NVIDIA 发布 Nemotron 3.5 Transcribe 开源权重语音模型
NVIDIA 发布 Nemotron 3.5 Transcribe，这是一个开源权重的 30B MoE 模型，约 4B 激活参数。该模型支持 40 种语言转写、说话人归属、翻译、上下文提示和音频理解，并在 VoiceArena 的 14 系统说话人分离加 ASR 对比中排名第一。
匹配字段标题
←搜索结果
搜索“NVIDIA”
NVIDIA 发布 Nemotron 3.5 Transcribe 开源权重语音模型，支持 40 种语言
NVIDIA 于 10 月 28 日发布 Nemotron 3.5 Transcribe，这是一款开源权重的语音模型，可转写 40 种语言的音频、翻译语音并识别说话人，开发者可用自然语言指令控制转写格式而无需重新训练。该模型由 Transformer 语音编码器、说话人分离模型和 Nemotron 3.5 Lightning 语言模型组成，约 43 亿激活参数，发布检查点标注为 30B-A4B。NVIDIA 称其在英语 Open ASR Leaderboard 九个公开测试集上平均词错误率为 4.71%，在多语言榜单七个语言上为 4.62%，并称其为两个榜单上最好的开源权重模型；模型以 BF16、FP8、NVFP4 格式及 GGUF 文件发布，采用 OpenMDW-1.1 许可。
匹配字段标题
NVIDIA 发布语音转写与翻译模型 Nemotron 3.5 Transcribe
NVIDIA 于 2026 年 10 月 28 日发布语音转写与翻译模型 Nemotron 3.5 Transcribe，支持含日语在内的 40 种语言，最长可转写 1 小时录音。该模型为开放权重 30B MoE 架构，推理时约激活 4B 参数，可通过文本指令指定是否保留口头语、数字写法，并支持最多 8 人的说话人区分和日英双向翻译。权重以 NVIDIA-Nemotron-3.5-Transcribe-30B-A4B 在 Hugging Face 发布，采用 OpenMDW-1.1 许可，提供 BF16、FP8、NVFP4 版本及 NeMo Speech 微调工具。
匹配字段标题
NVIDIA 发布 Nemotron 3.5 Transcribe：开源 30B MoE 语音模型…
NVIDIA 发布 Nemotron 3.5 Transcribe，这是一个开源权重的语音大模型，支持 40 种语言、单次最长 1 小时音频，可通过文本指令选择逐字、书面、说话人标注、上下文和翻译等输出形式。模型总参数约 34B、激活参数约 4.3B，采用混合 Mamba-Transformer MoE 架构，BF16 可在单张 H100 80GB 上运行，NVFP4 版本约 21GB 可在 RTX 5090 上运行。NVIDIA 自报其在 9 个公开英文 Open ASR 测试集上平均 WER 为 4.71%，为开源权重模型最好成绩，但商业 API 仍领先；短板是仅支持离线，中文远场会议 cpCER 为 34.95%。
匹配字段标题
NVIDIA 发布 Nemotron 3.5 Transcribe 语音转写模型，2.8% WER 并列开源第一
NVIDIA 发布开源权重语音转写模型 Nemotron 3.5 Transcribe，总参数 30B、激活参数 4B，在 Artificial Analysis 的非流式语音转写榜单上取得 2.8% 的 AA-WER，与 Mistral 的 Voxtral Small 并列开源模型第一。在语音智能体对话数据集 AA-AgentTalk 上，它以 1.8% 领先 Voxtral Small 的 2.3%。其激活参数为 4B，而 Voxtral Small 为 24B，同等规模的其他开源模型 WER 约为 4%。
匹配字段标题
Nvidia 发布 Nemotron 3.5 Transcribe 可提示转写模型
Nvidia 发布开源权重多语言转写模型 Nemotron 3.5 Transcribe，在 Hugging Face Open ASR 英文开源模型榜以 5.33% 平均词错误率排名第一。该模型为 30B MoE 架构、4B 激活参数，支持 40 种语言转写、31 种语言与英文互译，可为说话人标注并区分最多 8 个声音，处理最长 1 小时录音，但不支持实时流式。用户可在转写前给出上下文和术语等指令，模型可用 vLLM 部署或在单 GPU 上通过 NeMo-Speech.cpp 本地运行；Nvidia 同时发布数据整理流程 Granary v2 及约 463,062 小时、48 种语言的公开清单。
匹配字段标题
NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint，支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。该模型在 Hugging Face Open ASR Leaderboard 英语榜的开放权重模型中排名第一，平均 WER 为 5.33%，在 Artificial Analysis 上以约 4B 激活参数取得 2.8% AA-WER。同时发布的 Granary v2 覆盖 48 种语言、463,062 小时语音数据，配套 NeMo Speech 微调配方在医疗案例中把留出说话人的 WER 从 22.44% 降到 12.17%。
匹配字段标题
Nvidia 发布开源转写模型 Nemotron 3.5 Transcribe
Nvidia 发布免费开源权重模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言的音频，并同步推出开源语音数据集 Granary 第 2 版。该模型支持 31 种语言与英语互译、处理最长一小时的录音、区分最多 8 位说话人，Nvidia 称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。模型为 300 亿参数，可运行在 Jetson AGX Thor、DGX Spark 及 Blackwell 数据中心芯片上，但只支持录音音频，不支持直播流。
匹配字段标题
NVIDIA 发布 Nemotron-3.5-Bolt-E4B，可在 6GB 内存本地运行
NVIDIA 发布 Nemotron-3.5-Bolt-E4B，可在 6GB 内存的设备上本地运行，面向手机等端侧设备。该模型基于 Gemma 4 训练，支持视觉，Unsloth 同时给出了 GGUF 文件和指南链接。NVIDIA 称其面向本地助手、交互角色和机器人等可对话并调用工具的场景。
匹配字段标题
NVIDIA 发布 Kumo Relational 关系基础模型，无需训练即可预测
NVIDIA 发布预训练关系基础模型 Kumo Relational，可直接在企业数据库上做预测，单次前向传播完成，无需任务特定训练、特征工程或表展平。在 RelBench V1/V2、SAP SALT 和 4DBInfer 共 15 个数据库的 41 个任务上，它超过监督式关系深度学习模型和专家特征工程的梯度提升树流程，在 SAP SALT 上 MRR 比 AutoGluon 集成高 8%。模型通过 NVIDIA 开源 GPU 原生 structured-data-models 库或 NVIDIA NIM 提供，支持 500B+ 行数据库。
匹配字段标题
NVIDIA 扩展开放模型组合，面向欧洲主权 AI
NVIDIA 于 2026 年 10 月 21 日宣布扩展其开放模型家族，覆盖语言、机器人、生物和量子计算，并围绕欧洲主权智能定位。组合包括 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、Nemotron Retriever、面向结构化业务数据的 Kumo、Cosmos 3.5 世界模型、面向自动驾驶的 Alpamayo 2 Edge、BioNeMo 和 Ising。Nemotron 3.5 Super VL 已在 Hugging Face、ModelScope、OpenRouter 和 build.nvidia.com 上线，Nemotron 3.5 Bolt E4B 4GB 预计 10 月 23 日可用。
匹配字段标题
NVIDIA 与 UW Medicine 发布开源蛋白质设计模型 RFD4-Proteina
NVIDIA 在 GTC Berlin 宣布与 UW Medicine 蛋白质设计研究所合作推出开源蛋白质设计模型 RFD4-Proteina，已通过 Amazon Bio Discovery、Hugging Face、OpenAI 等合作方提供。该模型属于 NVIDIA BioNeMo，将可编程蛋白质设计与搜索能力结合，可按分子输入、约束和评分目标生成并筛选候选设计。Hugging Face 模型卡显示其权重为 435.6 百万参数、FP32 存储 1.74 GB、以 BF16 运行，采用 BSD 3-Clause 许可，单张 H200 上 250 token 设计在 BF16 下耗时 5.0 秒。
匹配字段标题
NVIDIA 发布 Nemotron 3.5 系列开放模型，覆盖嵌入、重排与文档解析
NVIDIA 于 2026 年 10 月 21 日扩展 Nemotron Retriever 系列，推出 Nemotron 3.5 Embed（8B BF16、1B BF16、1B NVFP4）、Nemotron 3.5 Rerank 8B BF16 和 6.31 亿参数的 Nemotron 3.5 Parse，面向企业智能体工作流的多模态检索与文档处理。NVIDIA 称在智能体检索流程中加入 Rerank 后，单次查询的 token 成本分别降低约 14%（搭配 8B 嵌入模型）和 13%（搭配 1B 模型），检索准确率同时提升。Parse 在 ParseBench 上得分 75.20，单张 H100 上每秒处理 10.5 页；开放权重、数据和训练配方已在 Hugging Face 发布，并可通过 NVIDIA NIM 及 Baseten、DeepInfra、FriendliAI 部署。
