英伟达发布了其开放式多模态模型 “Nemotron 3 Nano Omni”，这款新模型将视频、音频、图像和文本的推理能力整合到一个系统中，旨在为用户提供更快速和智能的响应。根据英伟达的介绍，这款模型采用了先进的 30B-A3B 混合专家架构，集成了视觉与音频编码器，无需依赖额外的感知模型，因此在大规模推理效率上显著提升。
在多个领域，Nemotron 3 Nano Omni 表现出色，特别是在复杂文档解析、视频及音频理解等方面，已在六大权威排行榜上名列前茅。其独特的设计使得该模型能够快速解读全高清屏幕录像，极大地改善了智能体与数字环境的交互方式。H Company 的首席执行官 Gautier Cloix 表示，基于该模型，公司能够实现以前无法达成的快速解读能力，这标志着智能体技术的重大进步。
Nemotron 3 Nano Omni 不仅具备卓越的效率，且具备强大的多模态感知精度，其 AI 系统的吞吐量比同类模型高出 9 倍。这使得它在同类产品中独树一帜，为开放式多模态模型树立了新的效率标杆。英伟达透露，目前该模型已与多家公司的系统进行协作，显示出强大的应用潜力。
在过去的一年中，Nemotron 3 系列模型，包括 Nano、Super 和 Ultra 型号，累计下载量已突破 5000 万次，这表明了市场对该模型的高度认可和需求。英伟达的这一新发布无疑将推动多模态技术的发展，为各行各业带来更多的智能解决方案。
划重点：
