NVIDIA lanceert Nemotron 3 Nano Omni: multimodaal en 9x efficiënter

NVIDIA heeft de Nemotron 3 Nano Omni gelanceerd, een nieuw open AI-model dat visie, audio en taal verenigt in één efficiënt package. Volgens NVIDIA is het model tot 9x efficiënter voor agentic workloads, wat het ideaal maakt voor toepassingen waar meerdere modaliteiten tegelijk nodig zijn.

De lancering past in NVIDIA’s bredere strategie om niet alleen hardware te leveren, maar ook de software-ecosystemen die daarop draaien. Nemotron 3 Nano Omni is open source beschikbaar via NVIDIA NeMo, waardoor ontwikkelaars het model kunnen aanpassen aan hun specifieke gebruikssituaties. Het model combineert visuele verwerking, spraakherkenning en tekstgeneratie in één architectuur, wat de noodzaak voor aparte gespecialiseerde modellen vermindert.

Voor de AI-industrie is deze lancering belangrijk omdat het de verschuiving naar multimodale agenten bevestigt. In plaats van aparte modellen voor beeld, geluid en tekst, kunnen ontwikkelaars nu één model inzetten dat alle modaliteiten begrijpt en verwerkt. Dat bespaart compute-kosten en vermindert latentie — twee kritieke factoren voor real-time AI-toepassingen.

NVIDIA lanceert Nemotron 3 Nano Omni: multimodale AI 9x efficiënter

NVIDIA heeft de Nemotron 3 Nano Omni gelanceerd, een open multimodaal model dat visie, audio en taal verenigt in één systeem. Het model brengt het bereik van een volledig AI-agentteam samen in een enkele architectuur, met 9x hogere doorvoer dan vergelijkbare open modellen en topscores op zes benchmarks voor documentintelligentie en video-audiobegrip.

De Nemotron 3 Nano Omni heeft een 30B-A3B hybride mixture-of-experts Architectuur met Conv3D en Extended Video Sampling. Het model verwerkt tekst, beelden, audio, video, documenten, grafieken en grafische interfaces als input en produceert tekst als output. Met een contextlengte van 256K tokens en real-time HD-scherminterpretatie lost het een fundamenteel probleem op: AI-agents hoeven niet langer meerdere perceptiemodellen te combineren, wat latency, contextverlies en kosten vermindert.

Bedrijven als Palantir, Foxconn en Dell Technologies evalueren het model, terwijl Aible, H Company en anderen het al toepassen. Volgens Gautier Cloix, CEO van H Company, is de shift praktisch: agents die voorheen seconden nodig hadden om een scherm te interpreteren, kunnen nu full-HD-opnames in real-time verwerken. Nemotron 3 Nano Omni is beschikbaar via Hugging Face, OpenRouter en build.nvidia.com, plus 25 partnerplatforms.

AI-gekte veroorzaakt tekort aan Mac mini

Een onverwachte run op de M4 Mac mini zorgt voor grote tekorten bij Apple, waardoor prijzen op eBay explosief stijgen. De oorzaak is de populariteit van de compacte machine voor het draaien van lokale AI-modellen, zoals OpenClaw en ZeroClaw.

De basismodellen zijn momenteel volledig uitverkocht, waardoor kopers uitwijken naar de tweedehands markt waar markups van honderden dollars gebruikelijk zijn. Zelfs de Mac Studio begint nu schaars te worden.

Dit onderstreept de groeiende behoefte aan betaalbare, energiezuinige hardware die lokaal AI kan draaien zonder afhankelijk te zijn van de cloud, een trend die de vraag naar specifieke geheugenconfiguraties verder opdrijft.

NVIDIA en Google Cloud bouwen toekomst van Agentic AI

NVIDIA en Google Cloud hebben hun krachten gebundeld om de ontwikkeling van Agentic AI en Physical AI te versnellen. Door de nieuwste Blackwell-GPU’s te integreren in Google’s cloud-infrastructuur, kunnen bedrijven nu sneller complexe AI-agenten trainen die niet alleen denken, maar ook fysieke acties in de echte wereld kunnen coördineren.

Deze samenwerking richt zich specifiek op het creëren van ‘AI-fabrieken’, waarbij rekenkracht op enorme schaal wordt ingezet om robotica en autonome systemen naar een hoger niveau te tillen. Het gebruik van NVIDIA NeMo en Omniverse maakt het mogelijk om digitale tweelingen te creëren waarin AI-modellen veilig kunnen experimenteren voordat ze in fysieke machines worden geïmplementeerd.

De implicaties zijn groot voor de logistiek en productie, waar autonome agenten nu efficiënter kunnen worden ingezet. Het markeert een verschuiving van passieve AI-chatbots naar actieve systemen die tastbare impact hebben op de fysieke infrastructuur.

