NVIDIA Nemotron · ئۆمنی · Nemotron 3 Nano Omni
NVIDIA Nemotron 3 Nano Omni 30B-A3B Reasoning FP8 is a current Omni release in the NVIDIA Nemotron family, certified from its immutable official source revision.
NVIDIA Nemotron 3 Nano Omni 30B-A3B Reasoning FP8 is an official self-hostable NVIDIA release in the NVIDIA Nemotron Omni track. It uses NemotronH_Nano_Omni_Reasoning_V3, carries 31B / 3B MoE, supports a verified context window of 262,144 تۆکنەکان, and exposes only source-certified خاڵەکانی وەشان and ژینگەی جێبەجێکردن combinations. Its release, license and deployment facts are tied to the official repository revision rather than inferred from the family name.
NVIDIA Nemotron 3 Nano Omni 30B-A3B Reasoning FP8 uses NemotronH_Nano_Omni_Reasoning_V3 with 31B / 3B MoE. The stored architecture profile records 64 layers, hidden width 8192, 64 attention heads and a 262,144 تۆکن context ceiling where the official configuration publishes those fields.
تەنها ئەو جۆرە وردانە پیشان دەدرێن کە سەرچاوە پشتڕاستی کردوونەوە و بەو وەشانەوە بەستراونەتەوە.
nvidia/Nemotron-3-Nano-Omni-30B-A3B-Reasoning-FP8
فەرمی · FP8 · safetensors
ژینگەی کارپێکردن پشتڕاستکراوەتەوە: vLLM SGLang TensorRT-LLM Llama.cpp
| وردی / کوانتایزکردن | فۆرمات | بیت | متمانە بە بڵاوکەرەوە | دۆخی جێبەجێکردن |
|---|---|---|---|---|
| FP8 | safetensors | 8 | فەرمی | ژینگەی کارپێکردن پشتڕاستکراوەتەوە |
Use only the listed vllm, sglang, tensorrt-llm, llama.cpp ژینگەی جێبەجێکردن configuration with the exact خاڵی وەشان precision. The recommendation engine checks weight memory, کاشی KV, ژینگەی جێبەجێکردن overhead, safety توانای زیادەی بەردەست, GPU architecture and topology before ranking rentable and reference hardware.
باشترین بەهای پێشنیارکراو
141 GB کۆی VRAM · nvswitch
90.17 GB بۆشایی پاشەکەوت · توانای سنووردار
USD ٢٬٣٤٥ / مانگهەرزانترین هەڵبژاردەی کارا
72 GB کۆی VRAM · pcie
21.17 GB بۆشایی پاشەکەوت · بەردەستە
USD ٧٥٠ / مانگبەرزترین کارایی
141 GB کۆی VRAM · nvswitch
90.17 GB بۆشایی پاشەکەوت · توانای سنووردار
USD ٢٬٣٤٥ / مانگThe full 31B resident weight set must fit across the selected GPUs. Context and concurrency add KV-cache memory; MoE active parameters do not replace resident-weight memory.
NVIDIA Nemotron 3 Nano Omni 30B-A3B Reasoning FP8 is published under NVIDIA. The release-scoped official license link and verification date are retained with the catalogue record.
بەکارهێنانی بازرگانی بە مەرج ڕێگەپێدراوە. بەکارهێنانی بازرگانی مەرجی هەیە. پێش جێبەجێکردن، مەرجە فەرمییە بەستراوەکان بخوێنەوە.
وەشانی سەرچاوە: dd885e9548478d0d433c1239ed4598ad4a9faf7f58a8c706ab89885e5e2117fa
The exact estimate depends on خاڵی وەشان precision, context and concurrency; the page recommendation uses the certified memory engine and compatible ژینگەی جێبەجێکردن configurations.
Certified upstream ژینگەی جێبەجێکردن evidence is available for vllm, sglang, tensorrt-llm, llama.cpp.
The stored commercial classification is Commercial Use Allowed With Conditions. Consult the official NVIDIA terms for the final obligations.
دوا جار پشتڕاستکراوەتەوە: 2026-08-26
