NVIDIA 开源工具如何帮助研究者构建下一代 6G 网络
NVIDIA 开源 Aerial、Sionna 等无线工具一年来开发者采用量增长 10 倍,5G/6G 开源工具下载量突破 100 万次,全球逾 8000 家研究机构在用。
NVIDIA 开源 Aerial、Sionna 等无线工具一年来开发者采用量增长 10 倍,5G/6G 开源工具下载量突破 100 万次,全球逾 8000 家研究机构在用。
Hugging Face 的 Open ASR Leaderboard 与 Liva AI 合作,新增埃及和尼日利亚两种英语口音的私有评测数据,时长分别为 1.34 小时和 1.55 小时,均为带标点、大小写和不流畅标记的对话式自发语音。榜单私有标签页现按 Kachru 三圈模型细分口音,区分美国与非美国、内圈与外圈及扩展圈。
Ai2 发布 ToyBlocks,一个围绕机械臂与桌面方块的开源仿真框架,可自动生成任务与演示数据并评测机器人行为。它基于 Isaac Lab 用强化学习和运动规划生成技能,单 GPU 并行执行数百个规划,达到最高 24 倍实时速度。首个数据版本包含 85,336 条长程演示、近 1,600 小时机器人执行数据和 1.44 亿帧。
Underdog 发布仅 32MB 的语音生成模型 Woof,参数量 31 million,开放所有人下载,并配套推出一个可在浏览器中运行的游戏演示。该游戏包含打字机朗读输入内容和旋钮生成音乐等交互,公司称模型可在多数设备上离线运行。此前 Underdog 还发布了 167MB 的端侧语音转文字模型 Bark,以及一个可在笔记本上运行的 27-billion-parameter 模型。
NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开放权重检查点,均为 Cosmos 3 Nano 的后训练版本,含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。
推荐理由:文章给出四个开放权重检查点的能力分工与四阶段训练配方,读者可据此判断如何适配到自有传感器与机器人本体。
百度发布开源基础模型 ERNIE-5.5-Flash-Base,采用 MoE 架构,总参数 2800 亿、每次输入激活 140 亿,刻意不做微调或后训练,后续将推出后训练版本。
NVIDIA 深度学习高级产品研究工程师 Chris Alexiuk 通过 YouTube 教学,帮助开发者构建、微调和部署开源 LLM 应用与智能体,并自称“头号 Nemotron 粉丝”。
gradium 团队发布端侧文本转语音模型 Phonon,两个版本约 65 MB 和 75 MB,覆盖英语、法语、德语、西班牙语和葡萄牙语,无需服务器和网络即可运行。
推荐理由:原文交代了 Phonon 的端侧运行方式、开源许可和榜单表现,读者可据此判断小模型语音合成的可用边界。
Dharma-AI 发布 Dharma Field Extractor,一个 20 亿参数模型,输入文档图像后按开放模式或指定 schema 输出结构化 JSON,同一 checkpoint 无需按文档类型微调。
Hugging Face 首席政策官兼战略高级副总裁 Irene Solaiman 在 TechCrunch 的 Equity 播客中,讨论企业、政府和初创公司如何从开源模型中获取价值。话题涵盖构建开源模型前如何选择工具与基础设施、权衡取舍,以及中国开源模型崛起后美国玩家能否跟上。
Simon Willison 发布命令行大语言模型工具 llm 的 0.37.1 版本,这是一个 bugfix 版本。该版本由 Steven Huang、Tao An、Arjan Mossel 和 XQ 共同贡献。
Hugging Face 首席政策官兼战略高级副总裁 Irene Solaiman 在 TechCrunch Equity 播客中谈初创公司基于开源模型构建前需要了解的事项,包括工具与基础设施选择及开源 AI 的取舍。
AWS 博客以开源多智能体数据分析方案 Deep Insight 为参考实现,拆解生产级 AI 智能体的四层上下文工程:架构层用多智能体隔离上下文、提示词层限制输出、工具层把内容外置到文件系统、验证层用独立智能体与兜底机制把关。
研究团队提出“Weight-Space Programming”,让 GPT-6 Astra 直接读取和生成模型权重,无需常规训练流程。在 Qwen3.5-0.8B 上仅改动 0.016% 的权重,MATH-500 准确率从 7.9% 升至 48.1%,指令遵循从 21% 升至 62%。
推荐理由:研究展示语言模型可直接读写网络权重,为免重训的行为修正与权重审计提供了一条可复现路径。
