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
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
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
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
Nvidia于2026年10月15日宣布推出Nemotron 3.5 Super VL与面向端侧的3.5 Bolt模型。据Nvidia官方介绍,Super VL为120B参数开放模型,面向常驻智能体任务,官方称其在同类开放模型中吞吐最高,比次优模型快5倍;同时推出Bolt 74B-A9B 24GB与Bolt E4B 4GB两款端侧模型,前者可在RTX/DGX Spark本地运行智能体任务,后者面向GeForce RTX、Jetson上的语音与对话智能体。Super VL与Bolt 74B-A9B已上线Hugging Face,Bolt E4B计划于10月23日发布。同日,SGLang宣布为Super VL提供Day-0支持,在单张RTX 6000 PRO上借助MTP达到243.9 tok/s;Prime Intellect与Nvidia用GRPO在128张GB200 GPU上后训练约11小时,使其在AutomationBench-AA公开集上从34.0%提升到57.7%。当晚OpenRouter上线该模型,次日Perplexity宣布Pro和Max订阅用户及Agent API可使用。
English translation is being prepared.
匹配字段标题
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
Nvidia 发表论文 按首次通过测试的编辑评估基座模型的方法
English translation is being prepared.
匹配字段标题
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
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
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
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
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
NVIDIA AVO 达到 ARC-AGI-3公开集100.00 RHAE并完成全部183关
English translation is being prepared.
匹配字段标题
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
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
Nvidia于2026年10月15日宣布推出Nemotron 3.5 Super VL与面向端侧的3.5 Bolt模型。据Nvidia官方介绍,Super VL为120B参数开放模型,面向常驻智能体任务,官方称其在同类开放模型中吞吐最高,比次优模型快5倍;同时推出Bolt 74B-A9B 24GB与Bolt E4B 4GB两款端侧模型,前者可在RTX/DGX Spark本地运行智能体任务,后者面向GeForce RTX、Jetson上的语音与对话智能体。Super VL与Bolt 74B-A9B已上线Hugging Face,Bolt E4B计划于10月23日发布。同日,SGLang宣布为Super VL提供Day-0支持,在单张RTX 6000 PRO上借助MTP达到243.9 tok/s;Prime Intellect与Nvidia用GRPO在128张GB200 GPU上后训练约11小时,使其在AutomationBench-AA公开集上从34.0%提升到57.7%。当晚OpenRouter上线该模型,次日Perplexity宣布Pro和Max订阅用户及Agent API可使用。
匹配字段标题
2026年10月12日,Nvidia发表一篇新论文,提出按首次通过测试的编辑来评估基座模型。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,研究者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
2026年8月21日,NVIDIA披露其AVO智能体系统搭配Claude Opus 5,在ARC-AGI-3公开集的25个环境中取得100.00 RHAE,并完成全部183个关卡。AVO共执行6,624次环境操作,较使用同一模型的VISTA少约12%,但相关结果并非受控对照。此前,AVO还曾连续运行七天优化注意力内核,性能最高超过cuDNN 3.5%、超过FlashAttention-4 10.5%。
匹配字段标题