A今日發佈Nemotron 3 Nano Omni，一款面向企業級應用的開源多模態模型。該模型將視覺、語音與語言處理能力集成於單一系統，支援對視訊、音頻、圖像和文本進行統一推理，從而減少跨模型資料傳輸帶來的延遲與上下文丟失，提升響應速度與智能化水平。
Nemotron 3 Nano Omni為企業與開發者提供了高性能、高可控性的多模態智能體構建路徑，兼顧部署靈活性與準確度。該模型在複雜文檔理解、視訊與音頻分析等六項評測中名列前茅，展現了領先的性價比與效率優勢。
目前，Aible、ASI、Eka Care、Foxconn、H Company、Palantir、Pyler等AI及軟體公司已採用該模型；戴爾科技、Docusign、Infosys、K-Dense、Lila、Oracle與Zefr等企業正在評估中。
依託30B至A3B參數的混合專家架構，Nemotron 3 Nano Omni集成了視覺與音頻編碼器，無需額外感知模組，大幅提升推理效率。在保持相同交互性能的前提下，其吞吐量比其他開源全模態模型高出9倍。
該模型現已上線Hugging Face、OpenRouter及NVIDIA NIM，支援從NVIDIA Jetson邊緣設備到資料中心的一致化部署。
WeChat
Profile