NVIDIA 發佈 Nemotron 3.5 Super VL 與 Nemotron 3.5 Bolt 74B-A9B
NVIDIA 發佈 Nemotron 3.5 Super VL 和 Nemotron 3.5 Bolt 74B-A9B,兩者在 Intelligence Index 分別得分 26.5 和 21.4。
推薦理由:文章把兩款模型與前代及同級模型的分數、輸出 tokens 用量和參數規模並列,呈現其能力與效率差異。
英偉達的 AI 芯片與生態動態:GPU 新品、CUDA 生態、機器人平台與 AI 算力市場的風向。
NVIDIA 發佈 Nemotron 3.5 Super VL 和 Nemotron 3.5 Bolt 74B-A9B,兩者在 Intelligence Index 分別得分 26.5 和 21.4。
推薦理由:文章把兩款模型與前代及同級模型的分數、輸出 tokens 用量和參數規模並列,呈現其能力與效率差異。
NVIDIA 於 2026 年 10 月 15 日發佈開放多模態模型 Nemotron 3.5 Super VL,並公佈兩款面向邊緣及本地硬件的 Bolt 模型。
推薦理由:報道呈現 Nemotron 3.5 從企業伺服器到邊緣裝置的部署分層,並列出可用模型、量化方案與開放資料,展示其產品佈局。
英偉達正透過一系列交易與人才吸納,把業務由 AI 基礎設施延伸至前沿模型研發,目標是同時製造計算系統與前沿智能。按公開報道及已宣佈的交易安排計算,Groq、Poolside 與 Hugging Face 相關交易規模接近400億美元,涵蓋技術授權、人才吸納、股權投資及待交割收購,並非已支付的併購現金。Hugging Face 收購協議尚待交割;若交易完成,成熟的開發者平台也會加入這個組合。
推薦理由:文章梳理英偉達對 Groq、Poolside、Hugging Face 的投資、技術授權與人才吸納,如何共同推動其由計算基礎設施延伸至前沿模型研發。
NVIDIA 於 2026年9月28日宣佈 Open Agent Safety Platform,結合 OpenShell 執行時與 Sentry 參考系統設計,旨在加強智能體由測試至部署的安全管控。
推薦理由:OpenShell 的沙箱、政策審核與 Sentry 的 DPU 外置監察分工,讓讀者瞭解 NVIDIA 如何把智能體權限管控延伸至硬件層。
NVIDIA於2026年10月7日開放RTX Spark筆電預訂,Microsoft同日宣佈Microsoft Execution Containers(MXC)正式全面推出。
推薦理由:文章並列 MXC 的作業系統層智能體執行環境與 RTX Spark 的本地 AI 運算配置,交代 Windows AI 活動涵蓋的軟硬件方向。
NVIDIA 在 OCP 全球峯會透過開放式 NVIDIA MGX 架構,向 OCP 提交 Vera Rubin 機架及運算托盤設計,並宣佈多項 AI 工廠基礎設施合作與開放標準。
推薦理由:文章將機架、供電、網絡與軟件更新放在共同開放標準下,呈現跨供應商協作如何支撐 AI 工廠擴展的整體架構。
NVIDIA 與 Microsoft 公佈為 Windows PC 打造 AI 智能體的軟硬件方案,並推出 RTX Spark 電腦、預告 DGX Station for Windows。
推薦理由:文章把 Windows 智能體的系統級安全基建,與 RTX Spark、DGX Station for Windows 的本地運算配置及供貨安排放在同一脈絡,交代本地 AI 部署的軟硬件組成。
研究團隊從 Nemotron 3 出發,結合 SFT、RL 和回饋式推理建立專項系統,在 IOI 2026 得 535.4/600,高於金牌門檻 361.12;在 IMO 2026 得 30/42,高於金牌門檻 29。
推薦理由:文章並列 IOI 與 IMO 的資料、微調方法及推理流程,呈現專項模型如何配合生成、驗證與修訂環節應對兩類競賽任務。
NVIDIA 推出 Open Agent Safety Platform,以軟件執行邊界及獨立硬件監察管理智能體運行。平台由開源軟件 OpenShell 和 Sentry 參考系統設計組成;OpenShell 記錄操作並執行權限政策,Sentry 在 BlueField-4 DPU 上持續監察智能體活動。NVIDIA 表示,智能體試圖越過軟件邊界時,系統可在毫秒級內隔離並停止相關智能體。
推薦理由:OpenShell 與 Sentry 分別負責軟件執行邊界及硬件監察,並交代 OpenShell 已可使用和可擴展至 Arm、Intel 等平台。
CoreWeave 宣佈在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72,並推出 CoreWeave Forge,推進智能體 AI 從訓練到生產的部署。
推薦理由:文章披露 Cognition 對 Vera Rubin NVL72 與 GB200 NVL72 的 SWE-2 推理測試,列出最高 4.8x 的總 token 吞吐提升,讓兩種平台在智能體編碼工作負載下可作量化比較。
