Poolside 发布 Laguna S 2.1，这是一个可在终端或开发环境中自主规划、改文件、跑代码并持续数小时的智能体编码模型，采用 MoE 架构，1180 亿参数、每 token 约 80 亿激活，支持最多 100 万 token 上下文，量化后可跑在单台 NVIDIA DGX Spark 上。在 Poolside 自家 harness 中，开启思考模式的 Laguna S 2.1 在 Terminal-Bench 2.1 上得分 70.2%，权重以 OpenMDW-1.1 许可发布在 Hugging Face，最终评测轨迹（含失败案例）也已公开。公司同时上线 macOS 桌面应用 Poolside Desktop Assistant，基于 Agent Client Protocol，可在同一窗口运行 Claude Code、Codex、Gemini 等智能体，本地模型通过 MLX 离线运行。
匹配字段摘要、正文
xAI 发布 Grok 4.5，称其为最强模型，专为编码、智能体任务和知识工作打造，并与 Cursor 联合训练。在 Datacurve 的 DeepSWE 基准上，Grok 4.5 得分 62.0%，高于 Opus 4.8 的 55.75%，低于 Fable 的 66.1% 和 GPT 5.5 的 64.31%。模型在数万块 NVIDIA GB300 GPU 上训练，推理速度 80 TPS，定价为每百万输入 token 2 美元、每百万输出 token 6 美元，并已成为 Grok Build 的默认模型。
匹配字段摘要、正文
Cohere 开源发布 Command A+，这是一款面向企业智能体任务、支持私有部署的 MoE 模型，采用 Apache 2.0 许可证，提供 218B 总参数和 25B 激活参数。该模型支持 48 种语言，并提供 BF16、FP8 和 W4A4 量化版本，最低可在两块 NVIDIA H100 或一块 NVIDIA Blackwell GPU 上运行。模型权重已上线 Hugging Face，也可通过 Model Vault、Cohere Space 或 API 使用。
匹配字段摘要、正文
Cognition 公布 SWE-1.6 的早期预览，该模型与 SWE-1.5 基于同一预训练模型做后训练，推理速度同为 950 tok/s，当前 checkpoint 在 SWE-Bench Pro 上比 SWE-1.5 高 11%。团队称通过改进 RL 配方和扩展基础设施获得两个数量级算力，训练步骤比 3 个月前快 6 倍，并使用低至 NVFP4 的精度和 NVIDIA Multi-Node NVLink 加速。目前该模型向少量用户开放早期访问以收集反馈，团队同时指出大规模 RL 带来了过度思考、过多轮次等影响模型使用体验的行为。
匹配字段摘要、正文
Prime Intellect 发布 INTELLECT-3，一个 106B 参数的 Mixture-of-Experts 模型，在 GLM-4.5-Air 基座上进行 SFT 和大规模 RL 训练，在数学、代码、科学和推理基准上取得同规模 SOTA。团队开源了模型权重、训练框架 prime-rl、verifiers 环境库及全部训练与评测环境，训练在 512 张 NVIDIA H200 GPU 上完成。模型可在 chat.primeintellect.ai 或通过 Inference API 使用。
匹配字段摘要、正文
微软 AI 发布首个高表现力语音生成模型 MAI-Voice-1，已在 Copilot Daily 和 Podcasts 中上线，并在 Copilot Labs 提供体验；该模型可在单张 GPU 上不到一秒生成一分钟音频。同时，微软 AI 首个端到端训练的基础模型 MAI-1-preview 已在 LMArena 开启公开测试，这是一个在约 15,000 块 NVIDIA H100 GPU 上完成预训练和后训练的 MoE 模型，未来数周将逐步用于 Copilot 的部分文本场景。
匹配字段摘要、正文
Mistral AI 发布 Mistral Small 3.1，提升文本性能和多模态理解，将上下文窗口扩展至 128k tokens，推理速度达每秒 150 tokens。该模型采用 Apache 2.0 许可证，基础版和指令版均已开放，可在单张 RTX 4090 或配备 32GB RAM 的 Mac 上运行。用户现可通过 La Plateforme API 和 Google Cloud Vertex AI 使用，NVIDIA NIM 与 Microsoft Azure AI Foundry 将在未来几周提供。
.1，提升文本性能和多模态理解，将上下文窗口扩展至 128k tokens，推理速度达每秒 150 tokens。该模型采用 Apache 2.0 许可证，基础版和指令版均已开放，可在单张 RTX 4090 或配备 32GB RAM 的 Mac 上运行。用户现可通过 La Plateforme API 和 Google Cloud Vertex AI 使用，NVIDIA NIM 与 Microsoft Azure AI Foundry 将在未来几周提供。 · Mistral AI released Mistral Small 3.1 with improved text performance and multimodal understanding, a context window of up to 128k tokens, and inference speeds of 150 tokens per second. Licensed under Apache 2.0, it is available in both base and instruct checkpoints an