Anthropic 发布开源研究原型 FlashProve,用 zkSNARK 为模型输出生成证明,验证回复确实来自声称的模型而不暴露权重。技术报告显示,对 400B 参数的 Llama 4 Maverick,单张 H100 上约 110 tokens/秒生成证明,每份证明约 19MB,标准 CPU 上 17 秒可验证,开销约为正常推理的 70 到 95 倍。
PC 游戏模组网站 Nexus Mods 宣布,新上传模组必须声明是否使用了 AI,标注为“AI-assisted”的模组还需公开说明 AI 的使用方式和位置。平台不会全面禁止 AI 生成模组,但 AI 标签将在模组页面更醒目,并提供隐藏 AI 内容的控制选项。现有模组作者有 60 天宽限期,截止 1 月 2 日后开始强制执行。
IBM 研究团队发布 Palette,通过 LoRA 微调一个 20B 开源权重模型,让它按 IBM Design Language 生成幻灯片。模型被拆成设计者和编码者两个角色,前者输出结构化 JSON 简报,后者并行生成每页的 pptxgenjs 代码,编码阶段约快 6–7 倍。
Anthropic 正在研发开源系统 FlashProve,通过密码学证明某段输出确实来自指定模型,防止模型被冒充或暗中替换。该系统要求 AI 实验室为每个模型发布不暴露权重的“指纹”,验证可在本地设备完成,研究团队已在 GitHub 公开技术规范和部分代码。研究仍在进行中,Anthropic 及其他实验室暂无部署计划。
IBM Research 用同一开源权重模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比三种 harness,CUGA 完成 73/90(81.1%),Hermes 为 42/90(46.7%),Deep Agents 为 27/90(30.0%)。
推荐理由:同一模型换用不同 harness 后,AppWorld 任务完成率从 30% 升到 81%,读者可据此理解 harness 选型对智能体落地的影响。
针对需要精细控制网页内容的场景,可用开源 Python 爬虫 Crawl4AI 为 Amazon Bedrock Knowledge Bases 做自定义预处理:将每页 Markdown 与元数据 sidecar 写入 Amazon S3,再经 S3 数据源导入知识库。
Olam Labs 将 50 个 GPT-6.1 Sol 智能体放入 Minecraft 生存世界运行三小时,仅给出“建立繁荣文明”的指令,智能体在首夜出现 22 次死亡后转向极度保守,并演化出配给清单、轮班钓鱼和物品交接协议等繁琐管理。
datasette-llm 0.1a9 发布,这个供其他插件依赖的 LLM 集成插件现在会自动读取 LLM 使用的默认模型,用户无需再显式配置默认模型即可启动 Datasette Agent。此前需通过 `-s plugins.datasette-agent.default_model gpt-6-astra` 指定模型。作者表示 Datasette Agent 还有更大升级在筹备中。
NVIDIA 员工用 Nemotron Voice Agent 搭建了万圣节互动装置 MonsterHouse,让车库门以暴躁老海盗船的嗓音与讨糖孩子对话。
AI Engineer 公布 AIE CODE 大会三大主题:Scaling without Slop、System One 模型与提升野心,TypeSafe 团队将展示 System One 模型的实际用法,Bun 作者 Jarred Sumner 将预览 Bun AOT 与全新编译器特性。大会为单轨、邀请制,面向全球前 1000 名智能体工程师,目前尚余数百席位。
Mistral 发布多模态 MoE 模型 Mistral Large 4(Le Chonk),约 1T 总参数、49B 激活参数,上下文窗口 1M tokens,提供 FP8 与 NVFP4 两个官方版本。
推荐理由:原文给出 MoE 架构、稀疏注意力与安全基准细节,可据此判断开源权重模型在编码与网络安全场景的可用性。
Hugging Face 与卡内基梅隆大学、普渡大学、佐治亚理工学院等机构联合发起 Project ProtoStar,推动公共资助的科研数据集、模型和代码以 AI 就绪格式开放共享。首个挑战赛由卡内基梅隆大学主办,于 11 月 2 日开放。Hugging Face 目前已托管超 17,000 个核心科学领域公开数据集,含医学和数学则接近 29,000 个。
IBM 发布 Granite Switch 4.1.1 补丁版本,与 4.1 完全向后兼容、无需迁移。此次更新包含支持 10 种语言、带原生标点与大小写的 Granite Speech ASR 模型,以及 granitelib-core 中在 Jev Decision Index 测试集上性能提升的 Decision adapter。
