Nvidia ha lanzado este 28 de abril Nemotron 3 Nano Omni, un modelo abierto multimodal que unifica visión, audio y comprensión de lenguaje en una sola arquitectura diseñada para alimentar agentes autónomos de IA en dispositivos edge. El modelo tiene 30.000 millones de parámetros totales pero solo activa 3.000 millones por inferencia gracias a una arquitectura mixture-of-experts. Esa relación permite que corra en una sola GPU mientras iguala o supera las capacidades multimodales de modelos varias veces más grandes. Nvidia reclama nueve veces más throughput que modelos abiertos multimodales comparables con interactividad equivalente, 2,9 veces más velocidad en razonamiento single-stream sobre tareas multimodales, y aproximadamente nueve veces más capacidad efectiva del sistema para razonamiento con vídeo. El modelo encabeza seis benchmarks en inteligencia documental, comprensión de vídeo y comprensión de audio. Continúa leyendo «Nvidia lanza Nemotron 3 Nano Omni: el modelo abierto de 30B parámetros y solo 3B activos que junta visión, audio y texto en una sola arquitectura para agentes IA en el edge»