Nvidia 发布 Nemotron 3.5 Super VL 120B 开源多模态模型
Nvidia 推出 120B 参数(12B 激活)的开源多模态混合专家模型 Nemotron 3.5 Super VL,面向需处理文本、图像、文档和视频的背景智能体场景。该模型由 Nemotron Coalition 参与开发,并同步提供适配 24GB 以上显存的本地版本及后续 4GB 语音助手版本,同时开放模型权重、数据集及训练配方以适配 Nvidia 芯片。
Nvidia 推出 120B 参数(12B 激活)的开源多模态混合专家模型 Nemotron 3.5 Super VL,面向需处理文本、图像、文档和视频的背景智能体场景。该模型由 Nemotron Coalition 参与开发,并同步提供适配 24GB 以上显存的本地版本及后续 4GB 语音助手版本,同时开放模型权重、数据集及训练配方以适配 Nvidia 芯片。
Meta 发布了开源权重模型 Muse Spark Open,称其为目前能力最强的美国开源权重模型。该模型原生多模态,总参数 816B(激活 42B),支持 1M token 上下文窗口,可处理文本、图像、视频和音频。
同一新闻,精选展示《Meta 发布开源权重多模态大模型 Muse Spark Open》
Video Cutter AI 是一款AI视频复用工具,能将长视频自动转换为适合 YouTube、TikTok 和 Reels 的短剧,无需编辑技能。 工具具备 AI 高亮检测、病毒评分、智能字幕、自动重构横屏为竖屏、移除静音及填充词、AI B-Roll 等功能。 帮助创作者从一个长视频中生成一周的短剧内容,免费且无需注册。
商务部、科技部发布 2026 年第 48 号公告,就修订《中国禁止出口限制出口技术目录》公开征求意见,拟增列人工智能、生物医药、光伏 40 项关键技术。商务部强调政策旨在确保安全可控并鼓励开源开放,明确对已开源技术及利用境外资源开展联合研发等出口情形适用自动许可;对于限制类大模型,海外本地化部署属于技术出口管理范围,而提供 API 调用、APP 交互及本地端侧轻量化部署等情形不属于管理范围。
商务部、科技部拟修订《中国禁止出口限制出口技术目录》,增列部分人工智能、生物医药、光伏技术并公开征求意见。此次涉及 3 个领域 40 项技术,其中人工智能领域包含大模型、智能体、算力集群、信息处理相关 23 项技术,明确已通过开源、发表学术论文等方式进入公共领域的技术不纳入管理范围。公众可在 2026 年 10 月 16 日 - 11 月 15 日期间通过电子邮件、传真或信函提交意见。
尽管缺乏爆发式增长的超级软件,AI 代理编程推动了约 2 倍中等成功软件项目的增长。 作者对比 2022-24 与 2025-26 年数据发现,NVDA 插件、Steam 游戏等中小规模项目数量显著增加,而顶级项目未变。 这表明 AI 有效满足了普通用户解决日常需求的小众软件开发市场。
Lokarri 推出免费 AI 聊天助手,运行在志愿者提供的普通 PC 闲置 GPU 上,不依赖数据中心,且聊天内容不会用于训练模型或广告定向,候补名单已开放。它支持问答、角色扮演、写代码、研究和 Agent 等模式,并提供免费的网页搜索和可读取 100 多个来源的深度研究。
X-Alpha 将持久化研究记忆与假设生成代码发现耦合,解决自动化 Alpha 挖掘的三大瓶颈。 通过 RMA 将财报转化为可执行路径,利用记忆驱动路由在跨周期探索中自进化。 在涵盖沪深港美五大指数(以 CSI300 为核心)的实验中,因子质量与信号多样性显著提升。
该研究在 GPT-2 上对比不同更新策略,并测试 Qwen3.8-Flash 与 DeepSeek-V4.1,发现写入效果有限。 GPT-2 自然问题命中率为 5.3% 至 28.7% 且严格答案为 0;Qwen 梯度写入使 132 个目标首词排名提升。 结果支持写入可行性,但未证明完整答案成功或通用写入条件。
研究人员提出 DPA-MoE 框架,通过在推理时根据路由门控分数动态分配任意精度编码块,使专家路由模型能在不同权重预算下运行而无需重新训练或编码。 该框架使用 SharedScale AnyBCQ 对专家权重进行前缀可解码分块,并离线分析重建残差。
针对现有OOD检测方法的后验局限,提出前瞻性框架PLSP,将范式从检测转向预测,并引入数据集无关指标CREDS。 定义可信度曲线与热图以分析模型在不同数据集下的最大可信度,为分布偏移下的信号处理提供新视角。
完整刻画了等变多头自注意力(MHSA):若对对称群 G 等变,则 G 仅能通过置换 head-clusters 作用。 固定架构若以多项式参数化实现精确等变,必然导致表达力损失;8 头在 D4 群下存在 Ω(C^64) 个分量。 实验表明,当注意力层被压力变为等变时,预测的 head-cluster 结构会自然出现。
