Theo giám sát từ Động Sát Beating, NVIDIA đã mã nguồn mở hai mô hình chuyên dụng được tối ưu hóa cho hệ sinh thái tác tử thông minh, bao gồm mô hình nhận dạng giọng nói đa ngôn ngữ thời gian thực Nemotron 3.5 ASR với 600 triệu tham số, và mô hình bảo vệ an toàn đa phương thức Nemotron 3.5 Content Safety với 4 tỷ tham số, được tinh chỉnh dựa trên Google Gemma-3-4B-it.
Mô hình nhận dạng giọng nói Nemotron 3.5 ASR sử dụng kiến trúc Cache-aware hỗ trợ xử lý luồng, hỗ trợ dấu câu thích ứng và dự đoán chữ hoa/chữ thường cho hơn 40 ngôn ngữ, với độ trễ suy luận luồng đơn bước dưới 100 mili giây. Trong bài kiểm tra hiệu năng của nhóm khung Pipecat bên thứ ba, khi triển khai trên card đồ họa NVIDIA L40S, mô hình đạt được thông lượng cực cao, và nhà phát triển có thể cân bằng giữa độ trễ và độ chính xác bằng cách cấu hình động kích thước khối Chunk Size.
Mô hình kiểm tra an toàn nội dung Nemotron 3.5 Content Safety hỗ trợ gốc 12 ngôn ngữ bao gồm tiếng Trung, tiếng Anh, bao phủ 23 danh mục an toàn, hỗ trợ đánh giá đồng thời prompt của người dùng, hình ảnh đầu vào và phản hồi của trợ lý trong một cửa sổ ngữ cảnh 128K token duy nhất. Ngoài việc xác định vi phạm chính sách, mô hình còn có thể tạo ra dấu vết suy luận Reasoning Traces khi xuất kết quả phân loại, giúp doanh nghiệp kiểm tra cơ sở logic của các phán quyết an toàn.
