Nemotron Nano 9B v2
Publié par NVIDIA le 18 août 2025, Nemotron Nano 9B v2 est un LLM open-weights de 9 milliards de paramètres, utilisable commercialement. Son architecture hybride Nemotron-Hybrid combine principalement des couches Mamba-2 et MLP avec quatre couches d’attention, dans un format relativement…
Publié par NVIDIA le 18 août 2025, Nemotron Nano 9B v2 est un LLM open-weights de 9 milliards de paramètres, utilisable commercialement. Son architecture hybride Nemotron-Hybrid combine principalement des couches Mamba-2 et MLP avec quatre couches d’attention, dans un format relativement compact.
Le modèle traite et génère du texte dans plusieurs langues, dont le français, avec une fenêtre de contexte de 128 000 tokens. Il réunit réponse directe et raisonnement avec trace intermédiaire, pilotables par prompt système ou budget de pensée. Il fonctionne avec Transformers, TRT-LLM et vLLM, ce dernier prenant aussi en charge le tool-calling.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | NVIDIA |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | NVIDIA Open Model License Agreement |
| Date de sortie | 18 août 2025 |
| Connaissances jusqu'à | 2024-09-01 |
| Multimodal | non |
| Paramètres | 9 milliards |
| Fenêtre de contexte | 128 000 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| MATH-500 | 97,8 % | 5ᵉ / 31 | llm-stats | Auto-déclaré |
| IFEval | 90,3 % | 14ᵉ / 65 | llm-stats | Auto-déclaré |
| AIME 2025 | 72,1 % | 78ᵉ / 108 | llm-stats | Auto-déclaré |
| LiveCodeBench | 71,1 % | 19ᵉ / 72 | llm-stats | Auto-déclaré |
| GPQA | 64,0 % | 142ᵉ / 219 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NVIDIA | gratuit | gratuit | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 100 % en dessous de la moyenne des LLM similaires.
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0 $ |
| Latence moyenne par benchmark — Benchable | 52 min 16 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Nemotron Nano 9B v2 se distingue surtout en Ethics, où il occupe la première place du classement Benchable. Ses résultats Baseline sont également élevés en General Knowledge et en résistance aux hallucinations, même si leurs rangs relatifs sont moins dominants. À sa sortie, il figurait dans le top 50% des LLM de sa génération sur GPQA, ce qui le situait dans la moitié supérieure parmi 130 modèles contemporains. Sa fenêtre de 128 000 tokens favorise le traitement de textes longs. Son tarif minimal référencé est gratuit en entrée comme en sortie, avec un positionnement 100% inférieur à la moyenne des LLM similaires, ce qui en fait une option très économique.
Limites et points d'attention. Les classements Benchable nuancent les scores bruts élevés. Le modèle se situe en milieu de tableau en General Knowledge, en hallucinations et en Reasoning. Il recule davantage en Coding, puis en Email Classification, où son rang relatif figure parmi les moins favorables de son évaluation. Ses connaissances s’arrêtent au 1er septembre 2024, ce qui limite la restitution d’informations postérieures. Nemotron Nano 9B v2 convient surtout aux usages textuels multilingues, aux longs contextes et aux scénarios nécessitant un raisonnement contrôlable à faible coût.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).