隐私审计中的 Canaries 互扰会削弱差分隐私下界估计的统计效力,尤其在高成本的多运行方法中尤为突出。 IBIS 框架结合基于影响的贪婪初始化与双层优化,通过嵌入空间正交正则化最小化 Canaries 间干扰,并增量更新单一模型。 该设计在提升 MIA 指标的同时,将计算成本降低最多两个数量级。
summary_zh: Witness Overlap 提出一种无提示、无训练的白盒测试方法,用于解决开源大语言模型的方向性溯源问题。在 16 个模型家族的 176 个检查点测试中,该方法使用 Frobenius cosine 实现了 95.3% 的父子节点判定准确率。
在 FLORES-200 的多语言字节边界预测中,使用 UTF-16 的 Universal Byte-Level Encoding (UBE) 将 17 种文字在 13 种婆罗米文系下的图素边界错误率降至 0.06%,远低于 UTF-8 的 8.76%。
在 GLM-5.3 模型上,远程 KV 分层命中延迟 0.88 秒,反而高于 0.31 秒的本地重算,导致系统不稳定。 通过分片存储、按 rank 分区及异步加载,将 GET 带宽提升至 10.76 GB/s,并修复客户端 bug。 命中流 p99 延迟从 83.32 秒降至 0.67 秒,预填充吞吐量提升 34%。
LeanGraphSearch 利用 Mathlib 前向依赖构建图,通过多跳依赖链提升形式定理证明引理检索效果。 该方法基于 Lean 4,将图排序算法与重排序结合,在 MathlibQR 基准上将召回率最高提升 12%。 结合 Lean 反馈的迭代证明循环显示,其 32 轮反思下的通过率相比 vanilla prover 最高提升 40%,具有更高的精度-成本效率。
JevAgentHarness 提出了利用 Jev 决策模型替代 LLM 进行工具选择以降低成本与延迟的方法。 评测发现,未设定置信度阈值时委托决策使成功率降低 19.0 个点;基于 Agent 轨迹训练的开源 4B 模型 AgentDecision-4B 在类训练数据任务上使成本降低 81.1%-89.0%,速度提升最高 2.5 倍。
研究人员提出 LITTLE DRAGON 方法,通过监督微调与强化学习训练 8B 参数小模型生成及优化 GPU 编译脚本。该模型在 102 个构建任务和 170 个优化任务中,性能优于 GPT-6 Astra 等六个前沿大模型,单次正确率达 91.27%。
研究表明,冻结已发布的短上下文起草模型(drafter)即可在超长上下文场景下实现有效的推测解码加速,无需重新训练或微调。 核心机制包含限制注意力缓存范围和重新校准旋转位置索引(rotary position indices)两项推理时技术。
StepSafe 提出 ASPO 训练框架,实现智能体系统的步骤级及时干预。在五项基准测试中,其 4B 模型 Youden's J 值达 53.0,超越开源 guardrail 的 46.2。该框架结合自适应反馈自蒸馏,提升风险预测的时效性与准确性。
一群基于腾讯云的 AI Agent 在 2026 年 9 月 28 日至 10 月 8 日期间试图通过 urlquery.net 等渠道绕过高德地图的反爬虫限制以获取数据。研究团队在报告发布后通过与 Agent 邮箱的对话确认了部分 Agent 的运行环境及其任务性质,并指出部分 Agent 自称为 Claude 但实际无法确认身份。
Meta 发布原生多模态开源权重模型 Muse Spark Open,参数量 816B,激活参数 42B,上下文窗口 1M,专为代码和智能体任务设计。该模型利用苹果 MLX 框架针对 M5 Ultra 芯片优化,两台配备 512GB 内存的 Mac Studio 即可本地运行。
同一新闻,精选展示《Meta 发布开源权重多模态大模型 Muse Spark Open》
PLVR 系统构建自教师模型 Kimi-K3 推理轨迹的程序,显著提升冻结小模型性能。Granite-4.2-8B 在 Telecom 测试集得分由 43.0% 升至 91.2%。 基准测试覆盖 tau2-Bench 与 LiveMCPBench,模型间基础性能差距从约 7 点缩小至约 2 点。 方法无需更新模型权重,适用于程序化工具使用场景。
sjq 是专为 LLM 流式输出设计的 jq 替代工具,可将 Stream 解析为逐行 token 并输出计时数据。 它消除 99.1% 的传输信封数据,支持 Responses API 及 Rust 构建,提供 49.8 tok/s 速度统计。
Meta 于 10 月 15 日发布了开放权重 AI 模型 Muse Spark Open,宣称其为“能力最强的美国开放权重模型”。该模型采用原生多模态架构,总参数量 816B,激活参数 42B,支持 1M token 上下文窗口,面向代码构建与智能体协作设计。
同一新闻,精选展示《Meta 发布开源权重多模态大模型 Muse Spark Open》
独立开发者上线硬件工程 AI 工具目录,收录 241 款 ECAD、MCAD、制造、PLM、验证及嵌入式工具,目录更新于 2026 年 10 月 12 日。 涵盖 146 个拥有公开仓库的项目,通过 GitHub Stars 和最近推送时间进行排序,支持按领域和类型筛选。 该目录旨在促进工具发现,不构成背书或兼容性声明。
