Llama Nemotron Nano VL 8B

Llama Nemotron Nano VL 8B — визуально-языковая модель NVIDIA, представленная 3 июня 2025 года. Она анализирует не только текст, но и страницы документов, таблицы, диаграммы, графики и снимки экранов. Компания позиционирует её для обработки документов и извлечения сведений из визуально сложных материалов, в том числе для финансовых и корпоративных сценариев.

Извлечение сведений из документов

Текст, таблицы, схемы и графики

Модель принимает изображения и формирует текстовый ответ. В демонстрациях NVIDIA показывала чтение PDF-страниц, поиск значений в таблицах и интерпретацию визуальной структуры графиков и диаграмм. Это может помочь автоматизировать первичный разбор документов, но результаты извлечения важных финансовых, юридических или медицинских данных требуют проверки человеком или контрольной системой.

Состав и доступ

Языковая основа Llama и отдельный визуальный энкодер

В технической публикации NVIDIA связывает качество модели с настройкой Llama 3.1 8B, данными NeMo Retriever Parse и визуальным энкодером C-RADIO v2. Разработчик сообщал о доступе через NIM API и загрузке весов на Hugging Face. Показатели OCRBench V2 — результаты испытаний NVIDIA; сравнение необходимо рассматривать с учётом версии теста и использованной конфигурации.

Следующее поколение для документов

Nano VL и Nano 2 VL

Следующее мультимодальное решение для анализа документов и видео — Nemotron Nano 2 VL 12B, выпущенная позднее в 2025 году. Для чисто текстовых рассуждений NVIDIA развивала модели Llama Nemotron Nano и Nemotron Nano 2.

Дата выпуска и первичный источник

Подтверждение NVIDIA

Технический блог NVIDIA опубликован 03.06.2025; он описывает Llama Nemotron Nano VL для документов, графиков, таблиц, диаграмм и снимков экранов, использование C-RADIO v2 и NeMo Retriever Parse, а также доступ через API и веса. Официальный материал: NVIDIA.

Сведения о разработчике и его моделях: NVIDIA в Вики Futuretools.ru.