NVIDIA 發佈開放式表格基礎模型 Kumo Tabular,用於表格分類與回歸,可根據帶標籤的上下文列,在單次前向傳播中預測新列標籤,無需訓練、調參或特徵工程。
推薦理由:文章列出四項基準的結果,並以梯度提升樹、AutoGluon 等方法作對照,為表格預測模型的效能評估提供具體比較參照。
NVIDIA 推出 Open Agent Safety Platform,由 OpenShell 開源軟件和 Sentry 參考系統設計組成,為執行智能體的軟件、硬件、運算及機械人系統提供全棧治理與控制。
推薦理由:平台針對智能體繞過應用層安全控制的情況,將執行限制和監察延伸至軟件、運算硬件及機械人系統。
NVIDIA 發佈 Isaac ROS 5.0,加入讓開發者與 AI 智能體協作構建機械人的工作流,並支援 ROS Lyrical 和 Ubuntu 24.04。
推薦理由:Isaac ROS 5.0 把智能體工作流、可重用技能和平台支援納入開源機械人開發,呈現開發工具銜接 Jetson 部署的實作路徑。
NVIDIA與Hugging Face已就收購達成協議,交易金額為12,930,300,000美元。雙方表示,收購後 Hugging Face 將繼續作為開放的 AI 平台,開發者仍可自由選擇模型、框架、雲端、服務供應商及運算平台。共同創辦人兼 CEO Clement Delangue 表示,創辦人和團隊將留任,平台會保持開放、獨立並不依賴特定運算資源。
推薦理由:報道列出交易金額,並整理雙方對 Hugging Face 維持開放、中立平台的承諾,呈現收購安排與平台定位如何並行。
Nvidia 計劃以 $12.9 billion 收購 Hugging Face,交易仍待監管批准,預計於 2027 年上半年完成。Hugging Face 平台有超過 18 million 名開發者及超過 200,000 家企業用戶,並託管 3 million 個模型、1 million 個應用程式及 500,000 個數據集。
推薦理由:文章將開源社羣擴張和夏季安全事件連結到 Hugging Face 尋求更多資源的決定,並以平台用戶及內容數據交代其規模。
The Next Platform 分析指出,網絡在 Nvidia 運算系統中的分量已超越 Sun 時代;Q2 F2027 數據中心網絡收入估算佔其數據中心銷售 19.6%。文章估算網絡收入為 $17.45 billion,並指出 Nvidia 的採購承諾增至 $279 billion,DRAM、HBM、flash 等組件短缺限制了進一步增長。
推薦理由:文章將 Nvidia 的數據中心網絡收入佔比與 Sun 的經典口號對照,並拆解運算與網絡收入估算,呈現 AI 機架系統中網絡的投入分量。
NVIDIA 發佈 Nemotron 3.5 Content Safety,將多模態輸入、多語言覆蓋、自訂企業政策與可審計推理整合至單一 4B 模型。模型基於 Google Gemma 3 4B IT,明確訓練覆蓋 12 種語言,並承接其約 140 種語言的 zero-shot 泛化;可選 THINK mode 會輸出推理軌跡。
推薦理由:Nemotron 3.5 將多模態判定、自訂政策和可審計推理整合於 4B 模型,並附訓練資料集,提供企業安全審核的部署參考。
NVIDIA 發佈 Nemotron 3 Nano Omni,這款長上下文多模態模型面向文件分析、音訊與影片理解、智能體電腦操作及通用推理。
推薦理由:文章並列 Nemotron 3 Nano Omni、Nemotron Nano V2 VL 與 Qwen3-Omni 的多項基準結果,另列系統效率數據,提供文件、影音和 GUI 任務的比較依據。
Mistral AI 宣佈成為 NVIDIA Nemotron Coalition 創始成員,並計劃與 NVIDIA 共同開發前沿開源 AI 模型。聯盟首個項目是在 NVIDIA DGX Cloud 訓練基礎模型,支撐即將推出的 NVIDIA Nemotron 4 系列;相關模型將開源,供後訓練與專門化。Mistral AI 亦宣佈發佈 Mistral Small 4。
推薦理由:聯盟首個基礎模型將在 NVIDIA DGX Cloud 訓練,支撐 NVIDIA Nemotron 4 系列,並作為開源後訓練與專門化的共同基礎。
NVIDIA 發佈 Nemotron-Personas-India,一套依印度人口、地理及文化分佈合成的人物設定數據集,採用 CC BY 4.0 授權。數據集包含 21 million 個人物設定(3M 條記錄、每條 7 個設定),支援英語及以天城文、拉丁字母書寫的印地語,並有 27 個欄位和 7.7 billion tokens。
推薦理由:數據集以印度人口、地域分佈為基礎,涵蓋英語及兩種文字形式的印地語,並採 CC BY 4.0 授權,呈現其作為區域模型訓練素材的語言覆蓋與使用條件。