匹配字段摘要、正文
Cartesia 发布 Llamba-1B、3B、8B 模型，采用 MOHAWK 架构蒸馏方法将 Llama-3.X 转换为 Mamba-2 架构，训练数据量比从头预训练少 1000 倍。Llamba-8B 在 NVIDIA H100 上生成 8192 tokens 时吞吐量比 Llama-3.1-8B 高 12 倍，并已针对 Apple Silicon 和 MLX 框架优化。
匹配字段摘要、正文
NVIDIA 发布端侧小模型 Nemotron-3.5-Bolt-E4B。2026 年 10 月 23 日的报道称,该模型可在 6GB 内存的设备上本地运行,面向手机等端侧设备;它基于 Gemma 4 训练,支持视觉,Unsloth 同时给出了 GGUF 文件和指南链接。NVIDIA 称其面向本地助手、交互角色和机器人等可对话并调用工具的场景。10 月 24 日的后续报道称,该模型为 8B 总参数、4B 有效参数、64K 上下文,基于 Google Gemma 4 E4B 仅用强化学习后训练;Q4_K_M 版本在 RTX 上占用 3.1 至 4.3 GB 显存,可在 GeForce RTX、Jetson 和 DGX Spark 上运行。该报道还称,NVIDIA 自测在 21 项基准中 15 项领先 Gemma 4 E4B、Qwen3.5-4B 和 Nemotron 3 Nano 4B,但 Tau2-Bench 为 55.1,落后 Qwen3.5-4B 的 75.1。
NVIDIA 发布端侧小模型 Nemotron-3.5-Bolt-E4B。2026 年 10 月 23 日的报道称,该模型可在 6GB 内存的设备上本地运行,面向手机等端侧设备;它基于 Gemma 4 训练,支持视觉,Unsloth 同时给出了 GGUF 文件和指南链接。NVIDIA 称其面向本地助手、交互角色和机器人等可对话并调用工具的场景。10 月 24 日的后续报道称,该模型为 8B 总参数、4B 有效参数、64K 上下文,基于 Google Gemma 4 E4B 仅用强化学习后训练;Q4 K M 版本在 RTX 上占用 3.1 至 4.3 GB 显存,可在 GeForce RTX、Jetson 和 DGX Spark 上运行。该报道还称,NVIDIA 自测在 21 项基准中 15 项领先 Gemma 4 E4B、Qwen3.5-4B 和 Nemotron 3 Nano 4B,但 Tau2-Bench 为 55.1,落后 Qwen3.5-4B 的 75.1。
匹配字段标题
NVIDIA 发布端侧小模型 Nemotron-3.5-Bolt-E4B。2026 年 10 月 23 日的报道称,该模型可在 6GB 内存的设备上本地运行,面向手机等端侧设备;它基于 Gemma 4 训练,支持视觉,Unsloth 同时给出了 GGUF 文件和指南链接。NVIDIA 称其面向本地助手、交互角色和机器人等可对话并调用工具的场景。10 月 24 日的后续报道称,该模型为 8B 总参数、4B 有效参数、64K 上下文,基于 Google Gemma 4 E4B 仅用强化学习后训练;Q4_K_M 版本在 RTX 上占用 3.1 至 4.3 GB 显存,可在 GeForce RTX、Jetson 和 DGX Spark 上运行。该报道还称,NVIDIA 自测在 21 项基准中 15 项领先 Gemma 4 E4B、Qwen3.5-4B 和 Nemotron 3 Nano 4B,但 Tau2-Bench 为 55.1,落后 Qwen3.5-4B 的 75.1。
匹配字段标题
2026年10月22日,NVIDIA发布预训练关系基础模型Kumo Relational,可直接在企业数据库上进行预测,单次前向传播即可完成,无需任务特定训练、特征工程或表展平。据同一发布信息,该模型在RelBench V1/V2、SAP SALT和4DBInfer共15个数据库的41个任务上,表现超过监督式关系深度学习模型和专家特征工程的梯度提升树流程;在SAP SALT上,其MRR比AutoGluon集成高8%。模型通过NVIDIA开源GPU原生structured-data-models库或NVIDIA NIM提供,支持500B+行数据库。目前尚无后续独立发展事实。
匹配字段标题
2026年10月21日,NVIDIA扩展Nemotron Retriever系列,发布多款开放模型,覆盖嵌入、重排与文档解析。此次推出的模型包括Nemotron 3.5 Embed(8B BF16、1B BF16、1B NVFP4)、Nemotron 3.5 Rerank 8B BF16,以及参数规模为6.31亿的Nemotron 3.5 Parse,面向企业智能体工作流的多模态检索与文档处理。NVIDIA称,在智能体检索流程中加入Rerank后,单次查询的token成本分别降低约14%(搭配8B嵌入模型)和13%(搭配1B模型),检索准确率同时提升。Parse在ParseBench上得分75.20,单张H100上每秒处理10.5页。开放权重、数据和训练配方已在Hugging Face发布,并可通过NVIDIA NIM及Baseten、DeepInfra、FriendliAI部署。
