←搜索结果

搜索“NVIDIA”

按匹配度 · 共 89 条结果 清除搜索

星期三

  1. TechSpot

    DLSS 5 新模型实测：渲染速度提升约八成，画质问题仍在

    TechSpot 实测 NVIDIA 十月更新的 DLSS 5 模型，在 RTX 50 系列上 4K 渲染速度平均提升 83%、1440p 提升 94%，未达到官方宣称的两倍。以 NBA 2K27 为例，RTX 5080 在 4K 下帧率从 53 FPS 升至 78 FPS，但相比关闭 DLSS 5 仍有 58% 的性能损失。作者指出画质与初版基本持平，光照闪烁、远距离肤色异常和角色边缘光晕等问题依然存在。

    匹配字段摘要、正文

    #tech-media#评测/基准#图像生成#数据/训练
  2. 事实所属事件

    Nvidia发布参数减少24%的DLSS 5新模型

    Nvidia 发布了 DLSS 5 新版本模型,其参数较此前减少 24%。TechSpot 于 2026 年 10 月 21 日发布的实测显示,该十月更新模型在 RTX 50 系列上 4K 渲染速度平均提升 83%、1440p 提升 94%,未达到官方宣称的两倍。以 NBA 2K27 为例,RTX 5080 在 4K 下帧率从 53 FPS 升至 78 FPS,但相比关闭 DLSS 5 仍有 58% 的性能损失。测试还指出,该模型画质与初版基本持平,光照闪烁、远距离肤色异常和角色边缘光晕等问题依然存在。目前该模型已随十月更新推出,后续状态暂无更多有证据的发展。

    匹配字段标题

    查看事件：Nvidia发布参数减少24%的DLSS 5新模型

星期五

  1. The Verge AI

    RTX Spark 笔记本一周实测：游戏、本地 AI 与续航表现如何

    The Verge 三位作者用一周时间实测五款搭载 Nvidia RTX Spark N1X 芯片的笔记本，包括 128GB 版 Surface Laptop Ultra、Asus ProArt P16、Lenovo Yoga 9n 和 HP OmniBook Ultra，售价从 3199.99 美元到 6999.99 美元。游戏方面，中画质加 DLSS 性能模式在多数游戏中可稳定 60fps，但 Helldivers 2 等 CPU 受限场景难以达标，作者认为其图形性能大致介于 RTX 5070 与 RTX 5060 Laptop GPU 之间。本地 AI 体验仍偏开发者测试阶段，用 Qwen3.8-27B 生成新闻简报耗时 10 分钟并消耗 10% 电池，续航在网页办公下约 5 小时左右。

    匹配字段摘要、正文

    #tech-media#评测/基准#端侧#部署/工程

星期三

  1. Artificial Analysis精选

    Artificial Analysis 将 DeepSeek V4.1 Flash 纳入 AA-AgentPerf 基准，GB300 每兆瓦吞吐达 261M tokens/s

    Artificial Analysis 将 DeepSeek V4.1 Flash 加入其智能体推理性能基准 AA-AgentPerf，并给出 NVIDIA 与 AMD 硬件的实测结果。在每用户 100 tokens/s 下，NVIDIA GB300 以约 261M tokens/s 每兆瓦居首，其后为 B300（约 220M）、B200（约 193M）、GB200（约 178M）和 MI355X（约 128M）。V4.1 Flash 在 Artificial Analysis Intelligence Index 上得分 39，高于此前的 V4 Pro 0813（36），参数量约为其三分之一（552B backbone、16B 激活，对比 1.6T 与 49B），最少可在 2 张 GPU 上运行，相比 V4 Pro 0813 在每用户 100 tokens/s 下每兆瓦吞吐提升约 1.3 倍（GB300）至 6.2 倍（B200）。

    匹配字段摘要、正文

    #editorial#评测/基准#Agent#部署/工程
  2. 事件1 条新闻 · 1 个事实

    NVIDIA 发布用于 Apache Spark 的 cuDF skills

    2026年10月14日,NVIDIA 发布用于 Apache Spark 的 cuDF skills。据 NVIDIA 开发者博客介绍,该方案用 AI 智能体重写 Apache Spark UDF,通过 Spark SQL 表达式、RapidsUDF 接口或 JNI 调用自定义 CUDA kernel 三种方式消除 CPU 回退,实现 20 倍以上加速。cuDF skills for Apache Spark 将重写拆成测试、转换、基准测试和优化四个带验证反馈的环节。文中提到,一家大型消费科技公司用该流程改造了 30 多个生产 UDF,其中一个 UDF 影响 3000 多个作业,改写后提速 22 倍。目前尚无后续发展事实。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    LMSYS 在 NVIDIA Vera Rubin 上跑通 SGLang 与 Miles

