IA · Modelos · NVIDIA · Nemotron · Agentes
NVIDIA lanza Nemotron 3 Nano Omni para comprender texto, imágenes, audio y video
El modelo reúne entradas multimodales en una arquitectura de expertos y produce respuestas de texto.
Fecha de la fuente original:
Lo esencial
- El modelo reúne entradas multimodales en una arquitectura de expertos y produce respuestas de texto.
Percepción multimodal en una sola arquitectura
NVIDIA presentó Nemotron 3 Nano Omni, un modelo que interpreta texto, imágenes, audio y video y devuelve texto. Su arquitectura de expertos combina 30.000 millones de parámetros totales con 3.000 millones activos y admite un contexto de 256.000 tokens.
Despliegue y pruebas de agentes
La empresa lo orienta a agentes que leen documentos, interpretan interfaces o relacionan lo escuchado con lo visto. Publicó pesos, conjuntos de datos y técnicas de entrenamiento, con acceso mediante Hugging Face, OpenRouter y su plataforma. La integración de H Company para operar interfaces se describe todavía mediante evaluaciones preliminares, no como un resultado definitivo en OSWorld.