (4 Bit)32 GB (Nano Omni 30B-A3B (NVFP4))11 GB (9B AWQ (int4))

Leistungsangaben stammen vom Entwickler und wurden nicht unabhängig überprüft.

Wählen Sie Nemotron 3 Nano Omni, wenn

  • Sie haben lange Eingaben: NVIDIA listet 256K Kontext, Audio bis zu einer Stunde und Video bis zu zwei Minuten.
  • Sie brauchen nur Textantworten, etwa Transkripte, Zusammenfassungen, JSON oder Tool-Aufrufe, und Englisch genügt.
  • Sie haben NVIDIA-Hardware mit 32 GB oder mehr, etwa eine RTX 5090 für NVFP4 oder eine L40S für FP8.
  • Sie können vLLM 0.20.0 unter Linux betreiben und PDFs selbst in Seitenbilder umwandeln.

Wählen Sie MiniCPM-o 4.5, wenn

  • Sie wollen, dass das Modell zurückpricht, auf Englisch oder Chinesisch, mit konfigurierbarer oder mit Einwilligung geklonter Stimme.
  • Sie wollen Live-Full-Duplex-Streaming, bei dem das Modell hört und gleichzeitig spricht und von sich aus einsetzen kann.
  • Sie haben eine 12- bis 24-GB-GPU oder einen Apple-Silicon-Mac mit 16 bis 24 GB Speicher.
  • Sie wollen Apache 2.0 für Gewichte und Code, und Chinesisch zusätzlich zu Englisch.

Nemotron 3 Nano Omni · MiniCPM-o 4.5