NVIDIA 发布 Kumo Relational 关系基础模型,无需训练即可预测
NVIDIA 发布预训练关系基础模型 Kumo Relational,可直接在企业数据库上做预测,无需任务特定训练、特征工程或表展平。
推荐理由:原文给出预训练关系基础模型在 41 项任务上的对比结果与开源入口,可据此判断免训练预测能否替代现有 XGBoost 流水线。
开源模型、框架与仓库动态:权重开放、社区项目爆火、开源与闭源的力量消长。
NVIDIA 发布预训练关系基础模型 Kumo Relational,可直接在企业数据库上做预测,无需任务特定训练、特征工程或表展平。
推荐理由:原文给出预训练关系基础模型在 41 项任务上的对比结果与开源入口,可据此判断免训练预测能否替代现有 XGBoost 流水线。
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主旨演讲中宣布多项产品,包括由合作伙伴在模块化集装箱内构建的 Vera Rubin AI 工厂参考设计 DSX POD,现场部署时间可从六个月缩短至 14 天。
推荐理由:黄仁勋在 GTC Berlin 的主旨演讲集中披露了 AI 工厂、智能体安全运行时与开源模型的产品化路径,可据此了解 NVIDIA 在欧洲的生态布局。
NVIDIA 扩展其开源模型家族,覆盖语言、机器人、生物和量子计算,包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、面向结构化业务数据的 Kumo 系列、Cosmos 3.5 世界模型、面向自动驾驶的 Alpamayo 2 Edge、BioNeMo 蛋白质设计模型和量子计算模型 Ising。
推荐理由:原文一次性列出语言、机器人、生物、量子等多条开源模型线的能力与开放渠道,便于读者对照自身场景判断可复用范围。
DeepSeek 开源其生产推理栈 DeepInfer,支持分布式推理、投机解码、SWA Bounded Replay 和结构化输出,覆盖 NVIDIA 与华为昇腾平台。
推荐理由:DeepSeek 开源生产推理栈并披露单集群 155T tokens/日与缓存命中率,读者可据此理解其服务成本结构。
NVIDIA 发布 Cosmos3-H-Dreams,基于 Cosmos3-H-Embodied-Nano 的 160 亿参数模型,用临床胆囊切除手术视频与机器人运动学训练,可在单张 RTX PRO 6000 GPU 上实时交互运行。
推荐理由:原文给出模型架构、蒸馏流程与开源入口,读者可据此判断生成式手术仿真离实时交互有多近。
Hugging Face 宣布 TorchTPU 作为 PyTorch 原生后端接入其生态,Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行,模型只需指定 device_map="tpu" 或 pipe.to("tpu")。
推荐理由:原文给出了安装命令、各库的接入方式和实测吞吐数据,读者可据此判断 PyTorch 在 TPU 上的迁移成本。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017,已在官网、App 和 API 上线,并在 Hugging Face 与 ModelScope 开源模型权重。
推荐理由:读者可了解 DeepSeek 新 Flash 模型在智能体与编码任务上的提升,以及每任务成本降至约 0.2 美元的变化。
Reflection AI 推出开源权重模型 Beam,面向智能体编码与长周期任务,可维护代码、调用工具并完成多步工作流。
推荐理由:文章给出 Beam 在 AWS 上的两条部署路径与显存、并行配置要点,可供工程团队评估落地成本。
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam,采用 MoE 架构,总参数 501B、每 token 激活 23B,支持 1M token 上下文,以 Apache 2.0 许可开放。
推荐理由:文章给出 Beam 的架构细节、多精度基准与部署配置,可据此判断自托管前沿模型的门槛。
Meta 发布开源权重模型 Muse Spark Open,采用 MoE 架构,总参数约 816B、每 token 激活约 42B,支持文本、图像、音频和视频输入,上下文窗口最高 1M tokens。
推荐理由:Meta 开源 816B 多模态 MoE 模型,文中给出各推理框架的部署命令与微调配置,可据此评估本地运行门槛。
IBM 发布 Granite Switch 4.1,提供 8B 和 30B 两个版本,把对话、通用与专用决策、语音转写整合进一个托管端点。
推荐理由:原文说明了多个适配器如何共享同一基座与 KV cache,读者可据此判断单端点多任务的部署成本。
Meta 发布开源权重模型 Muse Spark Open,称其为美国最强开源权重模型,面向编码与智能体任务,拥有 8160 亿参数(激活 420 亿)、最高 100 万 token 上下文,支持文本、图像、视频和音频。
推荐理由:Meta 重返开源权重赛道,读者可了解其参数规模、多模态能力与商用许可限制。
Black Forest Labs 发布 FLUX 3 Image Klein,这是一个 56 亿参数的开源权重模型,支持文生图、图像编辑以及最多十张参考图生成,原生支持 4K 输出、像素级精确编辑和用于元素定位的边界框。
推荐理由:FLUX 3 Image Klein 以 56 亿参数开源并支持 8 GB 显存本地运行,可对照其与闭源模型的 Elo 差距。
Black Forest Labs 发布开源图像生成模型 FLUX.3 Image Klein,首日即在 Diffusers 中运行,单个模型同时支持文生图、多参考图生图和用边界框指定布局的布局控制。
推荐理由:原文给出两个开放 checkpoint 的默认步数、显存占用与 H100 实测耗时,可据此判断本地部署成本。
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0,新增图像与音频理解、可选思考模式、4 倍长的上下文窗口、更强的指令遵循和工具调用能力,权重以 Apache 2.0 许可发布于 Hugging Face。
推荐理由:Apertus 1.5 的发布说明完整披露了多模态早融合、训练阶段与评测口径,可据此判断开源多模态模型的工程取舍。
Mistral 发布首个时序基础模型系列 Timestral,最大模型仅 209M 参数,在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一,参数规模约为此前最优模型的三分之二。
推荐理由:Mistral 首款时序基础模型以 209M 参数在三大公开基准登顶,读者可了解其架构与部署取舍。
NVIDIA 发布开源 1200 亿参数的 Nemotron 3.5 Super VL,面向多模态智能体任务,并同步推出两款端侧模型 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
推荐理由:原文给出三款模型的参数规模、内存占用与开放权重,读者可据此判断不同部署层级如何选择。
NVIDIA 在 OCP Global Summit 上通过开放 MGX 架构向 OCP 贡献 Vera Rubin 机架与计算托盘设计,并发布第三代 MGX AI 数据中心参考设计。
推荐理由:NVIDIA 在 OCP 峰会上开放 Vera Rubin 机架与计算托盘设计,并公布 MGX 1.2 与 DSX 开源组件,读者可据此了解 AI 工厂基础设施的开放标准走向。
Hugging Face 作者 yuvraj sharma 与 Abubakar Abid 用 HuggingChat 中的 ML-intern 模式,在几天内做出六个模型。
推荐理由:作者用 ML-intern 在两天内做出六个模型,公开了完整提示词与每项算力成本,可迁移到自己的训练流程。
NVIDIA 团队从 Nemotron 3 出发,用监督微调、强化学习和生成-验证-精炼推理流程,让 Nemotron-3-Ultra-CC 在 IOI 2026 取得 535.4/600 分,超过 361.12 的金牌线和人类最高分 498.27;IMO 2026 系统取得 30/42 分,超过 29 分的官方金牌线。
推荐理由:NVIDIA 公开了 Nemotron 在 IOI 与 IMO 达到金牌水平的微调配方、数据集与推理流程,可复现。