Llama 3.1 Nemotron Nano 8B V1

Fiche modèle · NVIDIA · llama-3.1-nemotron-nano-8b-v1

Llama-3.1-Nemotron-Nano-8B-v1 is a large language model (LLM) which is a derivative of Meta Llama-3.1-8B-Instruct (AKA the reference model). It is a reasoning model that is post trained for reasoning, human chat preferences, and tasks, such as RAG and tool calling.

Fiches modèles

Identité

Organisation	NVIDIA
Pays	—
Famille	—
Type	llm
Date de sortie	2025-03-18
Licence	llama 3.1 community license
Licence commerciale	non
Licence open source	non
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	—
Fenêtre de contexte	131 072
KV cache / token (Q8)	65.5 ko/token
Paramètres totaux	8 B
Paramètres actifs (session)	8.03 B
Source des paramètres actifs	actifs = total (modèle dense, config HF (nvidia/Llama-3.1-Nemotron-Nano-8B-v1)) ; total : config Hugging Face (nvidia/Llama-3.1-Nemotron-Nano-8B-v1)
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	2023-12-31
Créé le	2026-05-07T16:53:33.044067Z
Mis à jour le	2026-11-04T06:04:58.286546Z
Source	LLM Stats
URL	https://llm-stats.com/models/llama-3.1-nemotron-nano-8b-v1

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.80
instruction_following	0.80
math	0.70
physics	0.50
reasoning	0.70
roleplay	0.80
structured_output	0.80
general	0.70
biology	0.50
chemistry	0.50
communication	0.80
creativity	0.80
tool_calling	0.60

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2025	math	0.47	1.00	0.47	non	oui	2026-11-04T06:04:58.291209Z
bfcl-v2	general	0.64	1.00	0.64	non	oui	2026-11-04T06:04:58.294240Z
gpqa	reasoning	0.54	1.00	0.54	non	oui	2026-11-04T06:04:58.297687Z
ifeval	chat	0.79	1.00	0.79	non	oui	2026-11-04T06:04:58.304963Z
math-500	math	0.95	1.00	0.95	non	oui	2026-11-04T06:04:58.313203Z
mbpp	reasoning	0.85	100.00	0.85	non	oui	2026-11-04T06:04:58.316468Z
mt-bench	chat	0.81	100.00	0.81	non	oui	2026-11-04T06:04:58.323140Z

Classements

Aucune donnée.

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04