/ Модель

Характеристики

Контекст
262 144 токена
Параметры
1,9 млрд
Размер весов
21,8 ГБ
Лицензия
Своя лицензия
Архитектура
nemotron_h · dense
Библиотека
mlx
Опубликована
23 авг 2026

Nemotron-3-Nano-Omni-30B-A3B-JANG_4M

Генерация текстаТекст → текст12 профессий

Квантованная мультимодальная версия Nemotron-3-Nano-Omni для диалогов, рассуждений и анализа изображений и видео на Apple MLX.

101скачиваний за 30 дней0лайковвеса обновлены31 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Nemotron-3-Nano-Omni-30B-A3B-JANG_4M — это мультимодальная версия модели NVIDIA Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16, подготовленная Jinho Jang для Apple MLX. Модель сочетает Mamba-2, attention и MoE; в README указаны 31 млрд параметров всего и около 3 млрд активных, тогда как метаданные каталога сообщают 1,9 млрд параметров. Контекст — 262 144 токена. Модель принимает текст, изображения и видео; базовая модель также поддерживает аудио, хотя README не подтверждает работу аудио в этом варианте.

Сценарии применения включают диалог и рассуждения, анализ изображений и видео, а также запуск на Apple Silicon через MLX. Квантование JANG_4M использует смешанную точность 4 и 8 бит с группами размера 64; компоненты обработки изображений оставлены в FP16. README заявляет калибровку квантования по активациям и скорость около 126 токенов в секунду на M5 Max. Модель ориентирована на аппаратное обеспечение Apple и экосистему MLX.

Для базовой модели в README указана лицензия NVIDIA Open Model License; метаданные этой версии обозначают лицензию как other, поэтому условия использования следует проверять в файлах репозитория и лицензии базовой модели. README описывает эту версию как квантованный порт, хотя метаданные связывают её с базовой моделью как finetune. Квантизация может влиять на качество; в README отмечена чувствительность экспертных слоёв к малой разрядности. Язык карточки — английский.

Сценарии применения

  • диалоговые ответы и рассуждения по текстовым запросам
  • анализ изображений и визуальных вопросов
  • описание и анализ кадров видео
  • запуск мультимодальной модели на Apple Silicon через MLX

Ограничения

README подтверждает работу текста, изображений и видео, но не подтверждает поддержку аудио в этой версии. Модель рассчитана на MLX и Apple Silicon; квантование может снижать качество, а метаданные и README расходятся в числе параметров и типе происхождения модели.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OsaurusAI banner

Nemotron-3-Nano-Omni-30B-A3B-Reasoning · JANG_4M

21.8 GB · ~126.0 tok/s decode on M5 Max · 31B total / ~3B active · hybrid Mamba-2 + Attention + MoE · native MLX

Full multimodal (text + image + audio + video) port of NVIDIA's Nemotron-3-Nano-Omni-30B-A3B-Reasoning to Apple MLX — calibrated with a measured Hessian, an imatrix fit and AWQ, with the RADIO vision tower and the Parakeet speech encoder kept at fp16 so every modality actually works.

ModalityStatus
Text✅ reasoning on by default
Image (RADIO ViT, 512px tiles + thumbnail)✅
Video (frame sampling + EVS pruning)✅
Audio / ASR (Parakeet 24-layer Conformer)✅
Tool calling (agentic)✅ XML <tool_call><function=…>

Quantization recipe

JANG_4M is a mixed-precision allocation (4-bit, 8-bit), not a single width. The bit map is chosen per tensor role, then calibrated:

ComponentPrecision
Routed experts switch_mlp.fc1 / fc2 (93% of params)4-bit / 4-bit
Shared expert, attention q/k/v/o, lm_head8-bit
Mamba-2 in_proj / out_proj, embeddings8-bit
conv1d, A_log, D, dt_bias, router gate, all normsfp16
Vision tower, Parakeet encoder, both projectorsfp16 (never quantized)

Group size 64. 164 quantized modules; 1106 tower tensors passed through untouched.

Why there is no 2-bit variant

This model's expert MLP is unusually sensitive to low-bit quantization, so the routed experts carry a hard minimum width regardless of profile. A nominal "2-bit" build lands within ~7% of the 4-bit one and is measurably worse — not a 2-bit bundle in any useful sense, so we do not ship one.

Calibration

Quantization is calibrated against measured activations from a domain-weighted corpus (coding, agentic/tool, reasoning, general, multilingual, long-context), not fitted to the weights alone:

  • imatrix — the affine fit is weighted toward the channels that actually carry signal.
  • AWQ — per-channel scales, folded so the result is numerically equivalent and costs nothing at inference.
  • Hessian — captured per MoE layer and used to steer the bit allocation.

QAT is not available for this model: NVIDIA's own quantized releases are post-training (modelopt, MIXED_PRECISION), and NVFP4 codes carry no meaning in an affine (scale, bias) layout.

Sampling — use the right preset

Reasoning is ON by default (enable_thinking); turning it off prefills an empty <think></think> block rather than omitting it.

Modetemperaturetop_ptop_kmax_tokensreasoning_budgetgrace
Thinking (default)0.60.95—20480163841024
Instruct (non-thinking)0.2—11024——
ASR / transcription1.0—1———

Stamped into both generation_config.json and jang_config.chat.sampling_defaults. EOS is [2, 11] — dropping 11 means the model never stops.

All bundles in this family

VariantSizeNotes
JANG_4M21.8 GBthis bundle
JANG_6M—
MXFP4—

Install

hf download OsaurusAI/Nemotron-3-Nano-Omni-30B-A3B-JANG_4M \
  --local-dir Nemotron-3-Nano-Omni-30B-A3B-JANG_4M

Runs in Osaurus / vMLX, which carries the native MLX NemotronHOmni stack (RADIO vision, Parakeet audio, EVS video). The LLM half also loads directly with mlx_lm:

from mlx_lm import load, generate
model, tokenizer = load("Nemotron-3-Nano-Omni-30B-A3B-JANG_4M")

Credits

Quantized by Jinho Jang (eric@osaurus.ai). Base model © NVIDIA, released under the NVIDIA Open Model License.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
NemotronHForCausalLM
Ревизия весов
39adfaa

0 моделей