NVIDIA 在德国于利希超级计算中心的 JUPITER 超算上完成 104 量子比特容错量子计算仿真，称这是迄今规模最大的容错量子处理器完整仿真。该仿真验证了 magic state cultivation 方法，所需物理量子比特比此前方法少 90%，并在真实噪声条件下运行。研究团队先在 NVAQC 的 GB200 NVL72 系统上开发方法，再扩展到 JUPITER 的 8192 块 GPU，使用 cuQuantum 和 CUDA-Q 完成计算。
匹配字段标题、摘要、正文
Nvidia 在 SEMICON West 2026 上公布下一代共封装光学（CPO）技术 optics-on-interposer（OOI），把光引擎从有机封装基板移到承载计算芯片的 interposer 上，从而将有机基板移出电信号路径，以提升带宽密度并降低功耗，目前已做出原型。Nvidia 同时展示密集波分复用（DWDM）技术，用 8 个波长、每个 32Gb/s 实现单根光纤 256Gb/s。两项技术均处于研究阶段，Nvidia 研究员 Nikola Nedovic 称正在为未来产品提出并评估这些技术，同时解决阻碍商用的难题。
匹配字段标题、摘要、正文
Artificial Analysis 公布 NVIDIA Vera Rubin NVL72 的首批 AA-AgentPerf 结果，在 DeepSeek V4 Pro 上每兆瓦总吞吐最高约为前代 GB300 NVL72 的 5.7 倍，DeepSeek V4.1 Flash 约 5.4 倍，GLM-5.2 约 3.0 倍，Kimi K3 约 2.8 倍。Vera Rubin NVL72 为机架级系统，含 72 颗 Rubin GPU 和 36 颗 Vera CPU，单颗 Rubin GPU 内存与 Blackwell Ultra 同为 288 GB，但内存带宽提升 2.4 倍。该基准回放真实编码智能体轨迹，请求输入最高 132K token，平均 97% 的输入 token 与上一请求重复。
匹配字段标题、摘要、正文
Prime Intellect 与 NVIDIA 为 Nemotron 3.5 Super VL 构建了 2500 个企业级验证任务，用 GRPO 在 128 张 NVIDIA GB200 GPU 上训练约 11 小时，使其在 AutomationBench-AA 公开集上从 34.0% 提升到 57.7%。任务按解决方案优先构建，检查项从参考解推导，并经过脚本化捷径攻击与反向测试，最新批次约 18000 次捷径尝试无一通过。训练环境、训练器与模板均已开源，同一流程可在 Prime Intellect Lab 上托管运行。
匹配字段标题、摘要、正文
Nvidia 一篇新论文发现，按智能体运行的每一步给基座模型打分，效果不如只按首次让测试通过的编辑打分。方法上，他们回放强智能体的成功运行轨迹，在每次编辑后重跑测试，找到第一个让测试通过的编辑，再检验基座模型是否偏好该编辑、能否在失败编辑中选中它并写出可通过的编辑。基座模型写出该编辑的可能性对 10 个模型的排名，与它们后训练后的 SWE-bench Verified 分数一致，相关性为 0.964。作者建议在为智能体任务选择待后训练的基座模型时先做这项检查，它只需要某个基准的成功智能体运行轨迹和测试。
匹配字段标题、摘要、正文
NVIDIA 与普林斯顿大学 Dao AI Lab 提出 ReplaySSM，将 SSM 状态表示为检查点加近期输入缓冲，把输出计算与状态更新分离。在 NVIDIA Blackwell Ultra B300 上，该技术将状态显存流量减少约一半，batch size 256 时 SSM 解码 kernel 提速 1.46x 至 1.80x，120B 级模型投机解码吞吐提升 1.85x 至 2.10x。用高精度检查点做递推、低精度副本做读取，可限制量化误差累积，四个评测模型中三个在 GPQA-Diamond 上与 FP32 精度差距约 2 个百分点以内。该工作已集成到 TensorRT-LLM、vLLM、SGLang 和 FlashInfer，并在 GLM-5.3-Flash 与 Kimi-K3 中生产使用。
匹配字段标题、摘要、正文
NVIDIA 用同一套微调配方把 Nemotron 打造成竞赛编程与奥数领域的专用模型：IOI 2026 上 Nemotron-3-Ultra-CC 得 535.4 分（满分 600），IMO 系统得 30 分（满分 42），超过官方金牌线。配方包括强基座模型、领域问题与推理轨迹数据、SFT 与 RL 后训练，以及生成-评估-改进的推理循环。相关 SFT 与 RL checkpoint、训练数据集、Nemotron-IMO-Bench 基准和 NeMo-Skills 推理流程已在 Hugging Face 开源。
匹配字段标题、摘要