Mistral 发布 Mistral Large 4(Le Chonk)的开放权重,这是其 1 万亿参数、原生多模态的旗舰模型,此前已公开预览。该模型在 FrontierCode 2.0 上得分 19.7%,在 Terminal-Bench 4.0 上提升 13 个百分点至 41%,并提供 Low、Medium、High 三档推理模式。
推荐理由:原文给出开放权重、三种推理模式与定价,读者可据此判断自托管部署的成本与安全取舍。
Mistral 发布万亿参数开源模型 Mistral Large 4(ML4)的权重,企业与政府可自行下载部署,权重已在 Hugging Face 和其 API 上提供。
推荐理由:读者可了解 Mistral 开放万亿参数模型权重的具体方式,以及它与 GLM-5.3 在网络安全任务上的成本对比。
Mistral 在 Hugging Face 放出 Mistral Large 4 权重,昵称「Le Chonk」,总参数约 1 万亿、每步激活 52B,支持文本与图像输入。
Deepgram 宣布收购开源语音 AI 框架 Pipecat 的开发商 Daily,交易金额未披露,双方承诺 Pipecat 将保持开源和厂商中立。Daily 此前累计融资超过 6200 万美元,Deepgram 今年早些时候以 1.3 亿美元 C 轮融资成为独角兽。
作者发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包,可在 Apple 平台本地运行开源语音识别与决策模型。
Akai 尚未正式发布 MPC Sample Key,就已向改装社区提前提供设备,该设备将采用开源固件。官方展示的 vibe-coded 改装可为设备加入 Native Instruments Massive 等合成器、虚拟模拟与 FM 合成器,甚至运行含多个合成器的定制 OS。
AWS 发布 Ray Train 深度学习容器(DLC),预集成 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 与 EFA 网络栈,镜像公开于 Amazon ECR Public,无需自行构建。
英伟达发布免费开源权重模型 Nemotron 3.5 Transcribe,可转写最多 40 种语言的音频,并支持 31 种语言与英语互译。该模型参数量为 30B,可区分最多 8 位说话人、处理最长 1 小时的录音,官方称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe,把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint,支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人标注,可处理最长 1 小时录音并标注最多 8 位说话人。
推荐理由:原文给出多语言转写、说话人分离与翻译的统一模型,并附开放数据管线和微调配方,可据此判断落地方式。
NVIDIA RTX Spark 轻薄笔记本已在 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 开售,起售价 $2,599,搭载 Blackwell RTX GPU 与 Grace CPU 超级芯片,最高 128GB 统一内存和 1 petaflop FP4 AI 性能。
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe,可用文本指令在单一模型中完成转写、翻译和说话人识别,并支持就录音内容提问。该模型支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别,可处理最长 1 小时、最多 8 名说话人的录音;模型总参数 30B、每步约 4B 激活,可在单张 Nvidia GPU 上运行。
推荐理由:读者可了解这款开源语音模型在转写、翻译与说话人识别上的能力边界,以及配套数据集和微调流程。
LiquidAI 发布 LFM3 新一代 Liquid Foundation Models,六个 2B 级模型(文本、视觉、音频、omni 及两个 d1 决策模型)全部从 LFM3-1.7B-Base 分支而来,覆盖文本、图像、视频和音频输入。
推荐理由:LiquidAI 公布了 LFM3 的架构改动与六个 2B 级模型的实测对比,可据此判断端侧多模态选型。
Exowatt 基于 Amazon SageMaker AI 无服务器模型定制,用 Qwen3-1.7B 和 Qwen3-14B 分别构建边缘告警分诊与云端能源市场分析模型,精度超过前沿模型,成本最高降低 49 倍。该流程通过 LoRA 与 SFT 微调,配合 SageMaker 无服务器评估和 Model Registry,将原始运营数据到可部署模型的周期从数月缩短到数天。