Nemotron Nano 2 VL 12B

Nemotron Nano 2 VL 12B — визуально-языковая модель NVIDIA, доступная с 28 октября 2025 года. Она принимает текст, изображения и видео, поддерживает вопросы по визуальному содержимому и обработку документов. В справочнике NVIDIA модель обозначена как 12,6B-параметрическая; её языковая часть построена на Nemotron Nano 12B v2, а зрительный энкодер использует C-RADIO v2-H.

Анализ документов, изображений и видео

Несколько визуальных входов в одном запросе

Модель предназначена для разбора счетов, чеков, руководств и других документов, а также визуальных вопросов и кратких изложений. Справочник NVIDIA указывает поддержку нескольких изображений, видео и общего контекста до 128K токенов. Рассуждение для текста и изображений переключается системной инструкцией; для видео этот режим не поддерживается.

Размер и лицензирование

12,6 млрд параметров и открытые веса

В API-карточке указано 12,6 млрд параметров и готовность к коммерческому использованию на условиях NVIDIA Open Model License. NVIDIA отдельно перечисляет лицензию пробного API и условия для весов. Поэтому до коммерческого внедрения нужно проверять именно лицензию загрузки или конкретного сервиса, а не переносить условия одного способа доступа на другой.

Развитие визуальной линейки

От OCR к видео и мультимодальным агентам

Ранее для документов вышла Llama Nemotron Nano VL 8B. Версия Nano 2 VL добавляет поддержку видео и опирается на гибридную языковую основу Nemotron Nano 2. Для широкого объединения аудио, видео и изображения NVIDIA позднее представила Nemotron 3 Nano Omni.

Дата выпуска и первичный источник

Подтверждение NVIDIA

Официальная карточка NVIDIA NIM указывает даты 28.10.2025 для Hugging Face и Build, архитектуру с C-RADIO v2-H и Nemotron Nano 12B v2, размер 12,6B, входы текст/изображение/видео и контекст 128K. Официальный материал: NVIDIA.

Сведения о разработчике и его моделях: NVIDIA в Вики Futuretools.ru.