NVIDIA lança Nemotron 3 Nano Omni, um modelo de IA multimodal aberto que unifica visão, fala e linguagem para impulsionar o desempenho, eficiência e implantação escalável de IA empresarial.

A empresa de tecnologia NVIDIA anunciou o lançamento do Nemotron 3 Nano Omni, um modelo de inteligência artificial multimodal aberto projetado para unificar capacidades de visão, fala e linguagem dentro de um único sistema. O modelo tem como objetivo permitir que agentes de IA processem e raciocinem através de múltiplos tipos de dados, incluindo vídeo, áudio, imagens, documentos e texto, enquanto entregam respostas mais rápidas e eficientes.

De acordo com o anúncio, o modelo é posicionado como uma solução pronta para empresas, voltada para melhorar o desenvolvimento e a implantação de agentes de IA multimodais. Ele é descrito como oferecendo alta precisão juntamente com custos operacionais reduzidos, além de proporcionar flexibilidade e controle na implantação para desenvolvedores e organizações. O sistema teria alcançado desempenho de liderança em vários benchmarks relacionados à inteligência de documentos, bem como compreensão de áudio e vídeo.

A adoção na indústria já começou entre várias empresas focadas em IA, com os primeiros usuários incluindo Aible, Applied Scientific Intelligence (ASI), Ekacare, H Company e Pyler. Organizações adicionais como Amdocs, Dell, DocuSign, Infosys, IQVIA, Oracle, Palantir Technologies, Quantiphi, Tata Consultancy Services e Zefr estão avaliando o modelo para possível integração nos fluxos de trabalho empresariais.

Processamento de IA Multimodal para Melhorar Eficiência, Consciência de Contexto e Flexibilidade na Implantação Empresarial

Em aplicações técnicas, o Nemotron 3 Nano Omni foi projetado para reduzir a fragmentação que normalmente ocorre quando modelos separados são usados para diferentes modalidades. Sistemas tradicionais frequentemente dependem de componentes distintos para processamento de visão, fala e linguagem, o que pode aumentar a latência, o custo e as inconsistências no raciocínio entre modalidades. Ao integrar codificação visual e de áudio dentro de uma única arquitetura baseada em um design híbrido de especialistas mistos, o modelo busca otimizar a inferência e melhorar o throughput.

O sistema também pretende funcionar como uma camada de percepção dentro de estruturas mais amplas de agentes, trabalhando ao lado de outros modelos da família Nemotron. Em aplicações práticas, pode suportar agentes de uso de computador que interpretam interfaces gráficas, sistemas de inteligência de documentos que analisam dados empresariais de formatos mistos, e ferramentas de raciocínio áudio-vídeo que mantêm a compreensão contextual entre múltiplos fluxos de entrada.

A arquitetura do modelo foi construída para lidar com entradas de alta resolução e processamento de longo contexto, permitindo uma interpretação mais detalhada de ambientes complexos, como gravações de tela ou análise de múltiplos documentos. Essa capacidade visa melhorar o desempenho em tarefas que requerem consciência situacional contínua ao longo do tempo.

A NVIDIA lançou o Nemotron 3 Nano Omni como um modelo aberto, fornecendo acesso aos pesos, conjuntos de dados e metodologias de treinamento. A empresa afirma que essa abordagem permite que organizações personalizem e implantem o sistema em diferentes ambientes, incluindo nuvem, infraestrutura local e de borda, dependendo de requisitos regulatórios ou de governança de dados. O modelo está disponível por meio de múltiplos canais de distribuição, incluindo plataformas de desenvolvedores e ecossistemas de parceiros, apoiando a integração em pipelines de IA existentes.

Ver original

Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.