NVIDIA、Nemotron 3 Nano Omniモデルを発表し、マルチモーダルAIエージェントの効率を最大9倍向上

NVIDIAは本日、AIエージェントシステム向けにNemotron 3 Nano Omniモデルを発表しました。従来のAIエージェントは視覚、音声、言語処理をそれぞれ異なるモデルで実行しており、データの受け渡しで時間とコンテキストの損失が発生していました。Nemotron 3 Nano Omniはこれらの機能を単一システムに統合することで、ビデオ、オーディオ、画像、テキストにわたる高度な推論を可能にし、より高速でスマートな応答を実現します。

このオープンなオムニモーダル推論モデルは、複雑なドキュメントインテリジェンス、ビデオ、オーディオ理解において6つのリーダーボードでトップを獲得し、オープンマルチモーダルモデルの新たな効率フロンティアを確立しました。テキスト、画像、音声、ビデオ、ドキュメント、チャート、グラフィカルインターフェースを入力として受け付け、テキストを出力します。

実務においては、企業や開発者がAIエージェントワークフローを構築する際の生産パスを提供し、コンピューター利用、ドキュメントインテリジェンス、オーディオ・ビデオ推論といったタスクの効率と精度を大幅に向上させることが期待されます。これにより、複数のモデルを連携させる際の複雑さが軽減され、開発期間の短縮とコスト削減に寄与する可能性があります。