NVIDIA meluncurkan Nemotron 3 Nano Omni, sebuah model AI multimodal terbuka yang menyatukan visi, suara, dan bahasa untuk meningkatkan kinerja AI perusahaan, efisiensi, dan penerapan yang dapat diskalakan.

Perusahaan teknologi NVIDIA mengumumkan peluncuran Nemotron 3 Nano Omni, sebuah model kecerdasan buatan multimodal terbuka yang dirancang untuk menyatukan kemampuan visi, suara, dan bahasa dalam satu sistem. Model ini bertujuan memungkinkan agen AI untuk memproses dan beralasan di berbagai jenis data, termasuk video, audio, gambar, dokumen, dan teks, sambil memberikan respons yang lebih cepat dan efisien.

Menurut pengumuman tersebut, model ini diposisikan sebagai solusi siap perusahaan yang bertujuan meningkatkan pengembangan dan penerapan agen AI multimodal. Model ini digambarkan menawarkan akurasi tinggi sekaligus mengurangi biaya operasional, serta memberikan fleksibilitas dan kendali dalam penerapan bagi pengembang dan organisasi. Sistem ini dilaporkan telah mencapai kinerja terdepan di berbagai tolok ukur terkait kecerdasan dokumen serta pemahaman audio dan video.

Adopsi industri telah dimulai di antara berbagai perusahaan yang berfokus pada AI, dengan pengguna awal termasuk Aible, Applied Scientific Intelligence (ASI), Ekacare, H Company, dan Pyler. Organisasi tambahan seperti Amdocs, Dell, DocuSign, Infosys, IQVIA, Oracle, Palantir Technologies, Quantiphi, Tata Consultancy Services, dan Zefr dilaporkan sedang mengevaluasi model ini untuk potensi integrasi ke dalam alur kerja perusahaan.

Pemrosesan AI Multimodal untuk Meningkatkan Efisiensi, Kesadaran Konteks, dan Fleksibilitas Penerapan Perusahaan

Dalam aplikasi teknis, Nemotron 3 Nano Omni dirancang untuk mengurangi fragmentasi yang biasanya terjadi ketika model terpisah digunakan untuk berbagai modalitas. Sistem tradisional sering mengandalkan komponen berbeda untuk pemrosesan visi, suara, dan bahasa, yang dapat meningkatkan latensi, biaya, dan inkonsistensi dalam penalaran lintas modalitas. Dengan mengintegrasikan encoding visual dan audio dalam satu arsitektur berbasis desain hybrid campuran pakar, model ini bertujuan menyederhanakan inferensi dan meningkatkan throughput.

Sistem ini juga dimaksudkan berfungsi sebagai lapisan persepsi dalam kerangka kerja agen yang lebih luas, bekerja bersama model lain dalam keluarga Nemotron. Dalam aplikasi praktis, ini dapat mendukung agen yang menggunakan komputer yang menafsirkan antarmuka pengguna grafis, sistem kecerdasan dokumen yang menganalisis data perusahaan dengan format campuran, dan alat penalaran audio-video yang mempertahankan pemahaman kontekstual di berbagai aliran input.

Arsitektur model ini dibangun untuk menangani input resolusi tinggi dan pemrosesan konteks panjang, memungkinkan interpretasi yang lebih rinci dari lingkungan kompleks seperti rekaman layar atau analisis multi-dokumen. Kemampuan ini dimaksudkan untuk meningkatkan kinerja dalam tugas yang membutuhkan kesadaran situasional berkelanjutan dari waktu ke waktu.

NVIDIA merilis Nemotron 3 Nano Omni sebagai model terbuka, menyediakan akses ke bobot, dataset, dan metodologi pelatihan. Perusahaan menyatakan bahwa pendekatan ini memungkinkan organisasi untuk menyesuaikan dan menerapkan sistem di berbagai lingkungan, termasuk cloud, on-premises, dan infrastruktur edge, tergantung pada persyaratan regulasi atau tata kelola data. Model ini tersedia melalui berbagai saluran distribusi, termasuk platform pengembang dan ekosistem mitra, mendukung integrasi ke dalam pipeline AI yang sudah ada.

Lihat Asli

Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.