📣 Kunngjøring av utgivelsen av OpenReasoning-Nemotron: en pakke med resonneringskompatible LLM-er som er destillert fra DeepSeek R1 0528 671B-modellen. Våre nye 7B-, 14B- og 32B-modeller er trent på et massivt datasett av høy kvalitet destillert fra den nye DeepSeek R1 0528, og oppnår SOTA-ytelse på et bredt spekter av resonnementbenchmarks for sine respektive størrelser innen matematikk, naturfag og kode. Modellene er tilgjengelige på @huggingface🤗:

🎶 Møt Audio-Flamingo 3 – en helt åpen LALM trent på lyd-, tale- og musikkdatasett. 🎶 Håndterer 10-minutters lyd, lang tekst og talesamtaler. Perfekt for lyd-QA, dialog og resonnement. På @huggingface ➡️ Fra #NVIDIAResearch.

🏆 NVIDIA NeMo Canary-Qwen-2.5B scorer 1.-plass på @HuggingFace-ledertavlen for automatisk talegjenkjenning, og setter ny rekord med en ordfeilrate på 5.63 %. 🤗 Ledertavle ➡️

Hva om du kunne stille en chatbot et spørsmål på størrelse med et helt leksikon – og få svar i sanntid? Multi-million token-spørringer med 32 ganger flere brukere er nå mulig med Helix Parallelism, en innovasjon fra #NVIDIAResearch som driver slutning i stor skala. 🔗

Python + OpenUSD = raskere arbeidsflyter, enklere automatisering, mer kreativitet. 💡 Pythons skriptfunksjoner og brukervennlighet gjør den til den perfekte partneren for #OpenUSD, og bidrar til å akselerere utviklingen uten å trenge C++-ekspertise. Få mer informasjon 👉

✨ FLUX.1 Kontext gir en ny opplevelse til bildegenerering gjennom trinnvis redigering i kontekst i stedet for tradisjonelle komplekse meldinger. Nå optimalisert for NVIDIA RTX-GPU-er ved hjelp av TensorRT, har vi samarbeidet med @bfl_ml for å levere raskere slutning med lavere VRAM-krav. 🔗 Detaljer:

Distribuer din egen DeepSeek-R1-modellforekomst med 1-klikks distribusjon. Den nye NVIDIA TensorRT-LLM-beholderen på Vertex AI er optimalisert for LLM-er i stor skala og forbedrer ytelsen og kostnadseffektiviteten betydelig. Kom i gang i dag ➡️

📸 Frembringe. Raffinere. Gjenta. @bfl_ml FLUX.1 Kontext forenkler AI-bilderedigering med tekst + bildemeldinger – nå RTX-akselerert med TensorRT. Bonus: Googles nye Gemma 3n multimodale LLM akselereres også på RTX. 🔗 #RTXAIGarage:

Klar til å låse opp kraften til #multimodal henting? Oppdag hvordan NVIDIA #NeMoRetriever forvandler dokumentsøk – og kombinerer visjon og språk for smartere, raskere og mer nøyaktige resultater. 👉

🏆NVIDIA NeMo Retriever oppnår 1.-plass på @HuggingFace på tvers av tre topplister for visuell dokumenthenting – ViDoRe V1, ViDoRe V2 og MTEB VisualDocumentRetrieval. NeMo Retriever setter nye standarder for bedrifts- #RAG applikasjoner, og leder bransjen. Denne modellen med best ytelse er: 🔎 Finjustert for spørringsdokumenthenting der spørringer er tekst og bilder. 📊 Spesielt nyttig i multimodale RAG-systemer som bruker tekst, diagrammer, tabeller eller infografikk. Potensielle bruksområder inkluderer multimediesøk, kryssmodal gjenfinning og samtale-AI med rik inndataforståelse. 🛠️ Utviklere kan oppnå opptil 15 ganger raskere PDF-datautvinning, 50 % bedre nøyaktighet og 35 ganger bedre lagringseffektivitet med NeMo Retriever. For forskere, sjekk det ut på #HuggingFace ➡️ For utviklere som trenger produksjonsklare, kommersielle modeller, besøk ➡️