英伟达发布 Audio Flamingo 3：全球首个支持 10 分钟音频理解的开源模型
在视觉和文本领域大模型持续突破之后，音频理解也开始迎来新的里程碑。英伟达近日发布了 Audio Flamingo 3（AF3），这是目前最先进的开源大型音频语言模型（Large Audio Langu...
排序
英伟达推出世界生成与自适应多模态控制Cosmos-Transfer1
英伟达推出了一个名为 Cosmos World Foundation Model Platform 的平台，旨在为 Physical AI（物理人工智能）提供定制化的世界模型（World Founda...
这对英伟达来说可能是坏消息！AI芯片初创公司Cerebras 新建 6 个 AI 数据中心，每秒处理 4000 万tokens
Cerebras Systems，一家致力于挑战英伟达在AI市场主导地位的初创公司，于周二宣布了一项重大扩展计划：在全球新增六个AI数据中心。此举不仅将大幅提升其推理能力，还将与关键行业伙伴建立合作关...
英伟达开源了世界上第一个人形机器人基础模型 GR00T N1，加速通用人形机器人开发
人形机器人旨在适应人类工作空间，处理重复性或高要求任务。然而，为现实世界的任务和不可预测环境开发通用人形机器人具有挑战性。每项任务通常需要专用的AI模型。从头开始为每个新任务和环境训练这些模型是一个繁...
英伟达 CEO 黄仁勋表示市场对 DeepSeek 的影响理解错误
英伟达创始人兼首席执行官黄仁勋在最近的一次采访中表示，市场对 DeepSeek 技术进步及其对英伟达业务潜在负面影响的理解存在偏差。他强调，DeepSeek 的开源推理模型 R1 并不会削弱对计算资源...
英伟达发布OpenReasoning-Nemotron：多规模推理模型，覆盖数学、科学与编程
英伟达近日发布了 OpenReasoning-Nemotron 模型家族，这是一组专为数学、科学和编程推理任务优化的大语言模型。 模型：https://huggingface.co/collectio...
在 ComfyUI 中使用英伟达物理世界基础模型Cosmos-Predict2 实现文生图与视频生成指南
Cosmos-Predict2 是由英伟达推出的新一代物理世界基础模型，专为物理 AI 场景下的高质量视觉生成与预测任务设计。该模型具备高度的物理准确性、环境交互能力以及细节还原度，能够真实模拟复杂的...
英伟达 TensorRT 为 RTX显卡带来 2 倍性能提升，全面支持所有 RTX显卡
英伟达宣布将 TensorRT AI 加速技术 引入 RTX 平台，为所有 GeForce RTX显卡提供最高可达 2 倍于 DirectML 的性能提升。这一突破性进展不仅显著优化了 AI 推理速度...
英伟达发布人体运动的通用模型Genmo：实现从视频、2D 关键点、文本描述、音乐和3D 关键帧等多种条件信号中生成和估计高质量的人类运动
英伟达研究团队开发的统一框架 GENMO，用于人类运动建模。GENMO 的目标是将人类运动估计（estimation）和生成（generation）任务整合到一个框架中，从而实现从视频、2D 关键点...
英伟达发布开源大语言模型Llama-3.1 Nemotron Ultra-253B-v1：以半数参数超越DeepSeek R1
英伟达今天发布了一款全新的开源大语言模型—Llama-3.1 Nemotron Ultra-253B-v1，这款拥有2530亿参数的模型在多个基准测试中表现出色，甚至超越了竞争对手DeepSeek R...
英伟达联合团队提出新型连续时间流图（flow map）模型 AYF：统一扩散与流模型的少步生成方案
由英伟达、多伦多大学及矢量研究所联合提出一种新型的连续时间流图（flow map）模型Align Your Flow（AYF） ，显著提升扩散模型和基于流的生成模型的采样效率。这些模型虽然在图像与文本...
英伟达开源ViPE工具：从普通视频中精准提取3D信息，还附赠9600万帧标注数据集
在空间AI领域，“3D几何感知”是许多技术落地的基础——无论是AR场景构建、自动驾驶环境感知，还是视频内容的3D重构，都需要精准的相机姿态、内参和深度信息。但长期以来，从野外随机拍摄的视频（如自拍、行...
