系统之家装机大师 7 月 8 日最新消息，英伟达研究团队正式发布 Nemotron-Labs-Audex-30B-A3B（简称 Audex）统一音频 - 文本大模型。核心突破在于：在新增音频输入输出全链路能力的同时，主干文本模型的基准性能几乎无衰减。
该模型骨干为文本模型 Nemotron-Cascade-2-30B-A3B，后者为 52 层混合 Mamba-Transformer 结构，包含 128 个可路由专家、每次激活 6 个专家。
该模型的设计目标是避免多模态扩展后文本能力下滑问题。论文显示，Audex 将音频输入编码后映射到文本嵌入空间，并把量化后的音频输出标记与文本标记统一处理。
在音频组件上，Audex 使用 AF-Whisper（音频编码器）处理 16kHz 输入，配合两层 MLP 适配器映射特征，输出词表从原始 131072 个 Token 扩展至 205312 个 Tokens。
语音输出采用 X-Codec2（语音编解码器），速率为每秒 50 个标记，使用单层 finite scalar quantization（有限标量量化），码本大小为 65536。非语音音频采用 X-Codec（音频编解码器），速率为每秒 200 个标记，使用 4 层展平残差向量量化。
文本评测方面，Audex 在 MMLU-Redux 上得分 86.4，高于骨干模型的 86.3；在 IMO AnswerBench 上为 81.1，高于骨干的 79.3，但在 MMLU-Pro 与 GPQA-Diamond 上出现小幅下降。
系统推荐
1. 拥有超强的性能，专为“干重活”的专业用户设计(例如 CAD、动画、媒体制作者、图形设计团队等等)，推荐你下载：Windows11 25H2 专业工作站版（前往下载）
2. 真正纯净的 Windows11 专业版系统，安装完成以后不捆绑软件，系统占用小。推荐你下载：Windows11 25H2 纯净专业版系统（前往下载）
3. 拥有五年超长生命周期支持的养老版，不频繁更新补丁，适合对稳定性要求高的企业用户。推荐你下载：Win11 24H2 LTSC 2024 企业版（前往下载）
4. 支持远程桌面主机、组策略管理等高级功能，适合对安全性、管理性和专业性有更高需求的用户。推荐你下载：Windows 11 25H2 专业版（前往下载）
以上是系统之家装机大师提供的最新资讯，感谢您的阅读，更多精彩内容请关注系统之家装机大师官网。
热门视频
换一批
