Nemotron 3 Nano Omni frente a MiniCPM-o 4.5: ¿qué modelo omni abierto?
El modelo omni de 31B de NVIDIA lee vídeo, audio e imágenes y responde en texto. El MiniCPM-o 4.5 de 9B de OpenBMB también habla. Compara memoria, idiomas y licencia.
Veredicto. Elige según lo que el modelo deba decir y el hardware que tengas. Nemotron 3 Nano Omni tiene 31B de parámetros con unos 3B activos, contexto de 256K, vídeo de hasta 2 minutos y audio de hasta una hora, y responde solo en texto y solo en inglés, bajo el NVIDIA Open Model Agreement, que permite el uso comercial. NVIDIA lista una H100 de 80 GB para BF16, una L40S de 48 GB para FP8 y una RTX 5090 de 32 GB para NVFP4. MiniCPM-o 4.5 es un modelo denso de 9.37B que también habla, en inglés y chino, puede recibir vídeo y audio en directo mientras conversa y usa Apache 2.0. La tabla de OpenBMB lista 19.0 GB de memoria de GPU en BF16 y 11.0 GB en int4, pero la configuración del modelo solo fija 40.960 posiciones y su demo dúplex necesita una GPU de 28 GB. Ambas tablas de puntuaciones son de los propios desarrolladores y usan rivales distintos: NVIDIA contra su antiguo Nano VL V2 y OpenBMB contra Gemini 2.5 Flash, GPT-4o y Qwen3-VL, así que no son comparables. Prueba ambos con tus propios clips.
Especificaciones
| Especificaciones | Nemotron 3 Nano Omni | MiniCPM-o 4.5 |
|---|---|---|
| Desarrollador | NVIDIA | OpenBMB |
| Lanzamiento | 28 de abril de 2026 | 3 de febrero de 2026 |
| Parámetros totales | 31B (Nano Omni 30B-A3B (BF16)) | 9.37B (9B (BF16)) |
| Parámetros activos | 3B | Todos |
| Arquitectura | Mezcla de expertos (MoE) | Densa |
| Ventana de contexto | 256K tokens | 40K tokens |
| Entrada | Texto, Imagen, Audio, Vídeo | Texto, Imagen, Audio, Vídeo |
| Licencia | NVIDIA Open Model (Permisiva) | Apache 2.0 (Permisiva) |
| Memoria de la variante más pequeña (4 bits) | 32 GB (Nano Omni 30B-A3B (NVFP4)) | 11 GB (9B AWQ (int4)) |
Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.
Elige Nemotron 3 Nano Omni si
- Tienes entradas largas: NVIDIA lista 256K de contexto, audio de hasta una hora y vídeo de hasta dos minutos.
- Solo necesitas respuestas en texto, como transcripciones, resúmenes, JSON o llamadas a herramientas, y el inglés te basta.
- Tienes hardware NVIDIA de 32 GB o más, como una RTX 5090 para NVFP4 o una L40S para FP8.
- Puedes ejecutar vLLM 0.20.0 en Linux y convertir PDFs a imágenes de página tú mismo.
Elige MiniCPM-o 4.5 si
- Necesitas que el modelo responda hablando, en inglés o chino, con una voz configurable o una clonada con tu consentimiento.
- Quieres streaming en directo y dúplex, donde el modelo escucha y habla a la vez y puede tomar la palabra por sí mismo.
- Tienes una GPU de 12 a 24 GB o un Mac con Apple Silicon de 16 a 24 GB de memoria.
- Quieres Apache 2.0 tanto para los pesos como para el código, y chino además de inglés.