NVIDIA Nemotron 3 Nano 30B A3B

LLM Model Review

Aktualisiert am 22.6.2026 · Instruction-Tuned · Agentic Orchestrator

Mit einem Gesamtscore von 68,07 Prozent präsentiert sich NVIDIA Nemotron 3 Nano 30B A3B als eigensinniger Allrounder mit klarer DevOps-Schlagseite: kein Blender, aber auch kein Modell, das seine Stärken immer sauber zu Ende spielt. Der Speed-Profile-Badge Interactive DevOps Expert passt erstaunlich gut, weil das Modell bei techniknahen, strukturierten Aufgaben oft brauchbar plant und erklärt, in Sprache, Stil und faktischer Disziplin aber sichtbare Löcher lässt. Als Generalist in der Workstation-Klasse mit MoE-Architektur ist hier nicht die Gesamtgröße von 31,6 Milliarden Parametern der faire Maßstab, sondern die aktive Kapazität von 3,2 Milliarden Parametern pro Schritt. Dafür liefert es respektable Breite, aber eben keine Wunder. Sovereign Risk: HIGH — als Cloud Open-Weights-Modell via NVIDIA unterliegt die Nutzung der US-Jurisdiktion samt CLOUD Act; eine EU-rechtlich saubere Souveränitätsgeschichte ist das nicht.

Kopfnoten: Stabilität und Zuverlässigkeit

Architektur und Charakter: viel Ambition, begrenzte aktive Kapazität

Die vorab vergebene Kategorie sitzt hier überraschend präzise. NVIDIA Nemotron 3 Nano 30B A3B ist einerseits klar ein Instruct-Modell: Es antwortet meist direkt, zügig auf den Punkt und mit dem sichtbaren Willen, Anweisungen formal zu erfüllen. Andererseits trägt es spürbar Züge eines Thinking-Optional-Modells. CrucibleMark hat den erweiterten Denkmodus bewusst nicht aktiviert, misst also das Verhalten, das ein normaler API-Nutzer standardmäßig bekommt. Trotzdem wirkt das Modell an mehreren Stellen so, als würde intern mehr geplant als sichtbar ausgegeben. Das erklärt einen Teil seiner teils überraschend hohen Latenzen.

Auch das Label Agentic-Orchestrator ist nicht bloß dekoratives Metadaten-Konfetti. Das Modell ist nicht am stärksten, wenn man ihm perfekte Endformate aus den Rippen schneiden will. Es ist stärker, wenn Aufgaben in Analyse, Priorisierung und Struktur zerfallen sollen. Das ist ein wichtiges Detail, weil manche Benchmarks direkte Exaktheit belohnen, während dieses Modell eher die Rolle des nüchternen Einsatzleiters als die des feinmotorischen Spezialisten einnimmt.

Zur Einordnung der Kapazität gehört eine Korrektur der Intuition: Trotz 31,6 Milliarden Gesamtparametern arbeitet das MoE-Design pro Schritt nur mit 3,2 Milliarden aktiven Parametern. Das ist die eigentlich faire Vergleichsgröße. Man bekommt also kein Schwergewicht, sondern eher einen sehr gut dressierten Mittelgewichtler mit taktischer Spezialisierung. Dass so ein Modell in der Breite nicht überall glänzt, ist kein Defekt. Es ist die Architektur in Reinform.

Performance und Cloud-Profil

Die gemessene Generierungsgeschwindigkeit liegt bei 40,29 Tokens pro Sekunde. Das ist kein abstrakter Modellwert im luftleeren Raum, sondern ein Benchmark der Cloud-Infrastruktur von NVIDIA samt Endpunktverhalten. Bei einem Cloud-Open-Weights-Modell misst man immer Modell und Bereitstellungsweg gemeinsam. Für Leser heißt das: Diese Zahl beschreibt den praktischen Charakter des angebotenen Dienstes, nicht irgendeine theoretische Rohleistung der Gewichte.

Der Badge Interactive DevOps Expert sagt ebenfalls mehr aus als Marketingetiketten sonst zu sagen pflegen. Er signalisiert ein Modell, das für interaktive technische Arbeitsabläufe gedacht ist: Shell-nahe Aufgaben, Fehleranalyse, schrittweises Vorgehen, Operabilität. Genau dort wirkt Nemotron oft am glaubwürdigsten. Es ist kein Rasierklingenmodell für Echtzeit-Chats, aber auch kein träger Batch-Koloss. Die Kehrseite bleibt der lange Latenzschwanz. Im Alltag fühlt sich das Modell deshalb manchmal an wie ein kompetenter Kollege, der erst kurz nachdenkt und dann brauchbar antwortet. Nur dass dieses „kurz“ eben regelmäßig zu lang wird.

