📣 OpenReasoning-Nemotron のリリースを発表: DeepSeek R1 0528 671B モデルから抽出された推論可能な LLM スイート。新しいDeepSeek R1 0528から抽出された大規模で高品質のデータセットでトレーニングされた新しい7B、14B、および32Bモデルは、数学、科学、コードの領域におけるそれぞれのサイズに対する幅広い推論ベンチマークでSOTAパフォーマンスを達成します。モデルは@huggingface🤗で利用できます。

🎶 Audio-Flamingo 3 は、サウンド、音声、音楽のデータセットでトレーニングされた完全にオープンな LALM です。🎶 10 分間の音声、長文テキスト、音声会話を処理します。音声QA、対話、推論に最適です。 @huggingface➡️について #NVIDIAResearch から。

🏆 NVIDIA NeMo Canary-Qwen-2.5B は、自動音声認識の @HuggingFace リーダーボードで 1 位を獲得し、5.63% の単語エラー率で新記録を樹立しました。 🤗 リーダーボード ➡️

もし、チャットボットに百科事典全体ほどの大きさの質問を投げかけ、リアルタイムで答えを得ることができたらどうでしょうか。 32倍のユーザーによる数百万のトークンクエリが、大規模な推論を推進する #NVIDIAResearch によるイノベーションであるHelix Parallelismにより可能になりました。 🔗

Python + OpenUSD = ワークフローの高速化、自動化の容易さ、創造性の向上。💡 Pythonのスクリプト機能と使いやすさは、#OpenUSD にとって完璧なパートナーであり、C++の専門知識を必要とせずに開発を加速するのに役立ちます。 詳細情報 👉

✨ FLUX.1 Kontextは、従来の複雑なプロンプトではなく、インクリメンタルでコンテキスト内の編集を通じて、画像生成に新鮮な体験をもたらします。 TensorRT を使用して NVIDIA RTX GPU に最適化され、@bfl_ml と協力して、より低い VRAM 要件でより高速な推論を実現しました。 🔗 細部：

1クリックデプロイで独自のDeepSeek-R1モデルインスタンスをデプロイします。 Vertex AI 上の新しい NVIDIA TensorRT-LLM コンテナは、大規模な LLM 向けに最適化されており、パフォーマンスとコスト効率が大幅に向上しています。 今すぐ➡️始めましょう

📸 生成する。磨く。繰り返す。 @bfl_ml の FLUX.1 Kontext は、テキスト + 画像プロンプトで AI 画像編集を簡素化し、TensorRT で RTX 高速化されました。 ボーナス: Google の新しい Gemma 3n マルチモーダル LLM も RTX で高速化されています。 🔗 #RTXAIGarage:

#multimodal 検索の力を解き放つ準備はできましたか? NVIDIA #NeMoRetriever がドキュメント検索を変革し、ビジョンと言語を組み合わせて、よりスマートで、より速く、より正確な結果を実現する方法をご覧ください。 👉

🏆NVIDIA NeMo Retriever は、ビジュアル ドキュメント取得の上位 3 つのリーダーボード (ViDoRe V1、ViDoRe V2、MTEB VisualDocumentRetrieval) で @HuggingFace 位を獲得しました。 エンタープライズ #RAG アプリケーションの新しい標準を打ち立てるNeMo Retrieverは、業界をリードしています。 この最もパフォーマンスの高いモデルは次のとおりです。 🔎 クエリがテキストと画像であるクエリドキュメントの取得用に微調整されています。 📊 テキスト、チャート、表、インフォグラフィックを使用するマルチモーダルRAGシステムで特に役立ちます。 潜在的なアプリケーションには、マルチメディア検索、クロスモーダル検索、豊富な入力理解を備えた会話型AIなどがあります。 🛠️ NeMo Retrieverを使用すると、開発者は最大15倍の高速PDFデータ抽出、50%の精度向上、35倍のストレージ効率を達成できます。 研究者の方は、#HuggingFace ➡️ でチェックしてみてください 本番環境に対応した商用モデルが必要な開発者は、次のWebサイトにアクセスしてください ➡️