匹配字段标题
2026年10月22日,NVIDIA发布预训练关系基础模型Kumo Relational,可直接在企业数据库上进行预测,单次前向传播即可完成,无需任务特定训练、特征工程或表展平。据同一发布信息,该模型在RelBench V1/V2、SAP SALT和4DBInfer共15个数据库的41个任务上,表现超过监督式关系深度学习模型和专家特征工程的梯度提升树流程;在SAP SALT上,其MRR比AutoGluon集成高8%。模型通过NVIDIA开源GPU原生structured-data-models库或NVIDIA NIM提供,支持500B+行数据库。目前尚无后续独立发展事实。
匹配字段标题
2026年10月19日,Nvidia发布面向常驻智能体与边缘计算的开放权重模型。据TechCrunch AI报道,其中Nemotron 3.5 Super VL为1200亿参数的企业级智能体模型,Nvidia称其在指令遵循和工具调用任务上可达到Nemotron 3 Ultra相近的准确率;两款轻量Bolt模型面向搭载RTX Spark芯片的AI PC和DGX Spark工作站本地运行。报道称Super VL与Nemotron 3.5 Bolt 74B-A9B 24GB已可用,最小的Bolt E4B将于本月晚些时候推出。10月21日,Nvidia宣布扩展开放模型组合,覆盖语言、机器人、生物和量子计算,并围绕欧洲主权智能定位;组合包括Nemotron 3.5 Super VL与Nemotron 3.5 Bolt等。报道称Super VL已在Hugging Face、ModelScope、OpenRouter和build.nvidia.com上线,Bolt E4B 4GB预计10月23日可用。
匹配字段标题
2026年10月19日,Nvidia发布面向常驻智能体与边缘计算的开放权重模型。据TechCrunch AI报道,其中Nemotron 3.5 Super VL为1200亿参数的企业级智能体模型,Nvidia称其在指令遵循和工具调用任务上可达到Nemotron 3 Ultra相近的准确率;两款轻量Bolt模型面向搭载RTX Spark芯片的AI PC和DGX Spark工作站本地运行。报道称Super VL与Nemotron 3.5 Bolt 74B-A9B 24GB已可用,最小的Bolt E4B将于本月晚些时候推出。10月21日,Nvidia宣布扩展开放模型组合,覆盖语言、机器人、生物和量子计算,并围绕欧洲主权智能定位;组合包括Nemotron 3.5 Super VL与Nemotron 3.5 Bolt等。报道称Super VL已在Hugging Face、ModelScope、OpenRouter和build.nvidia.com上线,Bolt E4B 4GB预计10月23日可用。
English translation is being prepared.
匹配字段标题
2026年10月21日,NVIDIA与UW Medicine蛋白质设计研究所推出开放模型RFD4-Proteina。据NVIDIA Newsroom当日发布的信息,该模型将可编程蛋白质设计与搜索能力结合,可按分子输入、约束和评分目标生成并优化蛋白质设计;研究草稿中的测试显示,其在蛋白质结合、小分子结合、酶骨架和DNA结合四类基准上,计算设计成功率和生成吞吐均高于所评估的基线。模型已通过Amazon Bio Discovery、Anthropic的Claude Science、Benchling、Databricks、Google Cloud、Hugging Face、Nebius、OpenAI和Tamarind Bio等合作方提供。同日Unite.AI报道称,NVIDIA在GTC Berlin宣布这一合作,模型属于NVIDIA BioNeMo;Hugging Face模型卡显示其权重为435.6百万参数、FP32存储1.74 GB、以BF16运行,采用BSD 3-Clause许可,单张H200上250 token设计在BF16下耗时5.0秒。目前尚无后续发展事实。
匹配字段标题
NVIDIA 推出 开放模型RFD4-Proteina
English translation is being prepared.
匹配字段标题
2026年10月21日,NVIDIA扩展Nemotron Retriever系列,发布多款开放模型,覆盖嵌入、重排与文档解析。此次推出的模型包括Nemotron 3.5 Embed(8B BF16、1B BF16、1B NVFP4)、Nemotron 3.5 Rerank 8B BF16,以及参数规模为6.31亿的Nemotron 3.5 Parse,面向企业智能体工作流的多模态检索与文档处理。NVIDIA称,在智能体检索流程中加入Rerank后,单次查询的token成本分别降低约14%(搭配8B嵌入模型)和13%(搭配1B模型),检索准确率同时提升。Parse在ParseBench上得分75.20,单张H100上每秒处理10.5页。开放权重、数据和训练配方已在Hugging Face发布,并可通过NVIDIA NIM及Baseten、DeepInfra、FriendliAI部署。
匹配字段标题