英伟达的第一个 GauGAN 系统以后印象派画家保罗·高更的名字命名，在接受了超过 100 万张公共 Flickr 图像的训练后于 2019 年发布。它被用来创建 Nvidia 的快速绘画 Canvas 应用程序，该应用程序现在处于测试阶段。

GauGAN2 也是一个基于 GAN 的系统，在 1000 万张图像上进行了训练。它结合了“在单个模型中的分割映射、修复和文本到图像的生成”。

用户输入一个简短的短语，例如“白雪皑皑的山脉”，它就会生成图像。然后，用户可以创建概述对象位置的分割图，并使用他们自己的粗略草图调整场景。

据公司博客文章称，与其他最先进的模型相比，GauGAN2 的神经网络可生成“种类更多、质量更高的图像”。GauGAN2 现在可以在 Nvidia 的AI Demos网站上找到。

MT-NLG 在这些任务和其他任务上表现出“无与伦比的准确性”，包括阅读理解、常识推理、完成预测和词义消歧。

与 OpenAI 的 GPT-3 模型的 1750 亿个参数相比，该模型有 5300 亿个参数。但值得注意的是，它仍然不及谷歌的 Switch Transformer NLP 模型，它有1.6 万亿个参数。

更多的参数通常意味着一个更复杂的模型，使其更有能力理解语言的细微差别。它使用 Nvidia 价值 8500 万美元以上的 Selene 超级计算机进行训练，该超级计算机由 560 台 DGX A100 服务器组成，其中每台服务器都有 8 个 A100 80GB GPU。