📣 Ankündigung der Veröffentlichung von OpenReasoning-Nemotron: eine Suite von reasoning-fähigen LLMs, die aus dem DeepSeek R1 0528 671B Modell destilliert wurden. Trainiert auf einem massiven, hochwertigen Datensatz, der aus dem neuen DeepSeek R1 0528 destilliert wurde, erreichen unsere neuen 7B-, 14B- und 32B-Modelle SOTA-Leistungen bei einer Vielzahl von Reasoning-Benchmarks für ihre jeweiligen Größen im Bereich Mathematik, Wissenschaft und Code. Die Modelle sind auf @huggingface🤗 verfügbar:

🎶 Lernen Sie Audio-Flamingo 3 kennen – ein vollständig offenes LALM, das auf Sound-, Sprach- und Musikdatensätzen trainiert wurde. 🎶 Verarbeitet 10-minütige Audios, lange Texte und Sprachkonversationen. Perfekt für Audio-QA, Dialoge und Schlussfolgerungen. Auf @huggingface ➡️ Von #NVIDIAResearch.

🏆 Unser NVIDIA NeMo Canary-Qwen-2.5B belegt den 1. Platz auf der @HuggingFace Rangliste für automatische Spracherkennung und setzt mit einer Wortfehlerquote von 5,63 % einen neuen Rekord. 🤗 Rangliste ➡️

Was wäre, wenn Sie einem Chatbot eine Frage in der Größe eines ganzen Enzyklopädie stellen könnten – und in Echtzeit eine Antwort erhalten? Multi-Millionen-Token-Anfragen mit 32x mehr Nutzern sind jetzt mit Helix Parallelism möglich, einer Innovation von #NVIDIAResearch, die Inferenz in großem Maßstab vorantreibt. 🔗

Python + OpenUSD = schnellere Arbeitsabläufe, einfachere Automatisierung, mehr Kreativität. 💡 Die Skripting-Fähigkeiten von Python und die Benutzerfreundlichkeit machen es zum perfekten Partner für #OpenUSD, der die Entwicklung beschleunigt, ohne dass C++-Kenntnisse erforderlich sind. Erfahren Sie mehr 👉

✨ FLUX.1 Kontext bietet ein frisches Erlebnis in der Bildgenerierung durch inkrementelle, kontextbezogene Bearbeitung anstelle traditioneller komplexer Eingabeaufforderungen. Jetzt optimiert für NVIDIA RTX GPUs mit TensorRT, haben wir mit @bfl_ml zusammengearbeitet, um schnellere Inferenz mit geringeren VRAM-Anforderungen zu liefern. 🔗 Details:

Setzen Sie Ihre eigene DeepSeek-R1-Modellinstanz mit einer 1-Klick-Bereitstellung ein. Der neue NVIDIA TensorRT-LLM-Container auf Vertex AI ist für LLMs in großem Maßstab optimiert und verbessert die Leistung und Kosteneffizienz erheblich. Starten Sie noch heute ➡️

📸 Generieren. Verfeinern. Wiederholen. @bfl_ml’s FLUX.1 Kontext vereinfacht die KI-Bildbearbeitung mit Text- und Bildaufforderungen – jetzt RTX-beschleunigt mit TensorRT. Bonus: Googles neuer Gemma 3n multimodaler LLM ist ebenfalls auf RTX beschleunigt. 🔗 #RTXAIGarage:

Bereit, die Kraft der #multimodalen Abfrage freizuschalten? Entdecken Sie, wie NVIDIA #NeMoRetriever die Dokumentensuche transformiert – indem es Vision und Sprache kombiniert, um intelligentere, schnellere und genauere Ergebnisse zu erzielen. 👉

🏆NVIDIA NeMo Retriever erreicht den 1. Platz auf @HuggingFace in drei führenden Leaderboards für visuelle Dokumentenretrievals – ViDoRe V1, ViDoRe V2 und MTEB VisualDocumentRetrieval. NeMo Retriever setzt neue Standards für Unternehmensanwendungen im Bereich #RAG und führt die Branche an. Dieses leistungsstarke Modell ist: 🔎 Feinabgestimmt für die Abfrage-Dokumenten-Retrieval, bei der Abfragen aus Text und Bildern bestehen. 📊 Besonders nützlich in multimodalen RAG-Systemen, die Text, Diagramme, Tabellen oder Infografiken verwenden. Mögliche Anwendungen umfassen Multimedia-Suche, cross-modales Retrieval und konversationelle KI mit umfassendem Eingabeverständnis. 🛠️ Entwickler können mit NeMo Retriever eine bis zu 15-fach schnellere PDF-Datenextraktion, 50% bessere Genauigkeit und 35-fach bessere Speichereffizienz erreichen. Für Forscher, schauen Sie es sich auf #HuggingFace an ➡️ Für Entwickler, die produktionsbereite, kommerzielle Modelle benötigen, besuchen Sie ➡️