英伟达多模态“全能模型”登场智能体效率领先对手9倍

据相关媒体报道，英伟达在其官方网站上正式发布了名为“Nemotron 3 Nano Omni”的开放式多模态模型。

英伟达方面指出，这款新模型将多种功能整合于单一系统中，使得智能体能够利用视频、音频、图像和文本的高级推理能力，从而提供更快速、更智能的响应效果。

英伟达声称，Nemotron 3 Nano Omni凭借领先的准确性以及较低的成本，在开放式多模态模型领域树立了新的效率标准。在复杂文档智能解析、视频及音频理解等六项权威排行榜上，该模型均占据了第一名的位置。

据介绍，Nemotron 3 Nano Omni采用了30B-A3B混合专家架构，并将视觉与音频编码器集于一体。由于无需额外的感知模型，这大幅提升了在大规模推理时的效率。

该模型不仅效率优越，还具备强大的多模态感知精度，使得AI系统的吞吐量达到了其他具有相同交互性开放式全向模型的9倍。

声明中提到，一些公司已经率先使用了该模型。H Company首席执行官Gautier Cloix表示：“基于这一模型，我们的智能体能够快速解读全高清屏幕录像——这在过去是无法实现的。”他还补充道，“这不仅仅是速度上的改进，更是智能体实时感知并与数字环境交互方式的根本性转变。”

英伟达表示，在代理系统中，Nemotron 3 Nano Omni可以与专有云模型、其他英伟达Nemotron开放模型以及第三方专有模型协同工作，从而为代理工作流程中的子代理提供支持。

声明最后还指出，Nemotron 3系列模型（包括Nano、Super和Ultra型号）在过去一年中的下载量已超过5000万次。

来源：快科技