模型
C-RADIO
NVIDIA 开源的视觉编码器，用于多模态模型的图像和视频特征提取
时间轴 (近 90 天)
10月17日
Nemotron-3.5-Super-VL 带有一个 1.3GB 的视觉塔（C-RADIO），需逐层流式传输到 GPU，每张图处理耗时 0.4-1.6 秒。
待验证50%
10月16日
Nemotron 3.5 Super VL 采用 Mamba-2/Transformer 混合 MoE 架构，每个 MoE 层有 512 个路由专家，视觉侧搭配 C-RADIO 编码器，支持文本、JPEG/PNG 图像及最长 2 分钟 MP4 视频，上下文上限 1M token，并原生支持多 token 预测。
待验证50%