// NVIDIA Nemotron · 文本大模型
NVIDIA-Nemotron-Nano-9B-v2-Japanese 本地部署与显存需求
8.89B 参数。4 位量化约 6.6 GB，BF16 约 20.2 GB（1 个 8K token 请求）。
发布 2026-02-04许可：可商用（有条件）显存为估算值
01规格
| 发布方 | 英伟达 · nvidia |
|---|---|
| 系列 | NVIDIA Nemotron · NVIDIA-Nemotron-Nano-Japanese |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 8.89B 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 128K tokens (131,072)取自 config.json 的 max_position_embeddings |
| 结构 | 56 层（4 层全注意力） · GQA+HYBRID |
| 发布权重 | BF16 · 17.8 GB下载量 |
| 许可 | nvidia-nemotron-open-model-license · 可商用（有条件）可商用，但受厂商自有许可条款约束（用户量上限、使用政策、署名或地区限制等），上线前请阅读原文。 |
| 发布日期 | 2026-02-04 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 17.8 GB | 20.2 GB | 20.6 GB | 22.2 GB | RTX 4090 24GB | Mac 36GB |
| FP8 / INT8 / Q8_0 | 9.4 GB | 11.0 GB | 11.4 GB | 13.0 GB | 16GB 显卡 | Mac 24GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 5.4 GB | 6.6 GB | 7.0 GB | 8.6 GB | 8GB 显卡 | Mac 16GB |
每个请求的 KV 缓存：8K 0.1 GB · 32K 0.5 GB · 128K 2.1 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- SGLang — 官方模型卡提及
- llama.cpp — 官方模型卡提及
- Transformers — 官方模型卡提及
- TensorRT-LLM — 官方模型卡提及
04官方仓库与量化版
nvidia 官方发布的 1 个仓库。
05NVIDIA Nemotron 其他模型
全部 62 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16 | 3.98B | 3.6 GB | 2026-10-16 |
| Nemotron-3.5-Rerank-8B-BF16 | 8.38B | 6.1 GB | 2026-10-15 |
| NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 | 124.5B / 12B | 83.5 GB | 2026-10-12 |
| NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16 | 74.9B / 9B | 50.4 GB | 2026-10-09 |
| Nemotron-3.5-Embed-1B-BF16 | 1.55B | 1.5 GB | 2026-10-07 |
| Nemotron-3.5-Embed-8B-BF16 | 8.38B | 6.1 GB | 2026-10-07 |
| Nemotron-3.5-Parse | 631M | 1.1 GB | 2026-09-03 |
| Nemotron-3-Labs-Ultra-Math-RL | 550B / 55B | 367 GB | 2026-09-02 |
06来源
数据核对于 2026-04-21。参数、上下文、许可取自官方仓库；显存为本站估算。