Unified omnimodal MoE combining texte, élevé-résolution vision, et direct audio ingestion avec étape par étape raisonnement.
Technical Specifications
- Provider
- NVIDIA
- Category
- open-source
- Release Date
- 2026-04
- Batch API Discount
- 50% off async batch
- Consumer Subscription
- Free / Self-Hosted
- Reasoning Effort Control
- Configurable (Low / Med / High)
- Structured Outputs
- Yes
- Output Modalities
- text
- Official Documentation
- Visit Official Docs ↗
Data Privacy, Licensing & Deployment Governance
Official Provider Release Intelligence, API Quotas & Agentic Specs
- Official API Model ID (SDK String)
- nemotron-3-nano-omni-30b-a3b
- Supported SDK & API Protocol
- OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
- Lifecycle & Deprecation Status
- Active GA (Guaranteed support through 2028+)
- Production Rate Limits (RPM & TPM)
- Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
- Long-Context Pricing Tier (>128K / >200K)
- Flat rate ($0.2/1M in) across full 256K window
- Prompt Cache Write & TTL Policy
- Cached input at $0.05/1M tokens
- Computer Use & Browser GUI Agent
- 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
- Web Search Grounding & Code Sandbox
- Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools
- Fine-Tuning & Distillation Support
- Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
- Multimodal Tokenization Billing
- Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec)
- Weights Precision & Quantization
- BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0)
- Minimum GPU VRAM Requirement
- 19 GB VRAM (4-bit Quantized) · 65 GB VRAM (Native BF16)
- Supported Inference Engines
- vLLM, SGLang, Ollama, llama.cpp, TensorRT-LLM, HuggingFace TGI
- System Card & Safety Framework
- Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
- Enterprise Compliance (SOC2 / HIPAA / ZDR)
- 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
Nemotron 3 Nano Omni 30B A3B Reasoning Cost, Context, Hardware & API Integration
Pay-as-you-go API is cheaper for this volume (saves $3.50/mo vs $20 flat plan).
Break-even point: ~606 requests/day equals $20/month.
Same Monthly Workload Cost Across Popular Reference Models
Live Prompt Paste Tokenizer & Cost Counter
Paste real system instructions, JSON schemas, or code to measure BPE token counts across tokenizers.
Hybrid Prompt Routing Cascade Simulator
Route routine queries to a fast lightweight model ($0.15/1M) and escalate only complex reasoning turns to Nemotron 3 Nano Omni 30B A3B Reasoning:
Benchmark Scores & 6-Axis Capability Radar
- SWE-bench Verified
- 42%
- GPQA Diamond
- 56.5%
- MMLU-Pro
- 77.2%
- HumanEval
- 87.5%
- Terminal-Bench
- 36.5%
- AIME
- 66%
- Long-Context Reasoning
- 78%
- Chatbot Arena Elo
- 1310pts
Strengths
- natif tri-modal compréhension à travers texte, élevé-res vision, et audio streams
- 3B actif paramètre inférence vitesse avec 256K token fenêtre de contexte
- à poids ouverts deployable sur périphérie robotics et local workstation rigs
Limitations & Trade-offs
- parole génération est texte-seulement (nécessite external TTS pour voix responses)
- Trails spécialisé 100B+ modèles sur compétitif codage
Editorial Assessment
un groundbreaking ouvert omnimodal modèle bringing vision, audio, et raisonnement à périphérie devices.
Best for: interactif robotics, smart camera analyse, et multimodal client kiosks
Compare Nemotron 3 Nano Omni 30B A3B Reasoning
Frequently Asked Questions about Nemotron 3 Nano Omni 30B A3B Reasoning
How much does the Nemotron 3 Nano Omni 30B A3B Reasoning API cost per 1M tokens?+
Nemotron 3 Nano Omni 30B A3B Reasoning by NVIDIA is priced at $0.2 per 1M input tokens and $0.6 per 1M output tokens. With prompt caching enabled, cached input tokens cost $0.05 per 1M tokens, and asynchronous Batch API requests receive a 50% discount.
