6月4日，英伟达发布基于Llama 3.1架构的Llama Nemotron Nano VL视觉-语言模型，专攻文档级理解任务。该模型整合CRadioV2-H视觉编码器与Llama 3.1语言模型，支持长达16K上下文处理，适用于多图像和复杂文本解析。模型分三阶段训练：图文预训练、多模态指令微调及文本指令优化，借助Megatron-LLM框架和A100/H100 GPU集群完成。在OCRBench v2测试中，其在OCR、表格解析及图表推理等任务上表现出色，尤其在结构化数据提取上媲美大规模模型。Llama Nemotron Nano VL支持灵活部署，兼容服务器与边缘设备，并提供4-bit量化版本，显著提升推理效率。此模型为企业文档处理提供高效解决方案。

11月26日，微软在其LlamaParse文档解析器中集成了Azure OpenAI端点，引入GPT-4o系列AI模型，以增强非结构化数据和多模态文档的提取及解析能力。此次升级使LlamaParse能更高效地处理文档，结合Azure OpenAI强大的语言模型，实现了从文档解析到生成的完整RAG工作流程。用户现在可以直接调用GPT-4o和GPT-4o-mini模型，并通过LlamaParse获得LLM优化输出，支持多种文档格式生成和语义搜索。此外，解析后的文档可无缝导入Azure AI Search的向量数据库，确保企业级的安全性和合规性。此更新为企业提供了更智能、更精准的文档处理解决方案。