Nemotron 3 Nano Omni против MiniCPM-o 4.5: какая открытая омни-модель?
Омни-модель NVIDIA на 31B читает видео, аудио и изображения и отвечает текстом. MiniCPM-o 4.5 на 9B от OpenBMB ещё и говорит. Сравнение памяти, языков и лицензии.
Вердикт. Выбирайте по тому, что модель должна говорить, и по тому, сколько у вас железа. Nemotron 3 Nano Omni имеет 31B параметров с примерно 3B активных, контекст 256K, видео до 2 минут и аудио до часа, и отвечает только текстом и только на английском, под NVIDIA Open Model Agreement, который разрешает коммерческое использование. NVIDIA указывает 80-ГБ H100 для BF16, 48-ГБ L40S для FP8 и 32-ГБ RTX 5090 для NVFP4. MiniCPM-o 4.5 — плотная модель 9,37B, которая тоже говорит, на английском и китайском, может принимать живые видео и аудио во время разговора и использует Apache 2.0. Таблица OpenBMB указывает 19,0 ГБ видеопамяти в BF16 и 11,0 ГБ в int4, но конфигурация модели задаёт лишь 40 960 позиций, а full-duplex-демо требует GPU с 28 ГБ. Обе таблицы результатов принадлежат самим разработчикам и используют разных соперников: NVIDIA — против собственного прежнего Nano VL V2, OpenBMB — против Gemini 2.5 Flash, GPT-4o и Qwen3-VL, поэтому сравнивать их нельзя. Проверьте обе на своих записях.
Характеристики
| Характеристики | Nemotron 3 Nano Omni | MiniCPM-o 4.5 |
|---|---|---|
| Разработчик | NVIDIA | OpenBMB |
| Дата выпуска | 28 апреля 2026 г. | 3 февраля 2026 г. |
| Всего параметров | 31B (Nano Omni 30B-A3B (BF16)) | 9.37B (9B (BF16)) |
| Активные параметры | 3B | Все |
| Архитектура | Смесь экспертов | Плотная |
| Контекстное окно | 256K токенов | 40K токенов |
| Вход | Текст, Изображение, Аудио, Видео | Текст, Изображение, Аудио, Видео |
| Лицензия | NVIDIA Open Model (Пермиссивная) | Apache 2.0 (Пермиссивная) |
| Память для минимального варианта (4 бита) | 32 GB (Nano Omni 30B-A3B (NVFP4)) | 11 GB (9B AWQ (int4)) |
Заявления о производительности поступают от разработчика и не проверялись независимо.
Выбирайте Nemotron 3 Nano Omni, если
- У вас длинные входы: NVIDIA указывает контекст 256K, аудио до одного часа и видео до двух минут.
- Нужны только текстовые ответы — транскрипты, резюме, JSON или вызовы инструментов, — и английского достаточно.
- У вас железо NVIDIA на 32 ГБ и больше, например RTX 5090 для NVFP4 или L40S для FP8.
- Вы можете запустить vLLM 0.20.0 на Linux и сами отрендерить PDF в изображения страниц.
Выбирайте MiniCPM-o 4.5, если
- Нужно, чтобы модель отвечала голосом на английском или китайском, с настраиваемым или клонированным с согласия голосом.
- Нужен живой полнодуплексный стриминг: модель слушает и говорит одновременно и может заговорить сама.
- У вас GPU на 12–24 ГБ или Mac на Apple silicon с 16–24 ГБ памяти.
- Хотите Apache 2.0 и для весов, и для кода, плюс китайский наряду с английским.