Nvidia открыла веса Nemotron 3 Diarization — модели на 100 млн параметров, которая размечает аудиозаписи по говорящим: определяет, кто и когда говорил, включая моменты, когда участники перебивают друг друга. Модель работает как с готовыми записями, так и в потоковом режиме, различая до восьми собеседников — вдвое больше, чем предыдущая модель компании Streaming Sortformer.

В связке с ASRi (распознаванием речи) это даёт полную расшифровку встреч, звонков и подкастов с указанием, кто что сказал. Метки говорящих анонимны — модель не определяет личность, а только выделяет каналы speaker_X с таймкодами; привязку имён и ролей к каналам нужно реализовывать логикой конкретного приложения.

Полный разбор →

Nvidia договорилась со стартапом Poolside (создатель серии моделей Laguna для кодинга) о сделке по схеме, похожей на историю с Groq: компания платит $6 млрд за нексклюзивную лицензию на технологии Poolside, деньги идут инвесторам стартапа, а 109 сотрудников, занимавшихся разработкой моделей, получают офферы на переход в Nvidia. Ещё $1 млрд Nvidia вкладывает напрямую в Poolside как инвестицию — стартап оценивался в $12 млрд до сделки.

Главная цель Nvidia — усилить свою линейку открытых моделей Nemotroni с помощью технологий и людей Poolside, чтобы конкурировать с китайскими open-weighti моделями DeepSeek и Kimi/Moonshot, а в перспективе — и с закрытыми моделями OpenAI и Anthropic. Это разворот для компании, которая зарабатывает на продаже GPU крупнейшим лабораториям, но теперь сама инвестирует в открытую альтернативу их закрытым продуктам.

Полный разбор →

NVIDIA представила открытую модель Nemotron 3.5 Lightning — решение на архитектуре MoEi (30 млрд параметров, 3 млрд активных), созданное специально для работы ИИ-агентов: рутинных задач, программирования и вызова инструментов. Модель работает в связке с более мощными моделями через систему маршрутизации.

По заявлениям NVIDIA, Nemotron 3.5 Lightning выполняет агентские сценарии до 4 раз быстрее аналогов, держит постоянную нагрузку и может запускаться как на дорогих системах DGX Spark, так и на локальных потребительских GPU уровня GeForce RTX 5090 — то есть позиционируется как экономичная альтернатива для массового использования агентов.

Полный разбор →

NVIDIA представила Nemotron VoiceChat — полнодуплексную речевую модель на 11B параметров, которая ведёт живой разговор без пауз и умеет вызывать внешние инструменты прямо во время диалога (поиск в интернете, календарь и другие). По данным источников, это первая открытая модель такого класса с поддержкой tool calling.

Модель позиционируется как универсальный голосовой ИИ-агент: она поддерживает естественное чередование реплик, перебивание пользователем, эмоциональную окраску речи и мультимодальные сценарии взаимодействия, а также допускает файнтюн под разные стили голоса.

Полный разбор →