美国初创公司 Reflection AI 发布开源权重模型 Beam，采用 MoE 架构、5010 亿参数，面向编码、推理与智能体任务，训练数据为 23.8 万亿 token。Reflection 将其定位为对标智谱 GLM-5.2 的前沿开源权重模型，并获 Nvidia 8 亿美元股权投资及 GPU 支持。文章还提到 Mistral 于 10 月 6 日预览 1 万亿参数多模态模型 Mistral Large 4，称其计划月底发布权重。
匹配字段摘要、正文
8/8) 我们感谢 - @nuvalab - NVIDIA FastGen（Julius Berner @julberner、Chao Liu @cxlcl1） - NVIDIA Enterprise Products（Pengcheng Li @landy0220、Cliff Woolley） - LynnReal light VAE、Kijai 的 INT8 权重和 SageAttention 特别感谢 @NVIDIAAI、@mbzuai 和 @vllm_project 对 FastVideo 的持续支持！📷
8/8) 我们感谢 - @nuvalab - NVIDIA FastGen（Julius Berner @julberner、Chao Liu @cxlcl1） - NVIDIA Enterprise Products（Pengcheng Li @landy0220、Cliff Woolley） - LynnReal light VAE、Kijai 的 INT8 权重和 SageAttention 特别感谢 @NVIDIAAI、@mbzuai 和 @vllm project 对 FastVideo 的持续支持！📷
匹配字段摘要、正文
Hao AI Lab 发布 FastVideo FastH3，可在单台消费级设备上运行，支持 NVIDIA RTX GPU、DGX Spark 和 Apple Silicon。FastH3 V2 在 8 步内超过 MiniMax H3 基座模型，单张 RTX 5090 生成 5 秒 480p 带音频片段耗时 15 秒，768p 约 35–39 秒。同时发布 FastH3 Trim，体积比基座 H3 小 4.2 倍，最低 8 GB 显存即可运行，并已开放模型、Cookbook 与代码。
匹配字段摘要、正文
AI 数据中心功率可在秒级甚至毫秒级骤升骤降，数百兆瓦的突然跌落可能引发广域电网扰动，业界呼吁芯片厂商、运营商、公用事业与基础设施方协同应对。Nvidia 电气设计工程师 Sai Somayajula 称，机架功率已从 H100 时代的约 40 kW 升至 Blackwell 的约 150 kW，Vera Rubin 目标约 240 kW，未来 800V 直流配电下或达每机架 1 MW，Nvidia 已加入机架级储能与控制，并推出 DSX 架构。Oracle 的 Stargate 数据中心园区已 60% 至 70% 投入运营，规划达吉瓦级规模。
匹配字段摘要、正文
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自家 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过 API 提供。该模型在 Mistral API 中只支持 none 和 high 两档推理级别，官方承诺本月底放出开放权重版本。它在 Artificial Analysis 上得分 38，略低于 552B 的 DeepSeek 4.1 Flash，相比去年 12 月得分 9 的 Mistral Large 3 提升明显。
匹配字段摘要、正文
Mistral AI 以公开预览形式发布 Mistral Large 4（内部代号 Le Chonk），这是一个 1.05 万亿总参数、每 token 激活 49B 的细粒度 MoE 模型，配备 1.6B 视觉编码器和 100 万 token 上下文窗口，在 Mistral 自有欧洲数据中心用 3800 块 NVIDIA Grace Blackwell GPU 从零训练。API 预览已上线，输入每 100 万 token 收费 1.36 美元、输出 4.18 美元，缓存输入 0.14 美元，但权重要到 10 月底才发布，暂时无法自行部署。Mistral 报告其在网络安全任务上表现突出，Cybench 得分 93%、CyberGym-E2E 得分 82%，并称部分闭源前沿模型因直接拒绝任务而接近零分。
匹配字段摘要、正文