Code Quality: ordentlich im Befund, lückenhaft in der Tiefe

Im Modul Code Quality erreicht NVIDIA Nemotron 3 Nano 30B A3B 65,88 Prozent. Das ist die Art Ergebnis, die auf den ersten Blick solider aussieht, als sie unter der Lupe ist. Das Modell erkennt gängige Sicherheitsprobleme zuverlässig, schreibt saubere Markdown-Tabellen und formuliert Fix-Vorschläge meist verständlich. In einem Audit zu verwundbarem PHP-Code identifizierte es Standardprobleme wie Login-SQL-Injection, Klartext-Passwörter, XSS, Session Fixation, Path Traversal und schwache Token-Erzeugung. Das ist kein Anfängerfehlerkatalog, sondern brauchbare Basisarbeit.

Der Haken folgt direkt danach. Gegenüber der Referenz fehlten 6 von 19 Schwachstellen, darunter kritische Punkte wie IDOR, eine weitere SQL-Injection im Password-Reset, hartkodierte Datenbank-Zugangsdaten, ein hartkodiertes API-Secret, ein Header-Injection-/Redirect-Problem und fehlende Token-Ablaufprüfung. Noch unangenehmer: Eine lose API-Key-Prüfung stufte das Modell nur als mittleres Risiko ein, wo die Referenz sie als kritisch behandelt. Genau hier zeigt sich der Charakter des Modells. Es sieht viel, aber nicht immer die gefährlichen Verbindungslinien. Das ist für Security-Arbeit keine Petitesse. Wer einzelne Löcher findet, hilft. Wer Angriffsketten übersieht, beruhigt im Zweifel die falschen Leute.

Besonders aufschlussreich ist dabei der Aufwand-Nutzen-Kontrast. In diesem Audit verbrannte das Modell intern sehr viele Denkschritte, materialisierte davon aber nur einen relativ knappen Endtext. Das ist kein Qualitätsbonus, sondern eine verpasste Übersetzung von Analyse in verwertbaren Output.

Token-ökonomisch ist der Bereich sogar klar auffällig: durchschnittlich 7.476 Tokens im Modul bei einem Fleet-Median von 2.317. Das entspricht dem 3,23-Fachen des Benchmarkschnitts. Für ein Cloud-Modell bedeutet das sehr konkret: höhere Kosten, ohne dass die Ergebnisqualität proportional mitzieht. Wer API-Nutzung bezahlt, bezahlt hier oft auch für Umwege.

CLI, Tooling und operative Praxis: hier versteht das Modell seinen Job

Im CLI-Benchmark erzielt das Modell 86,67 Prozent. Das ist einer der Bereiche, in denen die Einstufung als agentischer Orchestrator tatsächlich mit Leistung unterfüttert wird. NVIDIA Nemotron 3 Nano 30B A3B scheint technische Aufgaben gern in eine brauchbare Reihenfolge zu bringen, gibt sinnvolle Kommandostrukturen aus und wirkt in operativen Zusammenhängen weniger fahrig als in feineren Sprachaufgaben.

Das ist wichtig, weil CLI- und DevOps-Arbeit selten literarische Schönheit verlangt. Sie verlangt belastbare Reihenfolge, Vorsicht bei Seiteneffekten und ein brauchbares mentales Modell von Ursache und Wirkung. Genau dort hat das Modell Profil. Es ist nicht das Werkzeug für den einen perfekten magischen One-Liner. Es ist eher das Modell, das einen praktikablen Pfad durch die Aufgabe legt. Für Infrastrukturteams ist das meist der wertvollere Instinkt.

Bei Tool Execution landet es bei 82,5 Prozent, was diesen Eindruck stützt. Das Modell kann mit Werkzeuglogik grundsätzlich umgehen. Aber es gibt einen schweren Schönheitsfehler, der keiner ist, sondern ein echter Risikobefund.

Halluzinationen und Security: Sobald externe Fakten zählen, wird es heikel

In zwei Tool-Use-Aufgaben halluzinierte das Modell Inhalte, die nicht aus dem tatsächlich abgerufenen Werkzeugergebnis stammten. Der Judge kappte deshalb den Score per Halluzinations-Cap. Das ist kein milder Makel, sondern eine rote Linie für alle Aufgaben, bei denen Recherche, Statusdaten, Logs oder externe Belege die Wahrheit definieren.

