NVIDIA Nemotron Nano 12B v2 VL BF16

Nemotron Nano 12B v2 VL 属于 NVIDIA 的 nemotron 模型家族，于 2025 年 10 月 28 日发布，权重开放。它以 BF16 精度发布，输入支持文本与图像，输出为文本，上下文窗口 131072 tokens，单次最大输出 8192 tokens，并支持工具调用、结构化输出、附件输入与温度调节。它要解决的是「图文混合输入、成本敏感、需要接入自动化流程」这一类需求：把图片和文本放进同一段上下文里理解，再以结构化形式返回结果，便于直接进入下游系统。目前本站只收录 Amazon Bedrock 一个平台，官方报价为输入 0.2 美元/百万 tokens、输出 0.6 美元/百万 tokens，本站未收录其公开跑分，具体能力上限需结合实测判断。

选型建议已在 Bedrock 上运行、需要低成本长上下文图文理解时值得选它；若追求更强视觉推理或更低单价，应对比同家族其他尺寸或更小的同类模型。

• 解析扫描件、截图中的文字与版面信息，输出结构化字段供业务系统写入
• 对商品图、票据或表单做批量分类、摘要与关键信息提取
• 在客服流程中读取用户上传的图片，并调用工具查询后生成回复
• 为图文混排的技术资料、说明书生成问答草稿或要点归纳

公开资料对内部层数、注意力方案、视觉编码器规模等细节披露有限，可确认的是它在 Nemotron Nano 12B v2 文本底座上扩展了图像输入能力。

• 结构以 BF16 精度发布的视觉语言模型，文本与图像共享同一上下文窗口，最长 131072 tokens，单次输出上限 8192 tokens。
• 能力支持工具调用、结构化输出、附件输入与温度调节，可在同一次请求中混合图片与文字，并按预设格式返回字段化结果。
• 披露视觉塔规模、训练数据构成、对齐方式等细节未在事实数据中体现，本站也未收录公开跑分，实现细节不宜过度推断。

开源权重

是

模型家族

nemotron

本站没有收录该模型的第三方跑分，性能判断只能依据参数规模、上下文长度与功能面做定性描述，实际表现建议以自有任务实测为准。

• 强项长上下文加图像输入，适合一次性读入多页文档、截图或图文混排材料；工具调用与结构化输出便于嵌入自动化流程。
• 短板12B 量级的模型在复杂视觉推理、细粒度表格还原和多步逻辑上通常不如更大参数模型，高难度任务需要更严格的校验环节。
• 适合任务模式相对固定、以吞吐和单位成本为优先的图文处理，例如批量文档抽取与轻量问答，而不是开放式高难推理。

官方价格为输入 0.2 美元/百万 tokens、输出 0.6 美元/百万 tokens，在 Bedrock 的多模态模型中处于偏低档位。

• 定位属于小参数多模态的入门档，输入价与输出价都克制，适合把图文理解作为流程中的常规环节而非偶发调用。
• 横向对比相对 Magistral Small 1.2 的输入价差为 +150%，本模型明显更省；但 Nemotron Nano 3 30B（-70%）与 Gemma 4 E2B IT（-80%）的输入价更低。
• 平台差价当前仅 Amazon Bedrock 一家收录，models.dev 与其 Bedrock 条目报价一致，均为输入 0.2、输出 0.6 美元，暂不存在跨平台比价空间。
• 省钱输出单价是输入的三倍，控制生成长度、避免冗长复述，比单纯压缩输入更能拉低整体成本。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.2/M / $0.6/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型的公开跑分，性能描述均为定性判断；价格以美元/百万 tokens 计，后续可能随平台调整而变化。
• 边界仅一家平台收录，选择余地有限；131072 tokens 上下文与 8192 tokens 输出上限意味着超长文档或多轮长输出需要分段处理。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。