📣 Mengumumkan perilisan OpenReasoning-Nemotron: serangkaian LLM berkemampuan penalaran yang telah disuling dari model DeepSeek R1 0528 671B. Dilatih pada kumpulan data besar dan berkualitas tinggi yang disuling dari DeepSeek R1 0528 baru, model 7B, 14B, dan 32B baru kami mencapai kinerja SOTA pada berbagai tolok ukur penalaran untuk ukurannya masing-masing dalam domain matematika, sains, dan kode. Model tersedia di @huggingface🤗:

🎶 Temui Audio-Flamingo 3 – LALM yang sepenuhnya terbuka yang dilatih pada kumpulan data suara, ucapan, dan musik. 🎶 Menangani audio 10 menit, teks berdurasi panjang, dan percakapan suara. Sempurna untuk QA audio, dialog, dan penalaran. Pada @huggingface ➡️ Dari #NVIDIAResearch.

🏆 NVIDIA NeMo Canary-Qwen-2.5B kami mendapat skor ke-1 di papan peringkat @HuggingFace untuk pengenalan ucapan otomatis, mencetak rekor baru dengan tingkat kesalahan kata 5,63%. 🤗 Papan ➡️ peringkat

Bagaimana jika Anda dapat mengajukan pertanyaan kepada chatbot seukuran seluruh ensiklopedia—dan mendapatkan jawabannya secara real time? Jutaan kueri token dengan 32x lebih banyak pengguna sekarang dimungkinkan dengan Helix Parallelism, sebuah inovasi oleh #NVIDIAResearch yang mendorong inferensi dalam skala besar. 🔗

Python + OpenUSD = alur kerja yang lebih cepat, otomatisasi yang lebih mudah, lebih banyak kreativitas. 💡 Kemampuan skrip dan kemudahan penggunaan Python menjadikannya mitra yang sempurna untuk #OpenUSD, membantu mempercepat pengembangan tanpa memerlukan keahlian C++. Pelajari lebih lanjut 👉

✨ FLUX.1 Kontext menghadirkan pengalaman baru untuk pembuatan gambar melalui pengeditan inkremental dalam konteks daripada petunjuk kompleks tradisional. Sekarang dioptimalkan untuk GPU NVIDIA RTX menggunakan TensorRT, kami telah berkolaborasi dengan @bfl_ml untuk memberikan inferensi yang lebih cepat dengan persyaratan VRAM yang lebih rendah. 🔗 Rincian:

Sebarkan instans model DeepSeek-R1 Anda sendiri dengan penyebaran 1 klik. Kontainer NVIDIA TensorRT-LLM baru di Vertex AI dioptimalkan untuk LLM dalam skala besar dan secara signifikan meningkatkan kinerja dan efisiensi biaya. Mulai hari ini ➡️

📸 Menghasilkan. Memperbaiki. Mengulangi. FLUX.1 Kontext @bfl_ml menyederhanakan pengeditan gambar AI dengan perintah teks + gambar—sekarang dipercepat RTX dengan TensorRT. Bonus: LLM multimodal Gemma 3n baru Google juga dipercepat di RTX. 🔗 #RTXAIGarage:

Siap untuk membuka kekuatan pengambilan #multimodal? Temukan bagaimana NVIDIA #NeMoRetriever mengubah pencarian dokumen—menggabungkan visi dan bahasa untuk hasil yang lebih cerdas, lebih cepat, dan lebih akurat. 👉

🏆NVIDIA NeMo Retriever mencapai tempat ke-1 pada @HuggingFace di tiga papan peringkat pengambilan dokumen visual teratas -- ViDoRe V1, ViDoRe V2, dan MTEB VisualDocumentRetrieval. Menetapkan standar baru untuk aplikasi #RAG perusahaan, NeMo Retriever memimpin industri. Model berkinerja terbaik ini adalah: 🔎 Disetel untuk pengambilan dokumen kueri di mana kueri adalah teks dan gambar. 📊 Sangat berguna dalam sistem RAG multimodal yang menggunakan teks, bagan, tabel, atau infografis. Aplikasi potensial termasuk pencarian multimedia, pengambilan lintas modal, dan AI percakapan dengan pemahaman input yang kaya. 🛠️ Pengembang dapat mencapai ekstraksi data PDF hingga 15X lebih cepat, akurasi 50% lebih baik, dan efisiensi penyimpanan 35X lebih baik dengan NeMo Retriever. Untuk peneliti, lihat di #HuggingFace ➡️ Untuk pengembang yang membutuhkan model komersial siap produksi, kunjungi ➡️