01功能特性
优点
- 2025 年 IMO 和 IOI 金牌
- 快速推理（生产环境使用3B激活参数）
- Q4 量化后可装入显存为 24 GB 的 GPU
- NVIDIA Open Model License（允许商业使用）
需了解的局限性
- —NVIDIA Open Model 许可证（非 Apache/MIT）
- —Q4 量化下需 32 GB 或更多（模型总参数量为 30B）
- —推理模式在生成时可能较慢
架构
MoE 30B/3B 活跃参数 · 统一思考模式与指令模式 · 128k 上下文
训练
由 NVIDIA 训练。在 thinking 模式下获得 IMO 2025 和 IOI 2025 金牌。针对数学推理和竞赛编程进行了优化。
最适合的场景
数学奥林匹克竞赛推理编程竞赛能力自主智能体
05安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama run nemotron-cascade-2
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
17 GB
Q5_K_M
质量/体积的良好平衡
21 GB
Q8_0
几乎无法与 FP16 区分
32 GB
FP16
全精度 — 服务器用途
60 GB
CPU 回退 · 如果您没有 GPU，请预留 39 GB 内存 以较低速度运行此模型的最低要求。
运行Nemotron Cascade 2 30B-A3B需要什么硬件？
在本地以Q4量化运行Nemotron Cascade 2 30B-A3B，大约需要17 GB 显存。可供比较的硬件选项：GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395)
Amazon查看价格 →为什么选择它？我们的完整资料： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) →
联盟链接 — 您无需承担额外费用，我们可能获得佣金，推荐独立作出。作为 Amazon 合作伙伴，哪个LLM 会从符合条件的购买中获利。
移动场景： Nemotron Cascade 2 30B-A3B 也可在以下设备上运行 RTX 笔记本电脑 (24 GB 显存）→
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。
04公开基准测试
分数引自模型卡片或 MMLU-Pro / 社区数据。单位：正确回答百分比。
AIME 2025
92.4