快链头条 消息，4 月 29 日，英伟达正式推出 Nemotron 3 Nano Omni，这是 Nemotron 3 系列的新成员，将统一的多模态推理整合至单一高效开源模型之中。英伟达表示，agentic 系统通常需要在屏幕、文档、音频、视频与文本之间进行单一感知到行动循环的推理，但仍依赖碎片化的模型链——视觉、音频、文本各自分立的技术栈。这增加了推理跳数与编排复杂度，推高了推理成本，同时削弱了跨模态上下文的一致性。Nemotron 3 Nano Omni 旨在替代这一碎片化的视觉-语言-音频技术栈，作为 agentic 系统中的多模态感知与上下文子代理（sub-agent）发挥作用。

在准确率层面，Nemotron 3 Nano Omni 在文档智能榜单上取得领先成绩，同时在视频与音频理解榜单上同样领先。在评估视频理解模型的开放行业基准 MediaPerf 上，Nemotron 3 Nano Omni 在每项任务中均实现最高吞吐量，并在视频级标注任务中取得最低推理成本。

性能层面，在固定的每用户交互阈值下，对于视频推理，Nemotron 3 Nano Omni 维持更高的总系统吞吐量，相较其他开源 omni 模型可实现高达约 9.2 倍的有效系统容量；对于多文档推理，可实现高达约 7.4 倍的有效系统容量。英伟达表示，该模型旨在替代传统多模型拼接架构，降低推理复杂度与成本，推动多模态 AI 在金融、医疗、科研及媒体等场景的应用。