NVIDIA представила Nemotron 3.5 Super VL — модель с открытыми весами на 120 млрд параметров, из которых 12 млрд активируются при обработке каждого токена. Она работает с текстом, изображениями и видео, умеет рассуждать и вызывать инструменты. Основной сценарий — агенты, которые выполняют многошаговые задачи без постоянного участия человека.В зрительной части модель ориентирована на работу с документами: распознавание текста, таблиц, графиков, веб-страниц и PDF. Она также обрабатывает видео длительностью до двух минут. Это может пригодиться для извлечения данных из отчётов, анализа экранных записей и автоматизации процессов, в которых нужно одновременно учитывать текстовую и визуальную информацию. Читать далее