Nemotron 3 Nano Omni (free)

Nemotron 3 Nano Omni 是由 NVIDIA 推出的新一代开放式全模态 AI 模型，属于 Nemotron 系列中的多模态模型，专注于视觉理解、语音处理、视频分析、文本推理和 AI Agent 应用。
该模型采用 MoE（Mixture-of-Experts）混合专家架构，基于 Nemotron 3 Nano 30B-A3B 模型骨干，并融合视觉编码器和音频编码器，实现对文本、图片、视频和音频的统一理解能力。
Nemotron 3 Nano Omni 支持原生音频输入，是 Nemotron 多模态系列中进一步扩展音频理解能力的模型，可用于复杂文档分析、长视频理解、语音内容处理以及智能体任务执行。
模型拥有约 30B 总参数、3B 激活参数，通过稀疏计算方式提升推理效率，在保持较强性能的同时降低部署成本。
相比传统需要多个模型组合完成视觉、语音和文本任务的方案，Nemotron 3 Nano Omni 能够在一个统一模型中处理多种信息来源，更适合真实业务环境中的复杂数据分析和 AI Agent 工作流。
作为 NVIDIA 开放模型生态的一部分，Nemotron 3 Nano Omni 支持开发者进行本地部署、模型微调和企业级 AI 应用开发。