    LMSYS 于 2026 年 10 月 9 日宣布,在提前获得的 NVIDIA Vera Rubin 节点上跑通 SGLang 推理与 Miles 强化学习训练。据 LMSYS Blog 介绍,团队拿到两个 Vera Rubin 节点共 8 块 GPU,把两套系统搬上该平台。推理侧针对 Kimi K3 NVFP4 调整 attention、MoE/通信与 KDA 内核,其中更深的 MLA 流水线在 batch 16、128k 上下文下快 16%,融合 MoE 尾部每步减少 276 次内核启动、端到端提升 5.9%。训练侧 Miles 以 SGLang 做 rollout、Megatron 做训练,在单托盘 4 块 GPU 上开箱跑通 Qwen3-30B-A3B 的 GSM8K 训练,奖励从约 45% 升到 95%,并在 Vera CPU 上以 64 个沙箱运行 SWE-bench Verified 的智能体 RL。目前尚无后续发展事实。

    匹配字段标题

星期三

  1. AWS Machine Learning

    在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线

    AWS 发布教程，演示如何在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线：作曲智能体用 Claude Sonnet 4.6 生成音乐简报并在实例自带的 NVIDIA L4 上运行 ACE-Step 模型渲染音频，交付智能体读取共享文件并做 EQ、压缩、限幅处理，合规智能体独立复测并筛查与曲库的谐波相似度。三个智能体通过同一 runtimeSessionId 共置在同一 EC2 实例上共享文件系统，会话最长可保持 14 天，各团队可独立部署自己的智能体。

    匹配字段摘要、正文

    #lab#教程/实践#Agent#部署/工程

星期三

  1. Together AI Blog精选

    如何用 17 美元训练自己的 Jev 分类模型

    Together AI 发布教程，介绍如何基于 Qwen3.5 4B 微调一个类似 Jev 的分类模型，训练成本约 17 美元、耗时约 25 分钟。教程从 Hugging Face 的多个数据集采样 38,340 条样本，经 fetch_sources.py 和 build_all.py 归一化后，用 Together 微调服务训练，再部署到 1x_nvidia_h100_80gb_sxm 专用端点并通过 HTTP 接口调用。作者同时上线了 together/Tev1-4B-experimental，不想自行训练的用户可直接在 Together 无服务器平台使用。

    Together AI 发布教程，介绍如何基于 Qwen3.5 4B 微调一个类似 Jev 的分类模型，训练成本约 17 美元、耗时约 25 分钟。教程从 Hugging Face 的多个数据集采样 38,340 条样本，经 fetch sources.py 和 build all.py 归一化后，用 Together 微调服务训练，再部署到 1x nvidia h100 80gb sxm 专用端点并通过 HTTP 接口调用。作者同时上线了 together/Tev1-4B-experimental，不想自行训练的用户可直接在 Together 无服务器平台使用。

    匹配字段摘要、正文

    #company#教程/实践#数据/训练#部署/工程

星期五

  1. Together AI Blog精选

    Together AI 如何构建全球最快的语音转文字技术栈

    Together AI 优化 ASR 全链路，使 NVIDIA Parakeet-TDT 0.6B v3 可在不到 10 秒内转录约 20 小时语音，并与 OpenAI Whisper Large v3 一同成为 Artificial Analysis 排名中延迟最低的两款模型。其方案采用多配置 TensorRT、条件 CUDA 图、Unix 域套接字、共享内存和 epoll，解码器提速 2–3 倍。通过 gc.freeze() 排除预分配对象的 GC 扫描后，约 200 ms 的 p95 延迟尖峰也随之消失。

    Together AI 优化 ASR 全链路，使 NVIDIA Parakeet-TDT 0.6B v3 可在不到 10 秒内转录约 20 小时语音，并与 OpenAI Whisper Large v3 一同成为 Artificial Analysis 排名中延迟最低的两款模型。其方案采用多配置 TensorRT、条件 CUDA 图、Unix 域套接字、共享内存和 epoll，解码器提速 2–3 倍。通过 gc.freeze() 排除预分配对象的 GC 扫描后，约 200 ms 的 p95 延迟尖峰也随之消失。 · Together AI optimized its full ASR serving path, enabling NVIDIA Parakeet-TDT 0.6B v3 to transcribe roughly 20 hours of speech in under 10 seconds; together with OpenAI Whisper Large v3, it ranks among the two lowest-latency models on Arti

    匹配字段摘要、正文

    #company#教程/实践#语音#部署/工程

星期二

  1. Together AI Blog

    大规模推理基准测试：编码智能体

    Together Inference Engine 在 Kimi K2.5 编码智能体负载下，以相同的 4× NVIDIA B200 硬件实现了比 TensorRT-LLM 高 31% 的 TPS，并在饱和时保持约 2 倍更优的 TTFT。测试采用约 45k–200k Token 的长提示词和平均 450 Token 的输出；SGLang 因 TP4 内存不足改用 8× B200。性能提升来自 ThunderMLA、定制内核重写及真实流量下的端到端分析。

    Bar chart titled Coding agents with pink and orange bars on dark background with code snippets behind.

