Nemotron 3 Nano Omni と MiniCPM-o 4.5 の比較:どちらのオープン・オムニモデル?

NVIDIA の 31B オムニモデルはビデオ・音声・画像を読み、テキストで答えます。OpenBMB の 9B MiniCPM-o 4.5 はさらに発話もできます。メモリ、言語、ライセンスを比較します。

  • 更新日

結論. モデルに何を言わせたいか、ハードウェアがどれだけあるかで選びましょう。Nemotron 3 Nano Omni は総パラメータ 31B、アクティブ約 3B、コンテキスト 256K、ビデオは最長 2 分、音声は最長 1 時間で、回答はテキストのみ、対応言語は英語のみです。ライセンスは商用利用を認める NVIDIA Open Model Agreement です。NVIDIA が挙げるハードウェアは BF16 用の 80 GB H100、FP8 用の 48 GB L40S、NVFP4 用の 32 GB RTX 5090 です。MiniCPM-o 4.5 は 9.37B のデンスモデルで、こちらも話すことができ、中国語と英語に対応し、話しながらライブのビデオと音声を受け取れ、Apache 2.0 を使います。OpenBMB の表は BF16 で 19.0 GB、int4 で 11.0 GB の GPU メモリを挙げますが、モデル設定の位置数は 40,960 までで、フルデュプレックスのデモには 28 GB GPU が必要です。2 枚のスコア表はどちらも開発者自身のもので、比較相手も違います。NVIDIA は自社の以前の Nano VL V2 と、OpenBMB は Gemini 2.5 Flash、GPT-4o、Qwen3-VL と比較しているため、互いに比較できません。自分のクリップで両方を試してください。

仕様

仕様 Nemotron 3 Nano OmniMiniCPM-o 4.5
開発元NVIDIAOpenBMB
リリース日2026年4月28日2026年2月3日
総パラメータ数31B (Nano Omni 30B-A3B (BF16))9.37B (9B (BF16))
アクティブパラメータ数3Bすべて
アーキテクチャエキスパート混合(MoE)デンス
コンテキストウィンドウ256K トークン40K トークン
入力テキスト, 画像, 音声, 動画テキスト, 画像, 音声, 動画
ライセンス NVIDIA Open Model (パーミッシブ) Apache 2.0 (パーミッシブ)
最小バリエーションの必要メモリ(4ビット)32 GB (Nano Omni 30B-A3B (NVFP4))11 GB (9B AWQ (int4))

性能に関する主張は開発元によるもので、独自検証は行っていません。

Nemotron 3 Nano Omni を選ぶべきケース

  • 長い入力を扱う場合:NVIDIA は 256K コンテキスト、最長 1 時間の音声、最長 2 分のビデオを挙げています。
  • テキストのみの回答で十分な場合:文字起こし、要約、JSON、ツール呼び出しなどで、英語が足りる場合。
  • 32 GB 以上の NVIDIA ハードウェアを持つ場合:NVFP4 用の RTX 5090 や FP8 用の L40S など。
  • Linux で vLLM 0.20.0 を動かせ、PDF を自分でページ画像に変換できる場合。

MiniCPM-o 4.5 を選ぶべきケース

  • モデルに話してほしい場合:中国語や英語の音声で、設定可能な声、または同意を得たクローンの声で。
  • ライブの全二重ストリーミングが必要な場合。モデルが聞きながら話し、自ら話しかけることもできます。
  • 12~24 GB の GPU や、16~24 GB メモリの Apple シリコン Mac を持っている場合。
  • 重みもコードも Apache 2.0 で、中国語と英語の両方に対応してほしい場合。

Nemotron 3 Nano Omni · MiniCPM-o 4.5