NVIDIA 的效率怪獸：一個 30B 開源多模態模型，如何用五招把影音處理做到又快又便宜
NVIDIA 一個 30B 參數的開源多模態模型，主打的不是「最聰明」，而是吞吐量與成本效率——影音處理又快又便宜。它用五個設計把影像、影片、音訊的處理成本壓下來，代價是純文字推理與程式碼能力不是頂尖。
Tag
#multimodal
2 篇文章
Sonic：把人類動作壓縮成 4200 萬參數，就能開機器人的通用控制器
NVIDIA 團隊的 Sonic 用約 4200 萬參數，把人類動作影片、語音、音樂甚至文字，轉譯成人形機器人能穩定執行的全身動作；訓練昂貴但成品輕到能在手機上跑，並開源釋出。