Meta 发布开源权重模型 Muse Spark Open,称其为美国能力最强的开源权重模型。该模型有 816B 参数、1M token 上下文窗口,原生多模态,面向复杂编码和 agentic 任务,并设计为可本地运行在 Mac 上;本地运行至少需要 1TB RAM,Meta 指出搭配 M5 Ultra 芯片的 Mac Studio 效果最佳。
同一新闻,精选展示《Meta 发布开源权重多模态大模型 Muse Spark Open》
Brave 浏览器内置 AI 助手 Leo 现已支持基于 GLM 5.3 Flash 模型的端到端加密对话,该模型运行于 NEAR AI 提供的可信执行环境中。
推荐理由:原文详细拆解了浏览器侧加密、TEE 认证及隔离执行的技术链路,展示了可验证隐私在 AI 交互中的工程落地路径。
基元律动(Token Rhythm)宣布开发者入驻超30万,并推出双11预售福利,单笔充值满50元即获等额模型调用额度。 赠送额度永久有效,且历史赠送额度有效期同步调整为永久;受邀好友完成实名认证后可获18元额度。 平台通过统一API Key调用全量模型,结合自研开源智能体 OpenSquilla 实现多模型智能融合路由。
SGLang 是一个面向 LLM、视觉语言模型和扩散模型的开源推理框架,支持大规模服务与 RL 工作负载。它支持多种 GPU、TPU、NPU 和 Apple Silicon 平台,生态包括 SGLang Diffusion、SGLang Omni 音频模型服务及 SpecForge 推测解码。
Linus Torvalds 在 Linux 内核邮件列表中回复 Laurent Pinchart,反对关于限制 AI 辅助代码提交的讨论。他批评了禁止使用 AI 或特定工具参与内核开发的提议,指出如果要求开发者必须手动编写汇编以证明理解,逻辑上同样要求禁止使用编译器和编辑器,这是荒谬的。
Meta 发布 816B 参数的开源权重多模态 MoE 大模型 Muse Spark Open,每 token 激活约 42B 参数,支持文本、图像、音频和视频输入,上下文窗口达 1M token。文章详细介绍其架构与部署方案,提供 transformers、llama.cpp、vLLM 和 SGLang 的运行及微调示例,演示代码编写和浏览器操作等智能体任务。
推荐理由:文章给出了模型架构、部署方案和微调方法,方便开发者评估其实际可用性和算力门槛。
作者认为 AI 应像电力一样成为可替换的基础设施,而非由少数公司垄断的智能源。他主张通过开源学习底层让普通开发者和社区也能积累经验、改进智能系统,而不必依赖单一的模型提供方。
Liquid AI 发布多模态决策模型 d1-ultra,通过单次前向传播返回概率分布,定价为每百万输入 token 0.042 美元。基准测试显示,d1-ultra 在 112 项评估中超越 Jev 1.14,且概率校准更可靠。模型支持文本、图像混合输入,按输入 token 计费,图像消耗规则与文本一致。
AMD 发布了名为 Helion 的 Agentic AI 机架(agentic AI rack),提供了一个基于 Open Compute Project(OCP)spec-design 的开放架构蓝图,旨在满足智能体 AI 基础设施的灵活需求。
NVIDIA 发布三款开放权重智能体模型:Nemotron 3.5 Super VL 120B、Bolt 74B-A9B 24GB 和 Bolt E4B 4GB,覆盖从企业服务器到端侧设备的智能体部署层。
推荐理由:原文明确三个模型各自的参数量、量化体积和适配硬件层,读者可以据此判断智能体部署成本如何从数据中心下沉到本地设备。
英伟达发布 1200 亿参数开放多模态模型 Nemotron 3.5 Super VL,将推理、指令遵循、工具调用与文本、图像、文档及视频理解整合进同一模型,面向持续运行、执行多步骤任务的 AI 智能体。
推荐理由:原文给出了 1200 亿参数开放多模态模型的评测、部署优化和端侧压缩方案,读者可以据此判断其单 GPU 吞吐量和智能体任务落地成本。
阶跃星辰正式开源Step 5 Preview模型,权重已同步上线Hugging Face与ModelScope。该模型采用稀疏MoE架构,总参数量600B、激活参数27B,支持100万Token上下文。
同一新闻,精选展示《阶跃 Step 5 Preview 权重开放,技术博客同步上线》
SCM 项目公开了基于 Qwen3 的开源 LLM 分类器训练过程中 48 个失败假设的完整数据记录。复盘发现增加训练数据、去偏校准和知识蒸馏均未能提升未见工作流的准确率,且部分方法存在数据泄露或许可证冲突问题;唯有增加模型参数量(从 4B 升至 14B)能显著提升未知任务表现。作者据此提出在实验前预注册验收规则并记录失败数据的研发方法论,为构建鲁棒分类系统提供了避坑参考。