匹配字段标题
NVIDIA 发布 Cosmos3-H-Dreams 实时手术世界模型
NVIDIA 于 2026 年 10 月 20 日发布 Cosmos3-H-Dreams，这是一个面向机器人手术的实时、动作条件生成式世界模型，基于 CMR Surgical Versius 系统的临床胆囊切除录像微调，模型权重与配套代码同日公开。模型约 151.7 亿参数，采用 Mixture-of-Transformers 架构，在单张 RTX PRO 6000 GPU 上以 832 x 480 分辨率实现 30.0 FPS（四步去噪）和 43.2 FPS（两步去噪）。模型卡称其按 NVIDIA Open Model License 可用于商业或非商业用途，GitHub 仓库采用 Apache-2.0 许可，并附有教师微调与 Self-Forcing 蒸馏的步骤说明。
匹配字段标题
NVIDIA 扩展 Nemotron 模型家族，新增 Super VL 与两款 Bolt 模型
NVIDIA 为 Nemotron 开源模型家族新增三款模型，覆盖数据中心、桌面与边缘设备的企业工作流、本地 AI 智能体和对话应用。其中包括 1200 亿参数的 Nemotron 3.5 Super VL，NVIDIA 称其吞吐量最高可达同类次优模型的 5 倍，准确率接近其最大推理模型而参数量约为五分之一；另有两款 Nemotron 3.5 Bolt 系列小模型，74B-A9B 24GB 面向 RTX 与 DGX Spark 上的日常智能体任务，E4B 4GB 面向对话与物理 AI 智能体。Super VL 和 Bolt 74B-A9B 已可用，Bolt E4B 计划于 10 月 23 日发布。
匹配字段标题
NVIDIA 新模型或于下周 GTC 发布，疑似 Nemotron 3.5 Super VL
NVIDIA 一款新模型预计下周发布，可能亮相于周三 21 日的 GTC 活动。此前在 NVIDIA 文档中出现的 Nemotron 3.5 Super VL 采用 Nemotron-H 混合语言解码器、RADIO 视觉编码器、视觉投影器和独立时序视频嵌入器，复用 Nemotron Omni 图像/视频栈但不含音频编码器，并保留共享的 Multi-Token Prediction（MTP）权重。引用信息还提到该模型为 120B 总参数、12B 激活参数的混合 Mamba-Transformer MoE，支持图像和视频输入，并有纯文本版本。
匹配字段标题
NVIDIA 发布 Nemotron 3.5 Super VL 开放模型
NVIDIA 发布 Nemotron 3.5 Super VL 开放模型，总参数 120B、激活参数 12B。该模型支持推理、工具调用，以及文本、图像、文档和视频理解，面向长时间运行的 AI 智能体。
匹配字段标题
NVIDIA Nemotron 3.5 Super VL 上线 OpenRouter
NVIDIA Nemotron 3.5 Super VL 已在 OpenRouter 上线，这是 NVIDIA 推出的开源 120B-A12B 多模态模型，面向需要看、推理并跨文本、图像、文档、GUI 和视频执行操作的长时智能体，支持 1M 上下文。该模型采用 Hybrid Mamba-Transformer MoE 架构并引入多 token 预测以加快输出，面向文档智能、网络研究、客户服务和视频理解等场景。
匹配字段标题
NVIDIA Nemotron 3.5 Super VL 上线 OpenRouter
NVIDIA Nemotron 3.5 Super VL 已在 OpenRouter 上线，这是一个来自 NVIDIA AI 的开源 120B-A12B 多模态模型，支持 1M 上下文，面向需要看、推理并跨文本、图像、文档、GUI 和视频行动的长时间运行智能体。该模型采用 Hybrid Mamba-Transformer MoE 架构与多 token 预测以加快输出，面向文档智能、网络研究、客户服务和视频理解等场景。
匹配字段标题
NVIDIA Nemotron 3.5 Super VL 上线 OpenRouter
NVIDIA Nemotron 3.5 Super VL 已在 OpenRouter 上线，这是一个开源的 120B-A12B 多模态模型，面向需要跨文本、图像、文档、GUI 和视频进行观察、推理与操作的长时运行智能体，支持 1M 上下文。该模型采用 Hybrid Mamba-Transformer MoE 架构并支持多 token 预测以加快输出，面向文档智能、网络研究、客户服务和视频理解等场景。
匹配字段标题