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23日,MiniMax公开致谢NVIDIA NeMo团队,感谢其为MiniMax-M3.1-Flash提供day-0微调支持。据MiniMax官方发布的信息,被引用的Huiying Li帖文称,该模型在公开前已通过Space Bunny处理200T+ tokens,目前已经开放权重。官方说明还提到,NeMo-AutoModel的day-0微调支持涵盖FSDP2、专家并行、流水线并行和上下文并行,可扩展至128块GPU,并可直接加载NVFP4 checkpoint。目前该事件仅有这一项官方事实,尚无后续发展。
匹配字段标题
2026年10月23日,MiniMax公开致谢NVIDIA NeMo团队,感谢其为MiniMax-M3.1-Flash提供day-0微调支持。据MiniMax官方发布的信息,被引用的Huiying Li帖文称,该模型在公开前已通过Space Bunny处理200T+ tokens,目前已经开放权重。官方说明还提到,NeMo-AutoModel的day-0微调支持涵盖FSDP2、专家并行、流水线并行和上下文并行,可扩展至128块GPU,并可直接加载NVFP4 checkpoint。目前该事件仅有这一项官方事实,尚无后续发展。
匹配字段标题
2026年10月22日,NVIDIA发布面向AI工厂的AIOps平台Minerva。据NVIDIA官方博客介绍,该平台汇集基础设施与AI负载的遥测数据,再用专用AI模型把数据转化为可执行洞察;它构建动态知识图谱,映射GPU、SuperNIC、交换机、线缆及运行其上的作业逻辑,每小时分析数十亿数据点,学习正常行为、检测未见异常并预测故障。平台内置AI助手,可连接外部智能体工具,支持用自然语言排查集群健康并给出修复建议。IREN、IBM、Jio、Lambda、Tesla等计划部署,Dell、Lenovo、Supermicro将把它纳入AI工厂运维产品组合。同日Unite.AI报道称,Minerva内置名为Sherlock的多智能体AI助手并提供MCP server,IREN、Bitdeer AI等已在使用。目前尚无后续发展事实。
匹配字段标题
2026年10月21日,NVIDIA在GTC Berlin展示RTX Spark、DGX Spark和DGX Station三条本地AI硬件线,并公布多项软件更新。官方信息显示,DGX Spark 64GB于10月23日上市;NVIDIA Sync将支持最多八台DGX Spark集群,并在本月加入Model Launcher;DGX Station for Windows预计12月推出;Recursive Flint本地编码模型以Apache 2.0开源权重发布。10月23日的后续报道称,DGX Spark正式支持八节点集群,统一内存扩展至1TB,可本地运行Z.ai完整GLM 5.3(753B)等前沿模型;官方基准显示Qwen3.8-27B(NVFP4)解码吞吐从单节点约12 tokens/s提升到八节点52 tokens/s,八节点实现4.43x解码加速,nanochat预训练取得7.79x加速、97.4%扩展效率。NVIDIA Sync的八节点集群支持将在年底前推出。
匹配字段标题
2026年10月21日,NVIDIA在GTC Berlin展示RTX Spark、DGX Spark和DGX Station三条本地AI硬件线,并公布多项软件更新。官方信息显示,DGX Spark 64GB于10月23日上市;NVIDIA Sync将支持最多八台DGX Spark集群,并在本月加入Model Launcher;DGX Station for Windows预计12月推出;Recursive Flint本地编码模型以Apache 2.0开源权重发布。10月23日的后续报道称,DGX Spark正式支持八节点集群,统一内存扩展至1TB,可本地运行Z.ai完整GLM 5.3(753B)等前沿模型;官方基准显示Qwen3.8-27B(NVFP4)解码吞吐从单节点约12 tokens/s提升到八节点52 tokens/s,八节点实现4.43x解码加速,nanochat预训练取得7.79x加速、97.4%扩展效率。NVIDIA Sync的八节点集群支持将在年底前推出。
匹配字段标题