    Together Inference Engine 在 Kimi K2.5 编码智能体负载下，以相同的 4× NVIDIA B200 硬件实现了比 TensorRT-LLM 高 31% 的 TPS，并在饱和时保持约 2 倍更优的 TTFT。测试采用约 45k–200k Token 的长提示词和平均 450 Token 的输出；SGLang 因 TP4 内存不足改用 8× B200。性能提升来自 ThunderMLA、定制内核重写及真实流量下的端到端分析。 · Together Inference Engine delivered 31% higher TPS than TensorRT-LLM on a Kimi K2.5 coding-agent workload using the same 4× NVIDIA B200 hardware, while maintaining roughly 2× better TTFT at saturation. The benchmark used prompts of about 45k–200k tokens and outputs av

    匹配字段摘要、正文

    #company#评测/基准#编码#部署/工程

星期一

  1. Together AI Blog精选

    服务 DeepSeek-V4：为何百万 Token 上下文是推理系统问题

    DeepSeek-V4 通过 CSA、HCA 与 SWA 混合注意力在 KV 存储前压缩上下文，支持 1M-token 上下文窗口，但实际效率取决于推理引擎的缓存管理。Together AI 在 NVIDIA HGX B200 上调整 SWA 缓存策略后，将单节点 KV 缓存容量从约 1.2M tokens 提升至 3.7M tokens。长上下文、解码密集型任务最先受益，短上下文任务仍更依赖预填充优化与内核成熟度。

    Three diagrams comparing CSA, HCA, and SWA methods with different compression and KV token reads.

    DeepSeek-V4 通过 CSA、HCA 与 SWA 混合注意力在 KV 存储前压缩上下文，支持 1M-token 上下文窗口，但实际效率取决于推理引擎的缓存管理。Together AI 在 NVIDIA HGX B200 上调整 SWA 缓存策略后，将单节点 KV 缓存容量从约 1.2M tokens 提升至 3.7M tokens。长上下文、解码密集型任务最先受益，短上下文任务仍更依赖预填充优化与内核成熟度。 · DeepSeek-V4 supports a 1M-token context window by compressing context before KV storage with a hybrid CSA, HCA, and SWA attention design, but its realized efficiency depends on inference-engine cache management. After adjusting the SWA cache policy on NVIDIA HGX B200, Together AI increa

    匹配字段摘要、正文

    #company#教程/实践#DeepSeek#部署/工程

星期二

  1. vLLM 官方博客

    如何使用 vLLM 加速 GLM-4.5 与 GLM-4.5V 推理

    vLLM 介绍了如何在 NVIDIA Blackwell 和 Hopper GPU 上加速 GLM-4.5 与 GLM-4.5V 系列推理，其最新主分支已支持两类模型。GLM-4.5 与 GLM-4.5V 均提供 FP8 和 BF16 精度版本，可使用相同命令运行；8x H100 显存不足时需添加 `--cpu-offload-gb 16`，遇到 flash_infer 问题可暂用 `VLLM_ATTENTION_BACKEND=XFORMERS`。GLM-4.5V 还支持根据复杂描述逐步推理并输出目标对象的边界框坐标。

    vLLM 介绍了如何在 NVIDIA Blackwell 和 Hopper GPU 上加速 GLM-4.5 与 GLM-4.5V 系列推理，其最新主分支已支持两类模型。GLM-4.5 与 GLM-4.5V 均提供 FP8 和 BF16 精度版本，可使用相同命令运行；8x H100 显存不足时需添加 --cpu-offload-gb 16 ，遇到 flash infer 问题可暂用 VLLM ATTENTION BACKEND=XFORMERS 。GLM-4.5V 还支持根据复杂描述逐步推理并输出目标对象的边界框坐标。

    匹配字段摘要、正文

    #engineering#教程/实践#部署/工程#Agent

星期四

  1. 事件1 条新闻 · 1 个事实

    Nvidia发布参数减少24%的DLSS 5新模型

    Nvidia 发布了 DLSS 5 新版本模型,其参数较此前减少 24%。TechSpot 于 2026 年 10 月 21 日发布的实测显示,该十月更新模型在 RTX 50 系列上 4K 渲染速度平均提升 83%、1440p 提升 94%,未达到官方宣称的两倍。以 NBA 2K27 为例,RTX 5080 在 4K 下帧率从 53 FPS 升至 78 FPS,但相比关闭 DLSS 5 仍有 58% 的性能损失。测试还指出,该模型画质与初版基本持平,光照闪烁、远距离肤色异常和角色边缘光晕等问题依然存在。目前该模型已随十月更新推出,后续状态暂无更多有证据的发展。

    匹配字段标题

星期五

星期日

  1. 事件1 条新闻 · 1 个事实

    NVIDIA分享记忆驱动Chief of Staff Agent方案

    2026年9月4日,NVIDIA分享了一套基于NemoClaw的记忆驱动Chief of Staff Agent实践。该方案通过Markdown自模型与SQLite账本分离证据与判断。在Agent Memory Benchmark上,自模型将整体准确率从82.8%提升到90.9%,变化事实的跟踪率从60.0%提升到100%。运行时由NVIDIA OpenShell沙箱管控文件系统、进程和网络访问,凭据留在沙箱之外。相关配方与设计提案已开源在NVIDIA/nemoclaw-community仓库。目前尚无后续发展事实。

    匹配字段标题

星期五

星期三