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.
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 Omni | MiniCPM-o 4.5 |
|---|---|---|
| Entwickler | NVIDIA | OpenBMB |
| Erscheinungsdatum | 28. April 2026 | 3. Februar 2026 |
| Parameter insgesamt | 31B (Nano Omni 30B-A3B (BF16)) | 9.37B (9B (BF16)) |
| Aktive Parameter | 3B | Alle |
| Architektur | Mixture of Experts (MoE) | Dense |
| Kontextfenster | 256K Token | 40K Token |
| Eingabe | Text, Bild, Audio, Video | Text, 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.