NVIDIA presenta Nemotron 3 Nano Omni, un modelo multimodal de contexto largo para documentos, audio y video

Resumen del corpus

NVIDIA presentó Nemotron 3 Nano Omni, un modelo omni-modal de pesos abiertos orientado al análisis de documentos, el reconocimiento automático de voz, la comprensión de audio y video de larga duración y el uso agéntico de la computadora. Según la compañía, el modelo lidera benchmarks de documentos, video y audio como MMLongBench-Doc, WorldSense, DailyOmni y VoiceBench, y ofrece hasta 9 veces más rendimiento y 2,9 veces la velocidad de razonamiento de flujo único frente a alternativas. Los checkpoints BF16, FP8 y NVFP4 están disponibles en Hugging Face junto con un informe técnico.