NVIDIA NVIDIA запускає Nemotron 3 Nano Omni для просування єдиного мультимодального ШІ для корпоративних застосувань

Коротко

NVIDIA запускає Nemotron 3 Nano Omni, відкриту мультимодальну модель штучного інтелекту, яка об’єднує зір, мову та мовлення для підвищення продуктивності, ефективності та масштабованого розгортання корпоративного ШІ.

Технологічна компанія NVIDIA оголосила про випуск Nemotron 3 Nano Omni, відкритої мультимодальної моделі штучного інтелекту, розробленої для об’єднання можливостей зору, мовлення та мови в одній системі. Модель призначена для того, щоб дозволити агентам ШІ обробляти та аналізувати різні типи даних, включаючи відео, аудіо, зображення, документи та текст, забезпечуючи швидші та ефективніші відповіді.

Згідно з оголошенням, модель позиціонується як рішення для підприємств, спрямоване на покращення розробки та розгортання мультимодальних агентів ШІ. Вона описується як забезпечуюча високу точність разом із зниженими операційними витратами, а також гнучкість у розгортанні та контроль для розробників і організацій. Повідомляється, що система досягла провідних результатів у кількох бенчмарках, пов’язаних з інтелектом документів, а також розумінням аудіо та відео.

Впровадження в галузі вже почалося серед ряду компаній, орієнтованих на ШІ, з ранніми користувачами, такими як Aible, Applied Scientific Intelligence (ASI), Ekacare, H Company і Pyler. Додаткові організації, такі як Amdocs, Dell, DocuSign, Infosys, IQVIA, Oracle, Palantir Technologies, Quantiphi, Tata Consultancy Services і Zefr, повідомляється, що оцінюють модель для потенційної інтеграції у корпоративні робочі процеси.

Мультимодальна обробка ШІ для підвищення ефективності, усвідомлення контексту та гнучкості розгортання в підприємствах

У технічних застосуваннях Nemotron 3 Nano Omni розроблений для зменшення фрагментації, яка зазвичай виникає при використанні окремих моделей для різних модальностей. Традиційні системи часто покладаються на окремі компоненти для обробки зору, мовлення та мови, що може збільшувати затримки, витрати та невідповідності у міжмодальній логіці. Інтегруючи візуальне та аудіо кодування в єдину архітектуру на основі гібридного дизайну «змішання експертів», модель має на меті спростити висновки та покращити пропускну здатність.

Система також має функціонувати як рівень сприйняття у ширших агентських структурах, працюючи разом з іншими моделями з сімейства Nemotron. У практичних застосуваннях вона може підтримувати агентів для роботи з комп’ютерами, які інтерпретують графічний інтерфейс користувача, системи інтелекту документів, що аналізують дані підприємств у різних форматах, та інструменти аудіо-відео аналізу, що зберігають контекстуальне розуміння у кількох потоках введення.

Архітектура моделі побудована для обробки високороздільних вхідних даних і довгого контексту, що дозволяє більш детальне тлумачення складних середовищ, таких як записані екрани або аналіз кількох документів. Ця здатність має покращити продуктивність у завданнях, що вимагають безперервної ситуаційної обізнаності з часом.

NVIDIA випустила Nemotron 3 Nano Omni як відкриту модель, що надає доступ до ваг, наборів даних і методів навчання. Компанія заявляє, що цей підхід дозволяє організаціям налаштовувати та розгортати систему у різних середовищах, включаючи хмару, локальні сервери та периферійні інфраструктури, залежно від вимог регулювання або управління даними. Модель доступна через кілька каналів розповсюдження, включаючи платформи для розробників і партнерські екосистеми, що підтримують інтеграцію у існуючі конвеєри ШІ.