Mistral 发布 Mistral Large 4 公开预览版，模型拥有 1 万亿参数、其中 490 亿为激活参数，原生多模态，上下文窗口 100 万 token，API 已通过 Mistral Studio 开放，权重预计 10 月底发布。在 Artificial Analysis 的 Intelligence Index 上 ML4 得分 38，较前代 Mistral Large 3 的 9 分大幅提升，但落后榜首 Claude Opus 5.5 的 58 分。Mistral 强调其网络安全能力，在一项复现并修补开源软件漏洞的测试中得分 82%，并称 Claude Opus 5.5 与 GPT-6 Astra 因拒绝任务而接近零分；模型在 3800 块 Nvidia Grace Blackwell GPU 上于欧洲自有数据中心训练，预览期定价为每百万输入 token 0.68 美元、输出 2.09 美元。
匹配字段摘要、正文
法国 AI 实验室 Mistral AI 于周二发布 Mistral Large 4（ML4），这是一个 1 万亿参数的大规模多模态模型，昵称 Le Chonk，目前仅通过公开的 guardrail 端点访问，计划在安全测试完成后于三周内开放权重。Mistral 科学副总裁 Pierre Stock 表示，ML4 完全使用 Mistral 自有算力训练，仅动用 4000 张 Nvidia GPU，比中国竞争对手少两到三倍，也显著少于闭源竞争对手；其优化场景包括网络安全、金融和芯片设计，基准测试结果尚未公布。
匹配字段摘要、正文
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，权重将于本月底开放。模型在 Mistral 欧洲自有数据中心的 3800 块 NVIDIA Grace Blackwell GPU 上从零训练，训练数据覆盖 160 多种语言，官方称其在网络安全、金融、法律等企业负载上达到开源模型领先水平。在 Artificial Analysis Cyber Index 上它进入全球前五，在一项复现并修补真实漏洞的测试中得分 82%，Cybench 解题率 93%。
匹配字段摘要、正文
AI 公司 Reflection 发布首款免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。Reflection 称 Beam 在推理任务上可匹配 GLM 5.2，算力消耗仅为后者的三分之一到四分之一，并已用 10500 块 Nvidia GB300 GPU 进行超过四周的强化学习训练。模型权重将以 Apache 2.0 许可在本月晚些时候发布，目前早期版本仅向部分用户开放。
匹配字段摘要、正文
NVIDIA 最新《State of AI in Telecommunications》报告显示，89% 受访者认为开源模型与软件对公司 AI 战略重要。NVIDIA 发布 300 亿参数的 Nemotron 3 Large Telco Model（LTM），由 AdaptKey 基于开源电信数据集微调，并公开完整微调配方；SoftBank、AT&T、Indosat Ooredoo Hutchison 等运营商正基于开放模型构建电信专属 AI 能力。
匹配字段摘要、正文
Dell 本周为其 AI Data Platform 新增面向智能体的功能，包括 Unified Semantic Layer 和 Enterprise Knowledge Graph，让智能体不必在每次请求时重建上下文，从而减少 token 消耗与计算成本。平台还整合 Nvidia Nemotron Retriever 模型、cuVS 库与 Auto-Ontology 开源库，并依托 PowerScale、ObjectScale 和 Lightning File System 提供 exabyte 级存储能力。
匹配字段摘要、正文
据 Bloomberg 报道，DeepSeek 即将完成一轮至少 120 亿美元的融资，最初目标约 75 亿美元、估值约 750 亿美元，知情人士称总额可能接近 150 亿美元，宁德时代和腾讯出资份额最大。融资完成后 DeepSeek 计划重组，于 2027 年初 IPO，并正在建设一座配备至少 16 万颗华为 AI 芯片的数据中心。创始人梁文锋希望继续开发权重自由可用的开源模型；公司今年 6 月已完成首轮外部融资，估值超 500 亿美元，4 月发布了 V4-Pro 和 V4-Flash 预览版，同时自研推理芯片以减少对 Nvidia 和华为的依赖。
匹配字段摘要、正文