2026年10月21日,NVIDIA发布OpenShell参考架构,用于在企业基础设施和边缘系统上构建、隔离、观测并强制执行安全智能体,该架构现已可用。架构以Vera Rubin运行模型推理、Vera CPU承载智能体harness、BlueField-4 DPU运行Sentry做芯片级策略执行,Sentry可在毫秒级隔离越界智能体。同日,NVIDIA发布安全软件框架Sentry,在BlueField-4 DPU的硬件隔离信任域中监控AI智能体并执行访问策略,不依赖主机软件;该框架属于GTC Berlin公布的OpenShell参考架构,计划于明年初开放。随后,Red Hat与Nvidia扩大合作,计划将OpenShell参考架构作为原生能力集成到其AI平台,并通过Red Hat AI Factory with Nvidia为自主AI智能体提供运行时安全控制、模型访问治理和硬件支持。
匹配字段标题
2026年10月21日,NVIDIA发布OpenShell参考架构,用于在企业基础设施和边缘系统上构建、隔离、观测并强制执行安全智能体,该架构现已可用。架构以Vera Rubin运行模型推理、Vera CPU承载智能体harness、BlueField-4 DPU运行Sentry做芯片级策略执行,Sentry可在毫秒级隔离越界智能体。同日,NVIDIA发布安全软件框架Sentry,在BlueField-4 DPU的硬件隔离信任域中监控AI智能体并执行访问策略,不依赖主机软件;该框架属于GTC Berlin公布的OpenShell参考架构,计划于明年初开放。随后,Red Hat与Nvidia扩大合作,计划将OpenShell参考架构作为原生能力集成到其AI平台,并通过Red Hat AI Factory with Nvidia为自主AI智能体提供运行时安全控制、模型访问治理和硬件支持。
匹配字段标题
2026年10月21日,Nvidia在GTC Berlin 2026主题演讲中发布五层AI架构。NVIDIA创始人兼CEO黄仁勋将AI描述为由能源、AI工厂、模型和应用构成的五层结构,并称已进入新工业革命的起点。据NVIDIA Blog同日发布的现场更新,黄仁勋还提到L'Oréal、Revolut、Spotify、Merck、Vodafone、Zara、Porsche、Nestlé和HSBC等欧洲公司正与NVIDIA合作推进AI,并称NVIDIA已在欧洲技术生态投入近100亿美元、与12000多家合作伙伴协作。次日,The Elec报道称该架构名为“Five-Layer Cake”,五层依次为电力与能源基础设施、加速计算硬件、AI工厂基础设施(含neoclouds与通信网络)、覆盖语言/生物/化学/物理/机器人/动画等领域的AI模型,以及把token接入行业与企业的应用层;黄仁勋呼吁欧洲自建完整五层架构、从AI消费者转为生产者。目前尚无后续发展事实。
匹配字段标题
2026年10月21日,NVIDIA宣布扩展开源Agent Toolkit,并推出Agent Knowledge Foundation。据NVIDIA Newsroom当日发布的信息,此次扩展还新增OpenShell安全运行时、NemoClaw蓝图以及NeMo Relay、NeMo Compass等工具。Agent Knowledge Foundation包含CUDA-X库和新的Auto-Ontology库,并集成Nemotron Retriever与Kumo系列开放模型,企业无需迁移数据或重建现有工作流即可使用。同一来源称,Palantir、Databricks、Snowflake等企业已在各自平台中接入该工具集。目前尚无后续独立发展事实。
匹配字段标题
NVIDIA 发布了时间序列预测模型 Kumo Forecast(原 NV-Tesseract Forecasting)。该模型以 MOMENT-1-large 为主干,采用约 3.4 亿参数的编码器加可训练预测头,编码器权重保持冻结。其 DARR 模式通过 k 近邻从历史数据中检索模式,并与直接预测结果融合;同时提供按预测步长输出滞后与特征归因的可解释框架。模型以 Apache 2.0 许可发布,支持 256 至 2048 的输入序列长度。目前尚无后续发展事实。
匹配字段标题
Mistral AI于2026年10月21日宣布与NVIDIA合作,将AI引入工业工程领域。据Testing Catalog报道,双方合作内容包括更快的仿真、面向物理AI的开放基准与配套数据集,以及在CAE和EDA场景下对智能体AI进行评测。此外,Mistral的模型将接入NVIDIA Omniverse库,用于GPU加速的3D场景生成。目前该合作处于宣布阶段,尚无后续进展披露。
