ChronoEdit-14BはNVIDIAが開発した、時間推論能力を備えた画像編集と世界シミュレーションモデルで、140億のパラメータを持っています。このモデルは、2段階の推論プロセスにより、物理知覚に基づく画像編集と動作条件に基づく世界シミュレーションを実現し、事前学習されたビデオ生成モデルから事前知識を抽出します。

マルチモーダルDiffusers多言語

NVIDIA Nemotron Parse v1.1 TCは、高度な文書意味理解モデルであり、画像から空間位置情報を持つテキストと表要素を抽出し、整形テキスト、バウンディングボックス、意味カテゴリを含む構造化注釈を生成できます。前のバージョンと比べて、速度が20％向上し、無秩序な要素のページ順序を保持します。

マルチモーダルTransformers

NVIDIA Nemotron Parse v1.1は、文書の意味を理解し、空間的な位置情報を持つテキストや表の要素を抽出するために特別に開発された先進的な文書解析モデルです。非構造化文書を機械が読み取り可能な構造化表現に変換し、従来のOCRが複雑な文書レイアウトを処理する際の限界を克服します。

マルチモーダルTransformers

NV-Reason-CXR-3B GGUFはNVIDIA NV-Reason-CXR-3Bビジュアル言語モデルの量子化バージョンで、エッジデバイスへのデプロイに最適化されています。これは30億パラメータのモデルで、胸部X線分析に特化しており、GGUF形式に変換され、量子化処理が施されているため、モバイルデバイス、デスクトップデバイス、組み込みシステムで効率的に動作します。

マルチモーダルGguf英語

これはNVIDIAがQwen3アーキテクチャに基づいて開発した32Bパラメータの報酬モデルで、強化学習における報酬評価と原則アライメントに特化しており、より安全で人間の価値観に沿ったAIシステムのトレーニングを支援します。

自然言語処理Gguf

これはNVIDIAのQwen3-Nemotron-32B-RLBFF大規模言語モデルのGGUF量子化バージョンで、llama.cppツールを使用して様々な精度で量子化され、BF16からIQ2_XXSまで20種類以上の量子化オプションを提供し、さまざまなハードウェア構成とパフォーマンス要件に対応しています。

自然言語処理Gguf

これはNVIDIA ChronoEdit-14B-DiffusersモデルのGGUF量子化バージョンで、画像から動画への変換タスクに特化しています。このモデルは元のモデルのすべての機能を保持し、同時にGGUF形式によってデプロイと実行効率を最適化しています。

コンピュータビジョンGguf

Qwen3-VL-2B-ThinkingはQwenシリーズの中で最も強力なビジュアル言語モデルの1つで、GGUF形式の重みを使用し、CPU、NVIDIA GPU、Apple Siliconなどのデバイスで効率的な推論をサポートします。このモデルは、優れたマルチモーダル理解と推論能力を備え、特にビジュアル感知、空間理解、エージェントインタラクション機能が強化されています。

マルチモーダルTransformers

TheWhisper-Large-V3はOpenAI Whisper Large V3モデルの高性能ファインチューニング版で、TheStage AIによって多プラットフォーム（NVIDIA GPUとApple Silicon）のリアルタイム、低遅延、低消費電力の音声テキスト変換推論用に最適化されています。

音声処理Transformersその他

NVIDIA-Nemotron-Nano-VL-12B-V2-FP4-QADはNVIDIAが開発した自己回帰型ビジュアル言語モデルで、最適化されたTransformerアーキテクチャに基づいており、画像とテキストの入力を同時に処理することができます。このモデルはFP4量子化技術を採用しており、性能を維持しながらモデルサイズと推論コストを大幅に削減し、さまざまなマルチモーダルアプリケーションシナリオに適しています。

マルチモーダルTransformers

NVIDIA-Nemotron-Nano-VL-12B-V2-FP8はNVIDIAが開発した量子化視覚言語モデルで、最適化されたTransformerアーキテクチャを採用し、商用画像で三段階のトレーニングを行っています。このモデルは単一画像の推論をサポートし、多言語およびマルチモーダル処理能力を備えており、画像要約、テキスト画像分析などの様々なシーンに適用できます。

マルチモーダルTransformers

BR-RMは革新的な2ラウンド推論報酬モデルで、適応的分岐と分岐に基づく反省メカニズムにより、従来の報酬モデルにおける「判断拡散」の問題を解決し、複数の報酬モデリングベンチマークテストで業界をリードする性能を達成しました。

自然言語処理Transformers英語

NVIDIA Nemotron Nano v2 12B VLは強力なマルチモーダルビジュアル言語モデルで、多画像推論と動画理解をサポートし、文書インテリジェンス、ビジュアル質問応答、要約機能を備え、商用に使用できます。

マルチモーダルTransformers

これはTacoinがNVIDIA GR00Tモデルをベースに、LIBERO libero longベンチマークテストで微調整したロボット操作モデルです。このモデルはデュアルRGBストリームと8自由度の状態入力を採用し、16ステップの関節空間動作を予測でき、長期的な視野のロボット操作タスクに特化しています。

マルチモーダルSafetensors

Llama Nemotron Reranking 1BはNVIDIAが開発した、テキスト検索の再ランキングに特化したモデルです。Llama-3.2-1Bアーキテクチャをベースに微調整されており、クエリと文書のペアに対して関連性の対数スコアを提供し、多言語と長文書の処理をサポートします。

自然言語処理Transformersその他

Llama Nemotron Embedding 1Bモデルは、NVIDIAが開発した、多言語およびクロス言語のテキスト質問応答検索に最適化された埋め込みモデルです。26言語をサポートし、最大8192トークンの文書を処理でき、動的な埋め込みサイズによりデータストレージの占有を大幅に削減できます。

自然言語処理Transformersその他

Nemotron-Flash-3Bは、NVIDIAが開発した新しい混合型小型言語モデルで、実際のアプリケーションにおける低遅延のニーズに特化して設計されています。このモデルは、数学、コーディング、一般知識の推論などのタスクで卓越した性能を発揮し、小バッチでの低遅延と大バッチでの高スループットの特性を兼ね備えています。

自然言語処理Transformers

Qwen3-Nemotron-32B-RLBFFはQwen/Qwen3-32Bをベースに微調整された大規模言語モデルで、強化学習フィードバック技術により、デフォルトの思考パターンでの応答生成品質を大幅に向上させています。このモデルは複数のベンチマークテストで優れた性能を発揮し、低い推論コストを維持しています。

自然言語処理Transformers英語

NVIDIA GPT-OSS-120B Eagle3は、OpenAIのgpt-oss-120bモデルをベースに最適化されたバージョンで、ハイブリッドエキスパート（MoE）アーキテクチャを採用し、総パラメータ数が1200億、アクティブなパラメータ数が50億です。このモデルは商用および非商用の使用をサポートし、テキスト生成タスクに適しており、特にAIエージェントシステムやチャットボットなどのアプリケーション開発に適しています。

自然言語処理Safetensors

これはNVIDIA-Nemotron-Nano-9B-v2モデルのFP8動的量子化バージョンで、重みと活性化をFP8データ型に量子化することで最適化を実現し、ディスクサイズとGPUメモリ要件を約50％削減し、同時に優れたテキスト生成性能を維持します。

自然言語処理Transformers多言語