Hugging Face Blog·· 2026-04-28精选AI 评分78
NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型
Introducing NVIDIA Nemotron 3 Nano Omni: Long-Context Multimodal Intelligence for Documents, Audio and Video Agents
AI 导读
NVIDIA 发布 Nemotron 3 Nano Omni，这是一款支持文本、图像、视频和音频的全模态理解模型。该模型采用 Mamba-Transformer MoE 混合骨干网络，在 OCRBenchV2 和 WorldSense 等基准测试中表现优异，并针对长文档分析和智能体计算机使用进行了优化。BF16、FP8 和 NVFP4 检查点已在 Hugging Face 开放下载。
推荐理由
原文给出了混合架构细节与多基准实测数据，读者可以据此评估其在长文档和音视频联合理解任务中的实际能力边界。
来源：Hugging Face Blog · huggingface.co