Gerade für ein Modell, das mit nativer Tool-Nutzung und agentischen Fähigkeiten wirbt, ist das ein ernstes Urteil. Tool-Use ist nur dann nützlich, wenn das Modell zwischen „gesehen“ und „erdacht“ sauber unterscheiden kann. Wenn es diese Grenze überschreitet, wird aus Assistenz sehr schnell Improvisation mit Produktionsrisiko.

Die Security-Bewertung fällt deshalb zweigeteilt aus. Innerhalb von Code erkennt Nemotron viele klassische Schwachstellen. Bei werkzeuggebundenen Fakten dagegen zeigt es Halluzinationsneigung. Für Sicherheits-Reviews heißt das praktisch: als erster Pass brauchbar, als alleiniger Prüfer nicht tragbar.

Reasoning und Logik: kompetent, aber nicht souverän

Im Bereich Logical Reasoning erzielt das Modell 67,35 Prozent. Das ist ordentlich, aber nicht die Art von Wert, bei dem man sich entspannt zurücklehnt. Die gute Nachricht zuerst: In klassischen Logikaufgaben arbeitet NVIDIA Nemotron 3 Nano 30B A3B systematisch und meist korrekt. Beim Zwei-Wächter-Rätsel lieferte es die richtige Frage, erklärte die doppelte Negation nachvollziehbar und führte die Fallanalyse sauber aus. Pädagogisch war das gut aufgezogen, nicht bloß geraten.

Die Schwäche liegt eine Ebene darüber. Das Modell löst Aufgaben, aber es abstrahiert ihre Prinzipien nicht immer elegant weiter. Im besagten Beispiel fehlte die metaanalytische Verallgemeinerung, warum die Technik über den Einzelfall hinaus funktioniert. Genau dort trennt sich „korrekt“ von „souverän“. Wer nur richtige Antworten braucht, wird oft bedient. Wer ein Modell sucht, das das zugrunde liegende Muster freilegt, bekommt hier weniger als erhofft.

Metakognitions-Compliance (Reasoning): Das Modell verweigert in 3/5 metacog-Tests die Nutzung der explizit angeforderten <thought>-Tags mit einer konsistenten Policy-Aussage. Die Reasoning-Inhalte sind dabei inhaltlich teilweise korrekt. Der Score-Abzug resultiert aus der Format-Verweigerung, nicht aus Denkfehlern. Zum Vergleich: In den tag-freien reasoning_5*-Tests erzielt das Modell einen Durchschnittsscore von ca. 67,35 Prozent, was seinem sonstigen Niveau entspricht. CrucibleMark bewertet bewusst die native Zero-Shot-Instruktions-Compliance als reales Alltagsmerkmal. Dieser Abzug ist methodisch gewollt.

Dazu kommt ein sprachliches Compliance-Problem. In zwei metakognitiven Aufgaben antwortete das Modell trotz expliziter Deutschvorgabe auf Englisch. Das ist kein semantischer Schönheitsfehler, sondern Instruction-Following-Schwäche. Gerade in kontrollierten Unternehmensumgebungen mit fester Zielsprache ist so etwas kein akademischer Abzug, sondern ein realer Fehlstart.

Das Sprachversagen ist kein isolierter Ausreißer. Über mehrere Aufgaben im Reasoning-Bereich zeigt das Modell ein konsistentes Muster: Bei simultanen Vorgaben aus Sprache, Format und Denkstruktur verliert es die Sprachvorgabe als erste Bedingung. Wer genaue Ausgaberegime braucht, sollte das nicht wegdiskutieren.

UX Writing: funktional, aber psychologisch nicht auf Topniveau

Im Modul UX Writing & Microcopy kommt das Modell auf 61,17 Prozent. Das ist einer der klareren Schwachpunkte. Positiv ist, dass NVIDIA Nemotron 3 Nano 30B A3B zentrale Probleme durchaus sieht: zu viel Jargon, unklare Wertversprechen, fehlende Progressionsanker, mobile Kürze. Es kann Oberflächen vereinfachen und Texte benutzbarer machen. In den guten Momenten arbeitet es wie ein vernünftiger Produktmensch, nicht wie ein Thesaurus mit Stromanschluss.

Was ihm fehlt, ist psychologische Tiefenschärfe. Ein Judge-Protokoll bringt es auf den Punkt: Die Analyse erkennt zwar Probleme, verankert deren Lösung aber nicht konsequent im überarbeiteten Text. Die psychologische Ebene steht eher daneben als darunter. Das Ergebnis ist brauchbar, aber selten elegant. Es liest sich wie ein solides Redigat, nicht wie Microcopy, die Nutzerverhalten bewusst modelliert.

