您尚未登录账户
您的企业账号申请正在审核中
英伟达推出Nemotron 3 Nano Omni，具备视觉和语音功能，适用于强大的代理AI应用
英伟达公司今日发布了一款强大的推理人工智能模型，该模型整合了文本、视觉和语音功能，能够作为更快速、更智能的代理AI应用的“大脑”。
这款模型被命名为Nemotron 3 Nano Omni，拥有约300亿个参数。作为最新的尖端模型，它采用专家混合架构，提供极低的延迟，并具备高度的灵活性和控制能力。
英伟达将视觉和音频编码器与其30B-AD3B混合MoE架构结合，消除了对单独感知模块的需求，使其AI模型能够将所有功能整合到一个模型中。公司表示，这使得模型在规模上提高了效率，并提供了比市场上其他开放全能模型快九倍的吞吐量。
“要构建有用的代理，不能等待几秒钟让模型解释屏幕，”H公司首席执行官Gautier Cloix表示。“通过基于Nemotron 3 Nano Omni构建，我们的代理可以快速解释全高清屏幕录制——这在以前是不现实的。”
结果是更低的成本和更高的可扩展性。由于其较小的尺寸，它也可以被压缩到足以在高端消费硬件上运行，并在企业云部署中高效执行。
公司表示，该模型设计为可以与其他专有云模型或其他英伟达Nemotron开放模型一起运行，例如用于高频执行的Nemotron 3 Super或用于复杂规划的Super。
新模型能够快速理解文档、计算机显示、语音活动、视频等。这使其成为与人合作和连接到更复杂机器状态的理想接口。它可以从用户那里获取对话回复，并迅速将其转化为推理。
英伟达表示，Nemotron家族——包括Ultra、Super和Nano——在过去一年中已被下载超过5000万次。Omni变体将家族的能力扩展到多模态和代理领域。
新模型现已在Hugging Face、OpenRouter和build.nvidia.com上作为英伟达NIM微服务。作为一个开放、轻量级的模型，它也被设计为供开发者在本地硬件上构建和部署，包括英伟达DGX Spark和其他硬件。
