面壁智能宣布开源 ForgeKernel，其智能体在约 22 小时内完成 42 轮迭代、产出 32 个内核版本，最终在 NVIDIA B200 上对 DeepSeek V4.1 FlashMLA Prefill 实现 1.098 倍性能，472 µs 对比基线 518 µs。官方 FlashMLA 实现全程封闭，智能体只能运行并计时其黑盒 CLI，无法读取源码、文档或性能剖析数据。此次开源内容包括优化后的 DeepSeek V4.1 融合预填充内核、论文中覆盖 attention、Gated DeltaNet、Kimi Delta Attention、GEMM 和卷积的内核，以及可用来优化自有内核的 ForgeKernel harness；在 27 个算子上，ForgeKernel 与 22 个专家库内核中的 18 个持平或更优，并优于三个内核生成系统已发布的全部 7 个内核。
匹配字段摘要、正文
Cohere 完成 Series-E 融资，目标规模最高 70 亿加元（约 47 亿欧元），估值约 357 亿加元（约 239 亿欧元），由 Lidl 和 Kaufland 母公司 Schwarz 集团领投，加拿大政府和 Nvidia 等现有投资方参与。Cohere 此前已与海德堡的 Aleph Alpha 合并，实际为 Cohere 收购后者，海德堡继续作为研发基地。Cohere 专注面向企业和政府的 Sovereign AI，其技术可在私有云、自有基础设施或完全隔离环境中运行，Schwarz 集团计划把 Cohere 模型接入自家 STACKIT 云。
匹配字段摘要、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
Akamai 于 10 月 29 日发布 Akamai Inference 和 Akamai Agent Sandbox 两个产品的 beta 版，让用户在 Akamai Cloud 上运行 AI 模型并安全执行 AI 智能体生成的代码。Akamai Inference 支持 12 个开放权重模型，包括 OpenAI 的 gpt-oss-120b、Google 的 Gemma 4 和 Nvidia 的 Nemotron 3 Ultra，并提供兼容 OpenAI 的 API。Agent Sandbox 基于 WebAssembly 隔离技术，限制代码对计算资源、网络连接和系统功能的访问。
匹配字段摘要、正文
LG CNS 第三季度营收1.6643万亿韩元、营业利润1382亿韩元，同比分别增长9.3%和15.0%，营业利润率升至8.3%。金融IT业务收入增长21.3%至4082亿韩元，AI与云业务收入增长9.3%至9615亿韩元，占总营收57.8%。公司9月决定采购价值3814亿韩元的设备，包括Nvidia下一代Vera Rubin GPU，用于建设AI工厂。
匹配字段摘要、正文
Mistral AI 于当地时间 10 月 29 日正式开放 Mistral Large 4（代号 le Chonk）模型权重，这是一款 1 万亿总参数、490 亿激活参数的原生多模态模型，在欧洲自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练。官方称其在 Artificial Analysis Coding Agent Index 得分 48%，与 GLM-5.3 基本持平，但平均每个任务消耗的 Token 减少 47%。模型基于修改版 MIT 许可证发布，个人、学术、微调及常规商业化可免费使用，提供 MaaS 转售的云厂商需单独获取商业授权；在线调用定价为输入每百万 Token 0.70 美元、输出 2.10 美元。
匹配字段摘要、正文
Mistral AI 发布新旗舰前沿模型 Mistral Large 4，代号 Le Chonk，结束公开预览后开放下载。该模型支持文本和图像处理，重点强化防御性网络安全、智能体能力以及地理空间与 grounding 能力，据称在 SWE-bench 和 Terminal Bench 等智能体基准上达到 state-of-the-art。模型训练覆盖 160 多种语言，可通过 Mistral Studio、Mistral API、OpenRouter、Hugging Face 开放权重、Vibe Code 及 Nvidia 托管端点使用。
匹配字段摘要、正文
Teradyne Robotics 与 Sereact 在 Nvidia GTC Berlin 2026 宣布正式合作，把 Sereact 的物理 AI 平台 Cortex 运行在 Universal Robots 的协作机器人上，用于退货处理、拣选等非结构化任务。双方已向包括 Zalando 在内的欧洲客户交付数百台 UR 机器人组成的双臂系统，并在德国 Greven 和波兰 Świebodzin 的 Zalando 履约中心自主处理退货商品。Cortex 是基于 Nvidia Isaac Sim 与 Cosmos 训练的 VLA 模型，部署时运行在 Nvidia Jetson Thor 上。