匹配字段标题
2026年10月22日,NVIDIA发布面向AI工厂的AIOps平台Minerva。据NVIDIA官方博客介绍,该平台汇集基础设施与AI负载的遥测数据,再用专用AI模型把数据转化为可执行洞察;它构建动态知识图谱,映射GPU、SuperNIC、交换机、线缆及运行其上的作业逻辑,每小时分析数十亿数据点,学习正常行为、检测未见异常并预测故障。平台内置AI助手,可连接外部智能体工具,支持用自然语言排查集群健康并给出修复建议。IREN、IBM、Jio、Lambda、Tesla等计划部署,Dell、Lenovo、Supermicro将把它纳入AI工厂运维产品组合。同日Unite.AI报道称,Minerva内置名为Sherlock的多智能体AI助手并提供MCP server,IREN、Bitdeer AI等已在使用。目前尚无后续发展事实。
匹配字段标题
Aravind Srinivas 分享了 Perplexity 与 NVIDIA 合作提出的后训练方法 JOLT。该方法让同一模型同时充当教师和学生,并训练教师从自身尝试的奖励中学习,同时惩罚偏离学生行为的漂移。在 MATH 基准上,JOLT 以 6.5 倍更少的训练 token 达到与 GRPO 相当的准确率;JOLT+ 额外给学生模型提供基于结果的奖励,在数学、编程、终端任务和工具使用基准上明显超过 GRPO。目前该研究由 Aravind Srinivas 对外分享,尚无更多后续进展。
匹配字段标题
Aravind Srinivas 分享了 Perplexity 与 NVIDIA 合作提出的后训练方法 JOLT。该方法让同一模型同时充当教师和学生,并训练教师从自身尝试的奖励中学习,同时惩罚偏离学生行为的漂移。在 MATH 基准上,JOLT 以 6.5 倍更少的训练 token 达到与 GRPO 相当的准确率;JOLT+ 额外给学生模型提供基于结果的奖励,在数学、编程、终端任务和工具使用基准上明显超过 GRPO。目前该研究由 Aravind Srinivas 对外分享,尚无更多后续进展。
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在GTC Berlin 2026主题演讲中发布五层AI架构。NVIDIA创始人兼CEO黄仁勋将AI描述为由能源、AI工厂、模型和应用构成的五层结构,并称已进入新工业革命的起点。据NVIDIA Blog同日发布的现场更新,黄仁勋还提到L'Oréal、Revolut、Spotify、Merck、Vodafone、Zara、Porsche、Nestlé和HSBC等欧洲公司正与NVIDIA合作推进AI,并称NVIDIA已在欧洲技术生态投入近100亿美元、与12000多家合作伙伴协作。次日,The Elec报道称该架构名为“Five-Layer Cake”,五层依次为电力与能源基础设施、加速计算硬件、AI工厂基础设施(含neoclouds与通信网络)、覆盖语言/生物/化学/物理/机器人/动画等领域的AI模型,以及把token接入行业与企业的应用层;黄仁勋呼吁欧洲自建完整五层架构、从AI消费者转为生产者。目前尚无后续发展事实。
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
NVIDIA 发布了时间序列预测模型 Kumo Forecast(原 NV-Tesseract Forecasting)。该模型以 MOMENT-1-large 为主干,采用约 3.4 亿参数的编码器加可训练预测头,编码器权重保持冻结。其 DARR 模式通过 k 近邻从历史数据中检索模式,并与直接预测结果融合;同时提供按预测步长输出滞后与特征归因的可解释框架。模型以 Apache 2.0 许可发布,支持 256 至 2048 的输入序列长度。目前尚无后续发展事实。
匹配字段标题
Mistral AI于2026年10月21日宣布与NVIDIA合作,将AI引入工业工程领域。据Testing Catalog报道,双方合作内容包括更快的仿真、面向物理AI的开放基准与配套数据集,以及在CAE和EDA场景下对智能体AI进行评测。此外,Mistral的模型将接入NVIDIA Omniverse库,用于GPU加速的3D场景生成。目前该合作处于宣布阶段,尚无后续进展披露。
匹配字段标题