Cohere 将企业平台升级为 North 2，用于统一管理 AI 智能体，可自主处理多步骤工作流并跨会话保留上下文。新编排系统让智能体调用共享知识库和可复用技能，并连接 Slack、SharePoint、Jira 等工具，还能从聊天提示词直接生成演示文稿、仪表盘和简单应用。North 2 不绑定模型，除 Command A+ 外可接入企业自有模型，支持本地、云端或完全气隙部署；管理员通过 North Admin 管理 token 用量、用户配额和细到单个智能体的访问权限，智能体执行关键操作前需人工批准。Cohere 称其模型在 Nvidia Blackwell 和 Hopper 硬件上所需 token 更少，LG CNS 和 Bell Cyber 已在生产环境运行 North。
匹配字段摘要、正文
19 岁创始人 Zain Javaid 的 Ghost 结束一年隐身开发，完成由 Andreessen Horowitz 领投的 1100 万美元种子轮，并推出 3499 美元个人 AI 电脑 Core。Core 搭载 Nvidia RTX Pro 4000 SFF Blackwell GPU，预装 Qwen-3.8-Next、Qwen-3.8-27B 和 Gemma-4-31B 三个模型，可本地运行 AI 智能体，首批预购已开启、10 月最后一周发货。
匹配字段摘要、正文
Reflection AI 发布首款开源权重模型 Beam，采用稀疏 MoE 架构，总参数 501B、每 token 激活 23B，面向编码、推理与智能体工作负载。该模型预训练使用 23.8 万亿 token，在 6,144 块 NVIDIA GB300 NVL72 GPU 上不到 4 周完成，中训练将有效上下文扩展至 1M token；强化学习阶段用 10.5K 块 GB300 GPU 运行 4 周，生成超 1 亿次 rollout。Reflection 报告 Beam 在 SWE-bench Verified 得分 80.9、Terminal Bench v2.1 得分 80.1，目前处于最终红队测试阶段，通过 Reflection 平台候补名单提供早期访问，Apache 2.0 权重计划于本月晚些时候发布。
匹配字段摘要、正文
每一步都是 DJev 在 DiffusionGemma 上的一次前向传播，零 token 生成。我们的开源引擎 DJev-serve 在 NVIDIA GB200 NVL72 和 B200 上，把每个决策作为一张 CUDA graph 运行。
匹配字段摘要、正文
Hao AI Lab 开源了能在 Minecraft 中与真人对抗的智能体 Jev，通过 SOTA LLM 智能体加人工监督从机器人自身日志中进化提示词，全程不做训练。在 1,795 轮对局后，Jev 在与真人玩家的 Block UHC 对战中赢下 70% 的回合；与满技能脚本对手对战时，v1 每轮皆负，不到两小时后 v9 每轮皆胜。其决策基于 DiffusionGemma 上的 DJev 单次前向传播，不生成任何 token，开源推理引擎 DJev-serve 在 NVIDIA GB200 NVL72 与 B200 上以单张 CUDA graph 运行，每次决策 24 ms，比某主流推理引擎快 2.5 倍。
匹配字段摘要
UCSD Hao AI Lab 开源了 Minecraft 智能体 Jev，在 1,795 轮对局后公布其工作方式。它不训练模型，而是由 SOTA LLM 智能体在人工监督下从机器人自身日志中进化提示词；在 Block UHC 对真人玩家赢下 70% 的回合。每次决策在 NVIDIA Blackwell 上耗时 24 ms，团队称比某主流推理引擎快 2.5 倍，并开源了推理引擎 DJev-serve，在 GB200 NVL72 和 B200 上以单次 CUDA graph 完成每个决策。
匹配字段摘要
Hao AI Lab 开源了在 Minecraft 中作战的 LLM 智能体 Jev，经过 1,795 轮对局，它在 Block UHC 中战胜真人玩家的比例为 70%。该智能体不做训练，而是由带人工监督的 SOTA LLM 智能体根据自身日志进化提示词；据其说明，面对满技能脚本对手时 v1 全败，不到两小时后 v9 全胜。每次决策为 DJev 在 DiffusionGemma 上的一次前向传播，不生成 token，在 NVIDIA Blackwell 上耗时 24 ms，比某领先推理引擎快 2.5 倍，其开源引擎 DJev-serve 在 NVIDIA GB200 NVL72 和 B200 上以单个 CUDA graph 执行每次决策。
匹配字段摘要、正文