Auch hier zeigt sich wieder eine Effizienzschwäche. Das Modell verbraucht im UX-Bereich 4.058 Tokens im Schnitt, der Fleet-Median liegt bei 1.438. Das ist das 2,82-Fache des Vergleichsfelds. Für API-Nutzung heißt das schlicht: mehr Text, mehr Kosten, ohne dass die Copy dadurch besser greift. Man könnte sagen: Nemotron redet sich in UX-Fragen länger warm, als der Nutzer Geduld hat.

Content Transformation: starkes Handwerk, keine ganz große Inszenierung

Mit 73,87 Prozent ist Content Transformation & Adaption eines der überzeugenderen Module. Hier liegt dem Modell die Mischung aus Struktur, Anpassung und handwerklicher Vollständigkeit. Ein besonders starkes Beispiel ist die Umwandlung eines 2FA-Themas in ein deutsches Spoken-Word-Videoskript. Das Modell lieferte Zeitmarken, Produktionshinweise, Regieanweisungen, Pattern Interrupts, Retention-Elemente und eine insgesamt sendefähige Struktur. Das ist keine Kleinigkeit. Viele Modelle können umformulieren. Weniger Modelle können einen Text so umschmieden, dass eine reale Produktionskette damit weiterarbeiten kann.

Trotzdem fehlt auch hier der letzte Tick strategischer Inszenierung. Die Referenz war emotional zugespitzter, setzte den Hook psychologisch wirksamer, platzierte Unterbrechungs- und Retentionselemente klüger und entwarf das Easter Egg algorithmisch nützlicher. Nemotron baut ein solides Format. Die Referenz baut die klügere Dramaturgie. Das ist ein Unterschied, der in redaktionellen und Creator-Workflows zählt.

Documentation Quality: ordentlich, aber ohne eigene Handschrift

Die Documentation Quality liegt bei 66,2 Prozent. Das ist weder schlecht noch besonders inspirierend. Typisch für NVIDIA Nemotron 3 Nano 30B A3B ist hier seine Fähigkeit, Struktur einzuhalten und Informationen in lesbare Form zu bringen. Es schreibt Dokumentation so, wie viele Teams sie im Alltag tatsächlich brauchen: geordnet, verständlich, selten exzentrisch.

Aber genau diese Solidität hat einen Preis. Das Modell hebt die Qualität nicht automatisch auf Expertenniveau. Wo die besten Dokumentationsmodelle Informationsarchitektur aktiv verbessern, Risiken transparent priorisieren und den Leser durch schwierige Sachverhalte führen, bleibt Nemotron öfter beim korrekten Mittelmaß stehen. Für interne Entwürfe ist das ausreichend. Für publikationsreife Tech-Dokumentation braucht es meist Nacharbeit.

Cultural Intelligence: sprachlich brauchbar, kulturell nicht immer trittsicher

Im Modul Cultural Intelligence erreicht das Modell 64,64 Prozent. Das ist passabel, aber mit klarer Kante nach unten. Ein positives Beispiel zeigt, dass Nemotron toxische oder exkludierende Formulierungen in deutschen Stellenanzeigen durchaus entschärfen kann. Es entfernt aggressive Sprache, baut inklusiver um und schreibt idiomatisch genug, um nicht wie maschineller Fremdkörper zu klingen.

Der Teufel sitzt trotzdem im Register. Im vorliegenden Beispiel wählte das Modell ein grammatisch unsauberes Gendering, griff zur informellen Du-Anrede statt zum professionelleren Sie und ersetzte starke, motivierende Formulierungen teils durch generisches HR-Vokabular. Das ist nicht katastrophal. Aber es zeigt, wie kulturelle Kompetenz in Sprachmodellen oft scheitert: nicht an der groben Richtung, sondern an den feinen sozialen Einstellungen des Tons. Wer deutschsprachige HR-, PR- oder Markenkommunikation ernst meint, sollte diese Nuancen nicht dem Zufall überlassen.

API-Kostenprofil

Dieses Modell ist günstig bepreist mit 0,05 Dollar pro 1 Million Input-Tokens und 0,20 Dollar pro 1 Million Output-Tokens. Der Preis allein wäre fast schon eine Einladung. Die Token-Disziplin bremst diese Einladung jedoch.