匹配字段摘要、正文
Akamai 发布 Akamai Inference 和 Akamai Agent Sandbox 两项服务：前者通过 OpenAI 兼容 API 提供 12 个开放权重模型，参数量从 8B 到 2.8T，包括 NVIDIA Nemotron 3 Ultra、OpenAI gpt-oss-120b 和 Google Gemma 4；后者基于 WebAssembly 隔离运行 AI 智能体生成的代码，并以 Spin 框架开源组件形式发布。Akamai 同时扩充 NVIDIA Blackwell Ultra GPU 集群，每个八卡节点配备 2.3 TB HBM3e 内存。
匹配字段摘要、正文
Oracle 宣布将在 OCI 上部署 Google TPU，以及来自 OpenAI、Cerebras、SambaNova 和 Positron AI 的推理芯片，让客户在 Nvidia GPU 之外有更多算力选择。Oracle 称将成为 Google Cloud 之外首家提供 TPU 的超大规模云厂商，TPU 与 Cerebras 晶圆级引擎计划 2027 年上线，Positron Atlas 已可用。同时 Oracle 扩大与 Nvidia 的合作，Vera Rubin NVL72 系统和 Vera CPU 已在 OCI 正式可用。
匹配字段摘要、正文
SoMark 开源了 1.3B 参数的文档解析模型 OXR-1.0，可将 PDF 和页面图像转成 Markdown 或 JSON，权重已发布在 Hugging Face，轻量测试可在单张 24GB GPU 上运行。该模型在 olmOCR-Bench、OmniDocBench 和 DocParsingBench 上排名第一，在单张 NVIDIA RTX PRO 6000 GPU 上解码速度 558 tokens/s，端到端解析 100 页约 101 秒。其训练后阶段采用递归自我改进（RSI）循环，由通用 VLM 判定解析结果并生成新标注页面，无需人工标注。
匹配字段摘要、正文
VicOne LAB R7 展示了被篡改的输入如何在安全功能照常工作的情况下改变机器人行为：在 Gemma 4 E4B 机器狗测试中，海报上的文字被当作指令改变了其移动；在 Nemotron + NVIDIA Jetson AGX Orin 的医院服务机器人仿真中，人耳听不见的构造音频改变了模拟行为。研究人员还在机器人 bug bounty 活动中向本应保持静止的 ROS 2/DDS 机器人注入消息，使其移动。VicOne 建议在部署前后用对抗场景检验安全限值，并对照 GB/T 45502-2025、IEC TS 63074 及 2027 年 1 月 20 日适用的欧盟机械法规提供证据。
匹配字段摘要、正文
韩国推理芯片初创公司 FuriosaAI 完成 6.2 亿美元融资，估值达 29 亿美元，由韩国国家增长基金领投 2.8 亿美元。公司称其基于 RNGD 架构的 TCP 芯片功耗不到 Nvidia GPU 的一半，并兼容 PyTorch 和 vLLM；本轮资金将用于扩大下一代 TCP 芯片产能，计划今年生产 2 万颗、2027 年翻倍至 4 万颗，同时与 Broadcom 联合开发第三代处理器。
匹配字段摘要、正文
Mistral AI 宣布开放其前沿模型 Mistral Large 4（代号 Le Chonk）的权重，该模型拥有 1 万亿参数、520 亿激活参数，原生支持多模态。ML4 在欧洲数据中心用 3800 块 Nvidia Grace Blackwell GPU 训练，在 Terminal-Bench 4.0 上从 28% 提升到 41%，与 GLM-5.3 并列编码智能体最佳成绩，且平均每任务少用 47% token。开放权重意味着企业可在自有硬件和防火墙内部署，模型提供低、中、高三档推理模式。
匹配字段摘要、正文
Mistral AI 于 10 月 29 日在 Hugging Face 发布 Mistral Large 4（代号 Le Chonk）的开放权重，该模型总参数 1000 亿级规模中的 1000 亿参数、每 token 实际调用约 49 亿参数，采用 MoE 架构，128 个专家中每次激活 4 个加 1 个共享专家。相比 10 月 6 日预览版，Mistral 称三周内继续强化学习，Terminal-Bench 4.0 得分从 28% 升至 41%，Artificial Analysis 代码指数为 48%，与 GLM-5.3 持平且每任务平均少用 47% token。API 价格降为输入每百万 token 0.70 美元、输出 2.10 美元；新许可证 Mistral Ecosystem Open-Weight License 允许商业使用，但转售模型服务需另签协议，完整版需 8 张 Nvidia B200 或 B300。
