NVIDIA Nemotron 3 Nano Omni 是英伟达于 2026 年 4 月推出的业界顶尖全模态开源模型。它基于 31B 总参数、~3B 激活参数的 Mamba2-Transformer 混合 MoE 架构，原生支持将视频、音频、图像和文本输入融合到单一推理流程中。其设计目标是为代理式 AI 系统提供统一的感知与推理子单元，有效替代传统的多模型拼接方案，从而大幅降低延迟与成本。
该模型在文档智能（如 OCRBenchV2）、音视频理解（如 MediaPerf）等多项基准测试中准确率领先，并在维持相同交互响应速度下，系统吞吐量可达到同类全模态模型的 7 至 9 倍。它特别适合用于驱动计算机操作代理（GUI 自动化）、处理复杂的多模态文档，以及对会议记录、培训视频等富媒体内容进行深度分析。模型基于 NVIDIA Open Model Agreement 开源，允许商业使用。