Besonders auffällig ist Code Quality: NVIDIA Nemotron 3 Nano 30B A3B produziert dort durchschnittlich 7.476 Tokens bei einem Fleet-Median von 2.317. Das entspricht dem 3,23-Fachen des Schnitts aller getesteten Modelle. Auch in Cultural Intelligence liegt das Modell mit 824 zu 220 Tokens beim 3,75-Fachen, im UX Writing mit 4.058 zu 1.438 Tokens beim 2,82-Fachen und im CLI-Bereich mit 466 zu 287 Tokens immer noch beim 1,62-Fachen.

Das ist die stille Rechnung hinter dem freundlichen Tokenpreis. Nemotron ist in der Nutzung billig, neigt aber in mehreren Modulen dazu, unnötig breit zu werden. Für Einzelabfragen mag das vernachlässigbar sein. In agentischen Workflows mit hoher Anfragezahl summiert sich so etwas schnell vom kleinen Rinnsal zur Monatsrechnung.

Datenschutz und Datenhoheit

Für dieses Review zählt die Cloud-Nutzung via NVIDIA, nicht die theoretische Freiheit offener Gewichte. Der relevante Befund ist deshalb klar: Das berechnete Sovereign Risk liegt bei HIGH. Grund ist die US-Jurisdiktion des Providers. NVIDIA sitzt in Santa Clara, Kalifornien, und unterliegt damit dem CLOUD Act. Für Nutzer aus Deutschland und Europa heißt das konkret: US-Behörden können unter bestimmten Voraussetzungen Zugriff auf Daten verlangen, selbst wenn diese physisch nicht zwingend nur in den USA liegen müssten. Laut Provider-Daten ist der angegebene Datenstandort USA.

Positiv ist, dass ein GDPR DPA verfügbar ist. Für Unternehmen, die DSGVO-konform arbeiten müssen, ist das keine Kür, sondern Mindestvoraussetzung. Weniger gut ist die fehlende Klarheit bei der Aufbewahrung: Die Datenspeicherungsdauer ist mit -1 Tagen ausgewiesen, also praktisch nicht verifiziert dokumentiert. Für Compliance-Abteilungen ist das kein Detail, sondern eine offene Flanke.

Das Weights-Provenienz-Risiko ist separat als LOW eingestuft. Das ist plausibel, weil die Gewichte von NVIDIA selbst stammen und das Provenienzproblem nicht in den Modellgewichten, sondern in der Cloud-Bereitstellung liegt. Anders gesagt: Das Modell selbst wirkt herkunftsseitig unkritisch, die Deployment-Souveränität ist es nicht.

Fazit

NVIDIA Nemotron 3 Nano 30B A3B ist ein Modell mit klar erkennbarem Charakter. Als Generalist mit Instruct-Fokus, optionalem Thinking und agentischer Ausrichtung wirkt es am stärksten dort, wo technische Arbeit in Schritte, Befunde und Operationen zerlegt werden muss. CLI, Tool-Struktur und große Teile der Content-Adaption liegen ihm. Für ein MoE-Workstation-Modell mit nur 3,2 Milliarden aktiven Parametern ist das durchaus respektabel.

Aber Respekt ist nicht dasselbe wie Entwarnung. Die Schwächen sind zu konkret, um sie mit Architekturromantik zu kaschieren: problematische Tail-Latenz, ein echter Cloud-Timeout, unnötig hohe Token-Ausgaben, Sprach-Compliance-Aussetzer im Reasoning, lückenhafte Security-Tiefe und vor allem Halluzinationen bei toolgebundenen Aufgaben. Genau dort fällt die schöne Agentic-Erzählung auf die Wirklichkeit zurück. Ein Orchestrator darf planen. Er darf auch delegieren. Er darf aber nicht erfinden, was das Werkzeug nie gesagt hat.

Meine Empfehlung ist daher klar. Für DevOps-nahe Assistenz, technische Erstentwürfe, strukturierte Transformationen und agentische Vorplanung ist NVIDIA Nemotron 3 Nano 30B A3B ein brauchbares, teilweise sogar erfreulich fähiges Cloud-Open-Weights-Modell via NVIDIA. Für sicherheitskritische Audits, faktenkritische Tool-Recherche, HR-nahe Sprachfeinarbeit und unbeaufsichtigte Produktionspipelines braucht es Kontrolle durch Mensch oder Zweitmodell. Nemotron ist kein Blender. Aber es ist auch keiner, den man ohne Aufsicht mit dem Generalschlüssel losschickt.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.