匹配字段摘要、正文
PyTorch 基金会发布 PyTorch 2.15，所有使用 nccl 的进程组默认改用重写后的 NCCL 后端，并附带在集合通信挂起时转储现场信息的 flight recorder，可通过 TORCH_DIST_USE_NCCL2=0 或 nccl-legacy 回退。该版本还为 Apple Silicon 加入 float8_e4m3fn 与 _scaled_mm 支持，新的 grouped_mm 在 M3 Ultra 上让 MoE 解码吞吐提升 1.32–1.34 倍。默认 wheel 升级到 CUDA 13.2，同时提供 CUDA 13.4 wheel 并实验性支持 NVIDIA Rubin GPU，另新增 ROCm 10.0 wheel，且不再支持 Python 3.10 和 macOS 14。
PyTorch 基金会发布 PyTorch 2.15，所有使用 nccl 的进程组默认改用重写后的 NCCL 后端，并附带在集合通信挂起时转储现场信息的 flight recorder，可通过 TORCH DIST USE NCCL2=0 或 nccl-legacy 回退。该版本还为 Apple Silicon 加入 float8 e4m3fn 与 scaled mm 支持，新的 grouped mm 在 M3 Ultra 上让 MoE 解码吞吐提升 1.32–1.34 倍。默认 wheel 升级到 CUDA 13.2，同时提供 CUDA 13.4 wheel 并实验性支持 NVIDIA Rubin GPU，另新增 ROCm 10.0 wheel，且不再支持 Python 3.10 和 macOS 14。
匹配字段摘要、正文
AnySpeechRecognizer 在 Apple SpeechAnalyzer API 之上支持切换引擎，可选用 NVIDIA Parakeet TDT 0.6B v3（支持 25 种欧洲语言）、Moondream 后训练的 Parakeet Ultra、英文版 Parakeet Unified，以及阿里 Qwen3-ASR（0.6B/1.7B，覆盖 30 种语言和 22 种中文方言）。这些模型已转为 Core ML 发布在 Hugging Face Hub，Parakeet 转写 1 小时音频约需 20–40 秒，Qwen3-ASR 更慢且需数 GB 内存。包内还新增 Apple 框架没有的说话人分离模块 SpeakerDiarizer，基于 NVIDIA Streaming Sortformer，最多跟踪 4 位说话人。
匹配字段摘要、正文
Mistral AI 在为期三周的预览后，将 Mistral Large 4 的权重发布到 Hugging Face。该多模态模型在 3800 块 Nvidia 加速器上训练，参数量达一万亿，目前仍难以在游戏 PC 或单卡上运行。Mistral 称其在网络安全基准 CyberGym-E2E 上领先 GLM-5.3 和 Kimi K3，在智能体编码基准 Terminal Bench 4.0 上与 GLM-5.3 持平，但尚无独立评测；预览版定价为每百万输入 token 1.4 美元、每百万输出 token 4.2 美元。
匹配字段摘要、正文
AWS 发布 Ray Train DLC 镜像 ray:train-ml-cuda-v1.1，预集成 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 与 EFA 及 AWS OFI NCCL 插件，无需自行构建镜像即可在 EKS 上分布式训练。示例用 PyTorch FSDP 在两台 g6.12xlarge 的 8 张 NVIDIA L4 GPU 上微调 Qwen2.5-1.5B，跨节点通信直接走 EFA。镜像公开托管于 Amazon ECR Public，节点无需凭证即可拉取。
匹配字段摘要、正文
Block 的 AI 研究实验室发布全双工语音模型 Dessa，以研究预览形式开放候补名单，只用人声对话音频训练，未使用文本和预训练模型。该模型可在 MacBook Pro M4 Max 或更高配置上本地运行，速度快于实时；训练使用 1 台 NVIDIA GB200 NVL72（72 块 GPU），目前未公布基准分数、参数量、权重、论文或 API。
匹配字段摘要、正文