当地时间4月28日，英伟达正式推出其最新的开放式多模态大模型——Nemotron3Nano Omni。这款模型被定位为“全能选手”，通过高度整合视频、音频、图像和文本的深度推理能力，旨在为开发者提供更快速、更智能的交互响应方案。
技术架构上的创新是该模型的一大亮点。Nemotron3Nano Omni采用了30B-A3B的“混合专家”（MoE）架构，将视觉与音频编码器直接集成在系统内部。这种一体化的设计打破了以往多模态处理需要依赖多个独立感知模型的僵局，实现了从“碎片化上下文”向“统一上下文”的跨越。
性能数据表现尤为抢眼。根据官方披露，该模型在复杂文档处理、视频理解及音频感知等六大权威排行榜中均位列榜首。得益于其独特的感知精度，该系统在保持极高交互性的同时，吞吐量达到了同类开放式全向模型的9倍。这意味着企业在部署AI智能体时，能够以更低的成本实现更强的可扩展性，且不牺牲响应的即时性。
目前，已有多家先锋科技公司接入该模型。H Company首席执行官Gautier Cloix在评价该模型时表示，得益于新架构，其AI代理现在可以实时解读全高清屏幕录像，这标志着AI从简单的任务执行者转变为能够实时感知并理解数字环境的交互者。
作为Nemotron3系列（包括Nano、Super和Ultra型号）的重要成员，该系列模型在过去一年中已创下超过5000万次的下载记录。英伟达表示，Nemotron3Nano Omni不仅可以独立运行，还能与专有云模型或其他开源模型协同工作，为复杂的代理工作流提供底座支持。此次发布无疑为企业级AI智能体的生产与部署树立了全新的效率标杆。
2026年4月28日，伦敦帝国理工学院、互联网档案馆及斯坦福大学联合报告显示，截至2025年中期，全球约35%的新网站内容由AI生成，而2022年底ChatGPT发布前几乎为零。研究分析2022至2025年33个月网页样本，证实AI已深度渗透网络生态，改变互联网话语体系。
Mistral AI于4月28日发布企业级AI编排层Workflows，作为Mistral Studio平台关键组件，旨在将零散AI流程转化为可大规模生产的系统。该工具已进入公开预览，获ASML、ABANCA及CMA-CGM等跨国巨头应用。技术架构基于Temporal引擎，支持Python定义复杂流程，提升核心业务效率。
前推特CEO Parag Agrawal创办的Parallel Web Systems完成1亿美元B轮融资，估值达20亿美元。本轮由Sequoia Capital领投，现有投资者跟投。公司现有约50名员工，去年A轮融资1亿美元时估值为7亿美元。
商汤科技于4月28日开源“日日新SenseNova U1”系列，这是一款“原生理解生成统一模型”，突破了传统多模态模型依赖不同模块“拼接”的局限，通过统一架构实现视觉与语言模块的深度融合，标志着国产AI在多模态领域的重要技术突破。
Perplexity旗下AI浏览器Comet推出iPad版本，全面适配iPadOS，支持多窗口浏览与多任务处理，并深度整合OpenAI、Anthropic等主流AI模型，提升智能上网体验，强化用户与AI聊天机器人的互动。
关注 “悠AI” 更多干货技巧行业动态
相关文章