Should I use a $20/month subscription or the Nemotron 3 Nano Omni 30B A3B Reasoning pay-as-you-go API?+
A flat $20/month consumer subscription is predictable for daily interactive chat and manual coding. However, if you are building software, running automated workflows, or sending low-to-moderate volume with prompt caching enabled, the pay-as-you-go API is typically far more cost-effective and offers higher rate limits without manual UI caps.
How many words and pages fit in Nemotron 3 Nano Omni 30B A3B Reasoning's context window?+
Nemotron 3 Nano Omni 30B A3B Reasoning features a 256K tokens context window, which equals approximately 192,000 English words or ~512 standard single-spaced pages in a single prompt. Its maximum output generation per turn is 16,384 tokens.
Can I run Nemotron 3 Nano Omni 30B A3B Reasoning locally on my own GPU (Open Weights)?+
Yes, Nemotron 3 Nano Omni 30B A3B Reasoning (30B (3B active MoE)) releases open weights that can be self-hosted locally or on private cloud GPUs using vLLM, Ollama, SGLang, or llama.cpp.
Does NVIDIA train on data sent to the Nemotron 3 Nano Omni 30B A3B Reasoning API, and is commercial use allowed?+
100% Isolated when self-hosted on private GPUs or VPC. License tier: Open-Weights Research & Commercial License. Full commercial ownership of generated outputs. Supported deployment channels include: Self-Hosted GPU (vLLM / Ollama), Private VPC, or Managed Serverless API.
How does Nemotron 3 Nano Omni 30B A3B Reasoning perform on coding and reasoning benchmarks?+
Nemotron 3 Nano Omni 30B A3B Reasoning achieves a composite Intelligence Index of 48/100, scoring 42% on SWE-bench Verified, 56.5% on GPQA Diamond, 77.2% on MMLU-Pro, and 1310 pts on Chatbot Arena Elo.
What is Nemotron 3 Nano Omni 30B A3B Reasoning best used for?+
Nemotron 3 Nano Omni 30B A3B Reasoning is best suited for: interactif robotics, smart camera analyse, et multimodal client kiosks. Assessment: un groundbreaking ouvert omnimodal modèle bringing vision, audio, et raisonnement à périphérie devices.
NVIDIA Family Lineage, Routing Tiers & Upgrade Path
Step down to a lighter sibling for high-volume routing or step up to NVIDIA's flagship reasoning tier:
Nemotron 3 Ultra 550B A55B
Nemotron 3.5 Content Safety
Nemotron 3 Content Safety
Nemotron 3 Super 120B A12B
Nemotron VoiceChat
Nemotron Cascade 2 30B A3B
AI Glossary & Architecture Concepts
View full glossary →Key machine learning concepts and benchmarks relevant to Nemotron 3 Nano Omni 30B A3B Reasoning:
L'unité textuelle de base traitée par un modèle linguistique, représentant généralement 3 à 4 caractères ou environ 0,75 mot. Par exemple, une phrase courante est découpée en plusieurs jetons.
Une suite de tests standardisés permettant d'évaluer et de comparer objectivement les performances des modèles d'IA sur des tâches ciblées (code avec SWE-bench, mathématiques avec AIME, etc.).
Le nombre maximal de jetons qu'un modèle peut traiter simultanément (entrée et sortie comprises). Une fenêtre de 1 000 000 jetons permet d'analyser environ 750 000 mots en une seule requête.
Un modèle d'IA entraîné par apprentissage par renforcement pour allouer du temps de calcul à la réflexion logique avant d'émettre une solution, idéal pour les problèmes scientifiques et le code complexe.
Une méthode de raisonnement pas-à-pas où le modèle décompose le problème en étapes logiques intermédiaires avant de conclure, augmentant drastiquement la précision en mathématiques et programmation.
La capacité d'un LLM à déterminer quand une action externe est requise et à générer des arguments structurés pour invoquer des API, calculatrices ou bases de données avant de poursuivre.
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.