NVIDIA、MIT 与牛津团队提出 Physis-Lang，把物理推理写入视频描述文本，同一套文本用于数据筛选、训练和推理。在 2026 年 9 月 29 日的 Physics-IQ Verified 榜单快照中，Cosmos3-Super 以 48.2 ± 1.4 排名第一，Cosmos3-Nano 以 43.3 ± 1.5 排名第二。方法用 GPT-5.5 生成描述、Gemini-3.1-Pro 作物理评审并迭代指令，最终训练集含 183K 视频，仅检索环节就在 3 个基准上平均提升 3.01 分，微调仅用 LoRA。
匹配字段标题、摘要、正文
NVIDIA 发布 SWE-Serve，用 53 个源自 83 个已合并 SGLang PR 的推理工程任务评测 AI 编码智能体，覆盖模型启用、解码、缓存、调度、服务 API 和分布式执行六类。在 19 个启动真实服务器的任务中，同一批补丁完整验证通过率为 45.9%，去掉实时服务检查后升至 69.4%，约三分之一补丁在真实服务路径上失败。11 个模型在 mini-swe-agent 闭卷条件下平均 pass@1 为 34.6% 至 75.5%，Claude Opus 5 与 GPT-5.6 Sol 最高约 75%。
匹配字段标题、摘要、正文
NVIDIA 的 Agentic Variation Operators（AVO）架构在 ARC-AGI-3 公开集 25 个环境中取得 100.00 RHAE 分数，完成全部 183 个关卡，共使用 6,624 次环境动作，比同样使用 Claude Opus 5 的 VISTA 系统少约 12%。AVO 此前在 NVIDIA DGX B200 上连续运行七天优化注意力内核，探索超过 500 个方向，产出 40 个提交版本，内核性能最高超过 cuDNN 3.5%、超过 FlashAttention-4 10.5%。该结果覆盖 ARC-AGI-3 公开集，不涉及半私有或私有竞赛集，作者强调长时程能力来自包含持久记忆、监督、工具与反馈的完整智能体系统，而非仅模型本身。
匹配字段标题、摘要、正文
Zyphra 发布 Zyda-2，一个约 5 万亿 token 的宽松许可数据集，由 DCLM、FineWeb-Edu、Zyda-1 和 Dolma v1.7 的 Common Crawl 部分经跨数据集去重与模型过滤组合而成，已在 HuggingFace 上开放。借助 NVIDIA NeMo Curator 的 GPU 加速，数据处理从 CPU 上的 3 周缩短到 2 天，总拥有成本降低 2 倍。Zyphra 称用 Zyda-2 退火训练的模型在 MMLU、Hellaswag 等聚合评测上优于 DCLM 和 FineWeb-Edu，其 Zamba2 系列模型即基于该数据集的早期版本训练。
匹配字段标题、摘要、正文
Eclypsium 在 NVIDIA 支持下演示，攻击者利用受损的 DPU 和宽松的内存隔离，可在推理过程中修改运行时模型权重，使模型回答改变，而磁盘上的模型文件和哈希校验仍显示正常。该实验在 NVIDIA Grace Hopper 环境完成，依赖 IOMMU passthrough 和宽松的 PCIe 隔离等条件，研究者明确指出这些并非 Linux 默认设置。报告将 DPU、GPU、管理控制器及其固件纳入 AI 安全边界，并指出模型签名、安全启动、运行时隔离和持续监控各自回答不同问题。
匹配字段摘要、正文
卡内基梅隆、纽约大学、斯坦福和 MIT 团队在 Nature 发表论文，提出 Stratego AI 系统 Ataraxos，在 20 局正式系列赛中以 15 胜 1 负 4 平击败荷兰选手 Pim Niemeijer，作者称这是首个在该棋类达到超人水平的 AI。训练仅用 16 块 Nvidia H100 GPU 一周加 4 块 GPU 四天，按 2025 年价格算不到 8000 美元，约为 DeepMind DeepNash 算力成本的 1/500。该方法还用于 Barrage Stratego、Hanabi 和斗地主，代码已公开。
匹配字段摘要、正文
Anthropic 分享 Claude 在 Claude Science 中优化 30 多个开源生物分子模型的结果，平均提速约 4 倍，输出完全一致时约 2 倍，并开发出低内存 Big 模式，可在单个 NVIDIA GPU 节点上准确预测超过 10,000 tokens 的生物分子系统。Anthropic 开源了全部优化代码，并与 Adaptyv Bio 联合发起蛋白质设计竞赛，提供最高 100 万美元 Claude 额度、25 万美元 Modal 算力额度和超过 5,000 个设计的湿实验验证。Claude 还开发了 FlashPairformer 自定义 kernel，在 triangle attention 上平均比现有方案快 2.7-2.9 倍。
匹配字段摘要、正文
