Nemotron Nano 9B v2 vs Nemotron Research Reasoning
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Nemotron Nano 9B v2 de NVIDIA et Nemotron Research Reasoning de NVIDIA sont deux modèles d’IA de premier plan. Nemotron Nano 9B v2 propose une fenêtre de contexte de 131.1K tokens au tarif de $0.08/$0.20 par million de tokens, tandis que Nemotron Research Reasoning offre 128K tokens de contexte à $0.00/$0.00 par million de tokens. Découvrez ci-dessous le comparatif détaillé des performances et des coûts.
Changez et Comparez les Modèles
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Nemotron Nano 9B v2
Modèle Léger et ÉconomiqueNemotron Nano 9B v2 de NVIDIA est un modèle d’IA conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, offrant une fenêtre de contexte de 131K, une vitesse de 140 tokens/s, un indice d’intelligenc
$0.08 / 1M
$0.20 / 1M
131.1K tokens
32.5%
Nemotron Research Reasoning
Raisonnement à Poids OuvertsNemotron Research Reasoning de NVIDIA est un modèle d’IA conçu pour le raisonnement par chaîne de pensée à poids ouverts et haute efficacité, offrant une fenêtre de contexte de 128K, une vitesse de 45 tokens/s, un indice d’intelligence de 6
$0.00 / 1M
$0.00 / 1M
128K tokens
48.5%
Différences Clés en un Coup d’Œil
- Nemotron Research Reasoning is 1.0x cheaper for API usage (input + output tokens combined).
- Nemotron Nano 9B v2 has a larger context window (131K vs 128K tokens).
- Nemotron Nano 9B v2 is faster at 140 tok/s vs 45 tok/s.
- Nemotron Research Reasoning leads on SWE-bench coding (48.5% vs 32.5%).
| Caractéristique | Nemotron Nano 9B v2 | Nemotron Research Reasoning |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 42 | 68 |
Provider | NVIDIA | NVIDIA |
Input Price Cost per million input tokens | $0.08 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.20 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.05 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 131.1K tokens~197 A4 pages of text | 128K tokens~192 A4 pages of text |
Max Output Tokens Per single request | 8K | 16K |
Throughput Speed Tokens generated per second | 140 tok/s | 45 tok/s |
SWE-bench Verified Real-world software engineering | 32.5% | 48.5% |
GPQA Diamond Graduate-level reasoning | 48% | 62% |
Cached Input Price Prompt caching discount per 1M tokens | $0.02 / 1M | $0.00 / 1M |
Qui gagne où ?
At-a-glance decision frameworkScores de Benchmarks Vérifiés
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
Latence et Temps de Réponse
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulateur Interactif de Coût de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Nemotron Nano 9B v2 · Strengths & Key Advantages
- Fenêtre de contexte de 131K et capacité de sortie maximale de 8K tokens (SWE-bench Verified 32.5% · GPQA Diamond 48%)
- Débit rapide de 140 tokens/seconde avec une latence au premier token (TTFT) de 280 ms
- Poids ouverts (9B) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Nemotron Research Reasoning · Strengths & Key Advantages
- Fenêtre de contexte de 128K et capacité de sortie maximale de 16K tokens (SWE-bench Verified 48.5% · GPQA Diamond 62%)
- Débit rapide de 45 tokens/seconde avec une latence au premier token (TTFT) de 520 ms
- Poids ouverts (70B) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Nemotron Nano 9B v2 | Nemotron Research Reasoning |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.06 | $0.00 |
Output Tokens / Task Tokens generated per task | 22K | 18K |
Reasoning Tokens / Task Thinking tokens burned per task | 8K | 12K |
Spécifications Techniques
Architecture, release timeline, capabilities, and modalities.
| Caractéristique | Nemotron Nano 9B v2 | Nemotron Research Reasoning |
|---|---|---|
| Official API Model ID (SDK) | nemotron-nano-9b-v2 | nemotron-research-reasoning |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-08 | 2025-08 |
| Knowledge Cutoff | June 2025 | July 2025 |
| Architecture | Efficient Dense Transformer | Research-Grade Dense Transformer |
| Parameters | 9B | 70B |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Flat rate ($0.08/1M in) across full 131K window | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Cached input at $0.02/1M tokens | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 6 GB VRAM (4-bit Quantized) · 19 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 43 GB VRAM (4-bit Quantized) · 151 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text | text |
| Output Modalities | text | text |
Nemotron Nano 9B v2 vs Nemotron Research Reasoning: Réponses Rapides (FAQ)
Which is more intelligent, Nemotron Nano 9B v2 or Nemotron Research Reasoning?
Nemotron Research Reasoning is more intelligent. It scores 68 compared with 42 on the composite Intelligence Index.
Which model is faster?
Nemotron Nano 9B v2 is faster, generating 140 tokens per second compared with 45 tokens per second.
Which model is cheaper to run?
Nemotron Research Reasoning is cheaper at $0.00 per 1M tokens blended, compared with $0.05 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Nemotron Nano 9B v2 has lower latency, with a time to first token of 0.28s compared with 0.52s.
Which model has a larger context window?
Nemotron Nano 9B v2 has a larger context window, supporting 131.1K tokens compared with 128K tokens.
Verdict
Nemotron Nano 9B v2 (Conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, l’intégration RAG et les pipelines de production évolutifs.) et Nemotron Research Reasoning (Conçu pour le raisonnement par chaîne de pensée à poids ouverts et haute efficacité, l’intégration RAG et les pipelines de production évolutifs.) répondent à des besoins complémentaires : Nemotron Research Reasoning domine sur les benchmarks de raisonnement et de programmation, Nemotron Nano 9B v2 assure un débit supérieur et Nemotron Research Reasoning offre le meilleur rapport coût-efficacité en production.
Questions fréquentes
Quel modèle choisir pour le code et le raisonnement, Nemotron Nano 9B v2 ou Nemotron Research Reasoning ?+
Sur l’indice d’intelligence composite et les tests de code, Nemotron Research Reasoning prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.
Quelle est la différence de prix API entre Nemotron Nano 9B v2 et Nemotron Research Reasoning ?+
Nemotron Nano 9B v2 est facturé $0.08 / $0.20 par million de tokens (entrée/sortie) contre $0.00 / $0.00 pour Nemotron Research Reasoning. En coût pondéré, Nemotron Research Reasoning est plus économique.
Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+
Nemotron Nano 9B v2 prend en charge 131.1K tokens contre 128K tokens pour Nemotron Research Reasoning. Côté vitesse de génération, Nemotron Nano 9B v2 est le plus rapide.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- GLM-4.5V vs Nemotron Research Reasoning : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Nemotron Nano 12B v2 VL vs Nemotron Nano 9B v2 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Nemotron Nano 9B v2 vs GPT-OSS 20B : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Nemotron Research Reasoning vs Llama 3.1 Nemotron Ultra 253B : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Aion-Mini : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Gemini 3.6 Flash : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.
Sources: Documentation API officielle de NVIDIA et NVIDIA, fiches système et benchmarks indépendants (2026).