IT之家 4 月 29 日消息，当地时间 4 月 28 日，英伟达宣布推出名为 Nemotron 3 Nano Omni 的开源全模态推理模型，旨在为企业级 AI Agent 提供一体化基础模型底座。 据介绍，这是一款将视频、音频、图像和文本的统一多模态推理集成于单个高效开放模型中的产品。该模型旨在替代智能体系统中常见的碎片化视觉-语音-语言模型链，从而减少推理跳数与编排复杂度，降低推理成本，同时增强跨模态上下文一致性。 Nemotron 3 Nano Omni 可在智能体系统中充当多模态感知与上下文子 Agent，使智能体能够在单个共享的“感知-行动”循环中处理视觉、音频和文本输入，提升收敛速度，降低编排复杂度和推理成本。 在文档智能榜单（如 MMlongbench-Doc 和 OCRBenchV2）上，该模型取得了同类领先的准确率；同时在视频与音频理解基准（WorldSense、DailyOmni、VoiceBench）中也表现优异。 行业基准 MediaPerf（基于真实媒体数据和生成任务评估视频理解模型的性能、成本和吞吐量）显示，Nemotron 3 Nano Omni 在所有任务上实现了最高吞吐量，且视频级标注的推理成本最低。 ▲ 在固定的用户交互阈值下，各模型所能维持的总系统吞吐量 该模型基于 30B‑A3B 混合专家（MoE）架构，可根据任务和模态进行激活，实现高吞吐量与可扩展的多模态性能。IT之家注意到，其模型权重、数据集和训练配方完全开放，开发者可在本地、云端或企业环境中定制、部署和集成多模态子 Agent。 英伟达表示，在固定交互延迟阈值下，Nemotron 3 Nano Omni 在视频推理任务中可持续提供更高的聚合吞吐量，相比其他开放式全模态模型有效系统容量最高提升约 9.2 倍；在多文档推理任务中，有效系统容量最高提升约 7.4 倍。在 Blackwell GPU 上采用 NVFP4 量化时，该模型在处理复杂文档、长时推理和大批量视频的企业级工作负载中，吞吐量在开放式全模态模型中居于领先。 架构设计方面，Nemotron 3 Nano Omni 核心为混合 MoE，结合 Mamba 层（提升序列与内存效率）和 Transformer 层（实现精准推理），内存和计算效率最高可提升 4 倍。 视觉处理方面，它采用 3D 卷积捕捉帧间运动，推理时通过高效视频采样层将高密度视觉 token 压缩为 LLM 可处理的精简集合；音频部分则基于 NVIDIA Parakeet 编码器与专用数据集；文本部分以强大的文本模型作为中心解码器，保留基础模型的语言能力；视觉编码采用 C-RADIOv4-H，支持高分辨率图像与 OCR 精度。 其训练方法涵盖适配器与编码器训练（约 1270 亿跨模态 token）、多阶段监督微调及后监督强化学习（超过 230 万次环境 rollout）。该模型权重已在 Hugging Face 上提供，并即将作为 NVIDIA NIM 微服务上线。英伟达还开放了完整的端到端训练与评估配方、部署指南、微调食谱以及开放数据集。
IT之家 4 月 22 日消息，阿里云通义千问团队今日宣布，开源模型家族迎来新成员 ——Qwen3.6-27B。这是一款拥有 270 亿参数的稠密多模态模型，也是社区呼声最高的模型规格。 此前，通义千问已陆续发布了 Qwen3.6-Plus 和 Qwen3.6-35B-A3B，而此次开源的 27B 版本在保持稠密架构优势的同时，全面提升了智能体编程与多模态推理能力。 据官方介绍，Qwen3.6-27B 支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越了前代开源旗舰 Qwen3.5-397B-A17B—— 后者是一款总参数 397 亿、激活参数 170 亿的 MoE（混合专家）模型。作为稠密架构，Qwen3.6-27B 无需 MoE 路由即可部署，是开发者在实用、可广泛部署规模上获取顶尖编程能力的理想选择。 在自然语言与编程基准测试中，Qwen3.6-27B 仅凭 270 亿参数，就在所有主要编程基准上全面超越了参数量高达其 15 倍的 Qwen3.5-397B-A17B。 具体来看，SWE-bench Verified 得分 77.2（前代 76.2），SWE-bench Pro 得分 53.5（前代 50.9），Terminal-Bench 2.0 得分 59.3（前代 52.5），SkillsBench 得分 48.2（前代 30.0）。 在推理任务上，Qwen3.6-27B 在 GPQA Diamond 上取得了 87.8 的成绩，可与数倍于其规模的模型相媲美。 视觉语言方面，该模型原生支持多模态，能够处理图像、视频与文本的混合输入，支持视觉推理、文档理解和视觉问答等任务，其能力与 Qwen3.6-35B-A3B 保持一致。 IT之家提醒，Qwen3.6-27B 的开源权重已在 Hugging Face 和 ModelScope 平台上提供，开发者可下载进行本地部署。同时，用户也可以在 Qwen Studio（ chat.qwen.ai ）上直接进行交互对话。 另外，阿里云百炼平台即将支持通过 API 调用该模型，并保留“preserve_thinking”功能，可在消息中保留所有前序轮次的思维内容，官方推荐用于智能体任务。 该模型还可以无缝集成到流行的第三方编程助手中，包括 OpenClaw、Claude Code 和 Qwen Code，从而简化开发流程，实现高效且具备上下文感知能力的编码体验。
36氪获悉，字节跳动正式发布更高精度的新一代3D生成大模型——Seed3D 2.0。据介绍，该模型采用MoE架构，通过稀疏专家路由，在扩大模型参数量和分辨率的同时控制推理计算量，使模型能生成更丰富的纹理细节和更精确的金属-粗糙度边界。目前Seed3D 2.0技术报告已公开，API也已上线火山引擎。