NVIDIA versnelt kleurcorrectie in Premiere Pro met 32-bit GPU-acceleratie

Adobe en NVIDIA presenteren op de NAB Show 2026 in Las Vegas een geheel nieuwe Color Grading Mode voor Premiere Pro, volledig aangedreven door NVIDIA RTX GPUs. De update markeert de eerste keer dat Premiere Pro kleurcorrectie in 32-bit kleurdiepte uitvoert, een flinke sprong voor videomakers die tot nu toe moesten werken met beperkte precisie.

De nieuwe modus transformeert Premiere Pro van een simpele editor naar een volwaardig kleurcorrectie-instrument, met bidirectionele bediening, multi-zone tonale aanpassingen en gestapelde kleurbewerkingen die direct op de GPU draaien. Daardoor vallen trage renders weg: editors zien veranderingen direct en kunnen sneller itereren. Naast de Premiere-update brengt NVIDIA een vernieuwde versie uit van Project G-Assist, een experimentele AI-assistent die GeForce RTX-systemen helpt tunen, beheren en optimaliseren.

Voor de professionele videomarkt is dit een duidelijk signaal: GPU-versnelling wordt de standaard, niet de uitzondering. Wie al werkt met RTX-hardware profiteert direct, en Adobe zet met deze zet een belangrijke stap richting een geintegreerde workflow waarin monteren en kleurcorrectie naadloos samenkomen. De Color Mode is momenteel beschikbaar als bèta.

NVIDIA gooit kwantumcomputingwereld op zijn kop met open Ising-modellen

NVIDIA heeft op 14 april 2026 de wereldwijd eerste open source kwantum-AI-modellen gelanceerd: de NVIDIA Ising-familie. Deze modellen zijn ontworpen om onderzoekers en bedrijven te helpen bij het bouwen van schaalbare kwantumprocessors die praktische toepassingen aankunnen.

Het kernprobleem in kwantumcomputing is dat qubits fragiel zijn en gevoelig voor fouten. De Ising-modellen tackelen dit met twee hoofdcomponenten: Ising Calibration voor automatische kalibratie van kwantumprocessors (van dagen naar uren) en Ising Decoding voor real-time foutcorrectie. Dit laatste is tot 2,5x sneller en 3x nauwkeuriger dan de huidige pyMatching-standaard.

“AI is essentieel om kwantumcomputing praktisch te maken,” aldus Jensen Huang. “Met Ising wordt AI het controleplane — het besturingssysteem van kwantummachines.” Het model is vernoemd naar een wiskundig model uit de statistische fysica.

Partners als Harvard, Lawrence Berkeley National Laboratory, IonQ en IQM Quantum Computers zetten Ising al in. NVIDIA levert ook een cookbook met workflows en trainingsdata, plus NVIDIA NIM-microservices voor eenvoudige deployment. De modellen draaien lokaal, waardoor bedrijven hun data kunnen beschermen.

De markt voor kwantumcomputing zou volgens analistenbureau Resonance in 2030 de $11 miljard kunnen passeren — maar dat hangt af van doorbraken in foutcorrectie en schaalbaarheid. Ising is NVIDIA’s nieuwste zet in wat steeds meer op een race begint te lijken.

NVIDIA gebruikt AI om zijn volgende generatie chips te ontwerpen

NVIDIA heeft openbaar gemaakt hoe strikt de eigen AI-intern wordt ingezet bij het ontwerpen van nieuwe chips. Het bedrijf maakt gebruik van een systeem genaamd NB-Cell, een reinforcement learning-systeem dat standard cell libraries — cruciaal voor de overgang naar nieuwe productieprocessen — nu kan porten in een enkele nacht op een GPU. Voorheen kostte dit acht engineers tien maanden.

Maar wat vooral opvalt is de filosofische kant die chief scientist William Dally schetst in gesprekken met Google’s Jeff Dean: I would love to have the end-to-end stage where I could simply say, design me the new GPU, but I think we are a long way from that. Het einde is dus nog niet in zicht, maar de stappen zijn indrukwekkend.

Naast NB-Cell heeft NVIDIA interne large language models ontwikkeld — Chip Nemo en Bug Nemo genaamd — getraind op eigen architectuurdocumentatie en RTL van elke GPU die het bedrijf ooit heeft gebouwd. Junior designers kunnen deze raadplegen om te begrijpen hoe complexe hardware-blokken werken, zonder senior engineers te hoeven lastigvallen. Dally noemt het a very patient mentor.

Op circuit-niveau gaat AI nog verder: het reinforcement learning-systeem komt met ontwerpen that no human would ever come up with, but they are actually 20% or 30% better than the human designs, aldus Dally. Dit is geen toekomstmuziek meer — het gebeurt nu al bij NVIDIA.

De stap naar volledig end-to-end AI-chipdesign blijft echter een forse afstand. Dally’s voorzichtige inschatting onderstreept dat hoewel AI taken kan versnellen en optimaliseren, de menselijke oversight nog steeds cruciaal blijft voor de definitieve beslissingen.