英偉達發佈 Audex 統一模型：30B 總參數，避免多模態擴展後文本能力下滑問題
重點摘要
首頁 > 智能時代>人工智能 英偉達發佈 Audex 統一模型：30B 總參數，避免多模態擴展後文本能力下滑問題 2026/7/8 13:53:03 來源：IT之家 作者：故淵 責編：故淵 評論： IT之家 7 月 8 日消息，英偉達於今年 6 月發表論文，推出 Audex（Nemotron-Labs-Audex-30B-A3B）統一音頻-文本大語言模型，總。
首頁 > 智能時代>人工智能 英偉達發佈 Audex 統一模型：30B 總參數，避免多模態擴展後文本能力下滑問題 2026/7/8 13:53:03 來源：IT之家 作者：故淵 責編：故淵 評論： IT之家 7 月 8 日消息，英偉達於今年 6 月發表論文，推出 Audex（Nemotron-Labs-Audex-30B-A3B）統一音頻-文本大語言模型，總參數量 30B，激活參數 3B，在保留核心文本智能情況下，能理解和生成音頻（audio）和語音（speech）。
該模型骨幹為文本模型 Nemotron-Cascade-2-30B-A3B，後者為 52 層混合 Mamba-Transformer 結構，包含 128 個可路由專家、每次激活 6 個專家。該模型的設計目標是避免多模態擴展後文本能力下滑問題。論文顯示，Audex 將音頻輸入編碼後映射到文本嵌入空間，並把量化後的音頻輸出標記與文本標記統一處理。在音頻組件上，Audex 使用 AF-Whisper（音頻編碼器）處理 16kHz 輸入，配合兩層 MLP 適配器映射特徵，輸出詞表從原始 131072 個 Token 擴展至 205312 個 Tokens。
語音輸出採用 X-Codec2（語音編解碼器），速率為每秒 50 個標記，使用單層 finite scalar quantization（有限標量量化），碼本大小為 65536。非語音音頻採用 X-Codec（音頻編解碼器），速率為每秒 200 個標記，使用 4 層展平殘差向量量化。文本評測方面，Audex 在 MMLU-Redux 上得分 86.3；在 IMO AnswerBench 上為 81.
Related
相關文章
曝字節訓10億參數大模型，或超Mythos 5，張一鳴、梁汝波先後發聲
字節跳動正在訓練一個參數量高達10萬億的AI模型，規模可能超越Anthropic的Mythos 5。創辦人張一鳴在內部會議中強調編程的關鍵地位，並反對模型蒸餾，認為這只能複製而非超越對手。字節跳動在AI領域持續加大投入，同時在產品端與訓練端採取雙線進攻策略。
AI 需求擠爆雲計算，消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
因AI需求導致算力緊缺，亞馬遜AWS要求工程師關閉閒置的EC2實例，以減少資源浪費。數據顯示約65%的EC2實例在30天內平均CPU利用率低於20%，AWS因此升級計算優化器自動標記低使用率虛擬機。此外，AWS過去一年新增3.8吉瓦電力容量，仍難以應對GPU雲端實例的龐大需求。
六巨頭定AI插件新標準，撞臉Claude，Anthropic沒上桌
六大科技巨頭（AWS、Anysphere、GitHub、微軟、OpenAI、Vercel）聯合發布AI智能體插件統一開放規範Agent Plugins 1.0.0，旨在統一插件打包格式，減少開發者重複勞動。該規範的結構與Anthropic的Claude Code插件系統高度相似，但Anthropic並未參與制定，而是繼續經營自己的封閉生態。
DeepSeek重啟融資，三年市值對齊騰訊？
DeepSeek重啟第二輪融資，以5000億元人民幣估值尋求籌集80億美元，但網傳一份由小型醫藥私募發起的專項基金募資材料引發網友質疑，後經DeepSeek員工證實部分數據屬實。該公司近期宣布API大幅漲價，可能打破其以低價換規模的估值邏輯，面臨客戶流失風險。市場關注其能否從「價格屠夫」轉型為價值提供商，以及三年內市值能否對齊騰訊等巨頭。
可靈AI核心技術骨幹王鑫濤被曝離職
快手可靈AI核心技術骨幹王鑫濤被曝離職，去向未知，快手官方與本人均未回應。王鑫濤是圖像與視頻生成領域知名開源項目主要作者，被視為可靈從0到1的關鍵推手。其離職發生在可靈完成獨立融資、估值180億美元的關鍵階段，可能影響研發進度與競爭優勢。
AI短劇、漫劇、戀綜、電影、藝人都有了，AI觀眾也不遠了
2026年AI影視內容全面爆發，從短劇、長劇到電影、綜藝，AI製作的作品大量湧現，衛視也開始播出AI短劇。AI演員如方桃子迅速走紅，商業變現能力驚人，廣告報價甚至超過許多真人網紅。AI短劇市場規模已突破220億元，用戶超過6億，但同時也引發了對真人演員就業和內容品質的擔憂。