SemiAnalysis 在 ClusterMAX 3.0 测试中对 25 家 neocloud 的 32 个集群做了约 4 个月安全审计，发现大量公开已知漏洞导致的跨租户元数据泄露、容器逃逸提权和跨租户 RCE，受影响数据涉及银行、电信、高校、研究机构和某国情报机构。文章还统计了 Nvidia 驱动、CUDA、PyTorch、Kubernetes、Docker 等组件的季度 CVE 数量，认为目前尚看不到 AI 显著推高漏洞披露的证据，并给出 InfiniBand 安全密钥、BlueField DPU 的 RShim 接口、多租户 Grafana 等具体配置建议。作者同时发布 cmax audit security 命令，供用户自查集群软件版本是否低于公开安全公告的最低版本。
匹配字段摘要、正文
SemiAnalysis 在 OpenAI 实验室用 InferenceX 实测了 OpenAI 自研推理 ASIC Jalapeño，称其在多个开源模型上的每兆瓦 token 吞吐超过 NVIDIA Blackwell，且在 DeepSeek R1 上并发 1 时达到每用户 700 tokens/s 以上，全程未使用投机解码。该芯片由 OpenAI 与 Broadcom 合作、2024 年中启动设计，2025 年 11 月完成 CoWoS 流片，采用 HBM4、单封装 15.4TB/s 带宽，架构上不做 prefill 与 decode 分离，用统一芯片池应对变化的负载比例。文章认为更公平的对手是同样使用 HBM4 的 Rubin，两者每美元输出 token 数接近，但 Jalapeño 尚未启用投机解码，量产计划从 2027 年起逐步爬坡。
匹配字段摘要、正文
Together AI 联合佐治亚理工、UIUC 和 CMU 提出 ThunderAgent，把每个智能体工作流抽象为可调度程序，以程序级调度缓解 KV cache thrashing，在合成数据生成流水线中实现最高 2.5 倍单节点吞吐提升。在单台 8×H100 节点、batch size 192 下，SGLang 吞吐降至 390 token/s、平均延迟 65s，ThunderAgent 达到 803 token/s、平均延迟 10.6s；8 节点集群上相对 SGLang Gateway 加速 2.39 倍，从 16 到 64 GPU 吞吐近线性扩展。该工作已被 ICML 2026 接收为 Spotlight 论文，代码开源，客户端只需增加一个 program_id 字段，并已被 SkyRL 和 NVIDIA Dynamo 采用。
Together AI 联合佐治亚理工、UIUC 和 CMU 提出 ThunderAgent，把每个智能体工作流抽象为可调度程序，以程序级调度缓解 KV cache thrashing，在合成数据生成流水线中实现最高 2.5 倍单节点吞吐提升。在单台 8×H100 节点、batch size 192 下，SGLang 吞吐降至 390 token/s、平均延迟 65s，ThunderAgent 达到 803 token/s、平均延迟 10.6s；8 节点集群上相对 SGLang Gateway 加速 2.39 倍，从 16 到 64 GPU 吞吐近线性扩展。该工作已被 ICML 2026 接收为 Spotlight 论文，代码开源，客户端只需增加一个 program id 字段，并已被 SkyRL 和 NVIDIA Dynamo 采用。
匹配字段摘要、正文
Epoch AI 建模全球 Nvidia GB200 与 GB300 芯片的推理吞吐，估算在服务 Kimi K2.6 类模型时，全球每秒可产出 5 亿至 200 亿个输出 token，具体取决于请求上下文长度。研究同时指出全球推理算力每年增长约 3.4 倍，而 token 需求按现有代理指标估算每年增长约 10 倍，可能已超过供给增速。若趋势延续，算力紧张可能临近，长上下文和智能体类工作负载受影响更明显，前沿能力访问价格或上升，日常用户则可能转向更小更便宜的模型。
匹配字段摘要、正文
NVIDIA宣布在德国于利希超级计算中心的JUPITER超算上完成104量子比特容错量子计算模拟,并称这是迄今规模最大的容错量子处理器完整模拟。该模拟验证了magic state cultivation方法,所需物理量子比特比此前方法少90%,并在真实噪声条件下运行。研究团队先在NVAQC的GB200 NVL72系统上开发方法,再扩展到JUPITER的8192块GPU,使用cuQuantum和CUDA-Q完成计算。目前该事件仅有NVIDIA官方发布这一项来源,尚无后续独立进展。
匹配字段标题
NVIDIA宣布在德国于利希超级计算中心的JUPITER超算上完成104量子比特容错量子计算模拟,并称这是迄今规模最大的容错量子处理器完整模拟。该模拟验证了magic state cultivation方法,所需物理量子比特比此前方法少90%,并在真实噪声条件下运行。研究团队先在NVAQC的GB200 NVL72系统上开发方法,再扩展到JUPITER的8192块GPU,使用cuQuantum和CUDA-Q完成计算。目前该事件仅有NVIDIA官方发布这一项来源,尚无后续独立进展。
匹配字段标题