英伟达近日宣布推出一款名为“Nemotron 3 Nano Omni”的开放式多模态模型，旨在为企业和开发者提供高效、精准的AI智能体构建方案。该模型通过整合视频、音频、图像和文本处理能力，使智能体能够以更快的速度和更高的智能水平响应复杂任务。
据介绍，Nemotron 3 Nano Omni采用创新的30B-A3B混合专家架构，将视觉和音频编码器直接集成于模型内部，无需依赖外部感知模块。这一设计显著提升了大规模推理效率，同时保持了强大的多模态感知精度。实验数据显示，该模型在处理相同交互性任务时，吞吐量可达其他开放式全向模型的9倍，实现了成本降低与性能优化的双重突破。
在复杂文档分析、视频理解和音频处理等关键领域，Nemotron 3 Nano Omni已展现出卓越性能。该模型在六大权威评测榜单中均位居榜首，其准确性和效率为开放式多模态模型树立了新的行业标准。英伟达方面强调，这一成果得益于模型对多模态数据的深度融合能力，使其能够更精准地理解跨媒介信息。
多家企业已率先应用该模型进行技术升级。某科技公司首席执行官表示，基于Nemotron 3 Nano Omni构建的智能体能够实时解析全高清屏幕录像，这种能力在以往需要耗费大量时间与计算资源。他特别指出，该模型不仅提升了处理速度，更改变了智能体与数字环境的交互方式，使其具备更强的实时感知能力。
在系统兼容性方面，Nemotron 3 Nano Omni展现出良好的开放性。该模型可与专有云模型、英伟达其他Nemotron系列模型以及第三方专有模型协同工作，为代理工作流程中的子代理提供支持。这种灵活性使其能够适应不同企业的技术架构需求，降低AI部署门槛。
自推出以来，Nemotron 3系列模型（包含Nano、Super和Ultra三个版本）已获得广泛认可。数据显示，该系列模型在过去一年中的下载量突破5000万次，反映出市场对高性能多模态AI解决方案的强烈需求。英伟达表示，将继续优化模型架构，推动AI技术在更多领域的创新应用。
