Nemotron 3.5 Super VL登顶美开源
Nemotron 3.5 Super VL 是美国得分最高的开放权重模型，在智能指数中得分为 26。它略胜 Thinking Machines 的 Inkling Small（26），并超越了 NVIDIA 之前的旗舰产品 Nemotron 3 Ultra（23）以及 Meta 的 Muse Glimmer（17）。尽管取得了这一进步，美国
全部 AI 动态
Artificial AnalysisAI 评分4242 Artificial Analysis精选AI 评分6868 Artificial Analysis：Nvidia Nemotron 3.5 Super VL 成为美国领先开源权重模型
Nvidia Nemotron 3.5 Super VL 目前在 Artificial Analysis Intelligence Index 上得分为 26，成为领先的美国开源权重模型。该模型实现了前代 Nemotron 3 Super（得分 13）两倍智能水平，且每任务输出 token 减少约 60%。
推荐理由：原文提供了Nemotron 3.5 Super VL在智能指数上的具体得分及与上一代模型的效率对比数据，有助于评估其性能提升幅度。
DeepLearning.AIAI 评分3030 HYSET 工具集评分优于逐个挑选
逐个挑选最相关的工具会留下缺口。HYSET 将工具作为整体进行评分。Recall@5：88.6% vs. 81.4%；任务解决率：69.9% vs. 61.8%。完整故事见我们的每周 AI 新闻与研究通讯 The Batch https://hubs.la/Q04zXp-p0 #DeepLearningAI #AIAgents
a16zAI 评分1212 a16z发布SAIF基础设施安全对话
与 @AnneNeuberger、@jai_ramaswamy 和 @GoldsmithOnGov 关于 SAIF 的完整对话：https://a16zpolicy.substack.com/p/securing-americas-infrastructure…
a16zAI 评分2828 a16z谈AI守护乡村医院网络安全
AI 可以帮助缺乏资源抵御网络攻击的社区。a16z 的 @AnneNeuberger 阐述了“保护美国基础设施基金会”的使命，该基金会从乡村医院开始：“美国有 1,800 家乡村医院……这些医院缺乏
a16zAI 评分2828 a16z 探讨智能体支付钱包之战
钱包大战已至。Very Good Security 首席战略官 Terry Angelos 加入 a16z 的 Alex Rampell（两人于 2006 年共同创立 TrialPay，该公司后被 Visa 收购），讨论智能体如何学习花钱。“智能体突然变得
OpenAIAI 评分2626 OpenAI捐资支持数学家研究AI成果
我们希望支持数学界将 AI 的进步转化为更深层的人类理解和新的发现。为支持这一目标，我们正向西蒙斯基金会的一项新倡议捐赠 500 万美元，以帮助数学家审视、理解并基于这些成果进行构建
AnthropicAI 评分2626 Anthropic 开放两项 Fellowships
Anthropic 现已开放两项新的 Fellowship 申请。STEM Fellows（科学与工程）和 Conceptual Reasoning Fellows（哲学、认知科学、经济学、政策与法律）将于 2027 年 1 月在 Anthropic 工作四个月，致力于帮助 Claude 进行推理
Ethan MollickAI 评分2323 Gemini 4发布缺乏产品创新
Google在AI领域的一大优势一直是为现有模型寻找有趣的应用。他们率先推出了深度研究、信息转播客以及NotebookLM等产品。但在Gemini 4发布时，我没看到类似的产品创新，更多是在追随趋势。
Ethan MollickAI 评分2121 智能体链式推理过长难追踪
过去，查看请求的 CoT 就能了解模型的走向，但随着大量智能体调用其他智能体，且即使是简单的智能体任务，CoT 也会长达数千页，这已不再可能。
Ethan MollickAI 评分4242 CoT价值骤降改变AI协作方式
CoT（即使是被总结的CoT）在智能体时代价值的突然崩塌，改变了与AI协作的方式。有效地引导AI并获得可观测性，现在需要你要求中间输出和测试，并利用AI帮助来排查发现的问题。
Hugging Face Blog精选AI 评分8383 Black Forest Labs 发布 FLUX.3 Image Klein 并集成至 Diffusers
Black Forest Labs 发布 FLUX.3 Image Klein 模型，该模型在 Diffusers 中从第一天起即可运行，统一支持文本到图像、多参考图图像到图像以及新的边界框布局控制功能。
推荐理由：FLUX.3 Image Klein 在 Diffusers 中原生支持边界框布局控制，读者可据此评估其在精确构图与多参考图编辑场景下的工程落地能力。
vLLM 官方博客精选AI 评分6565 vLLM 宣布支持 NVIDIA Nemotron 3.5 Super VL 多模态模型
vLLM 正式宣布对 NVIDIA Nemotron 3.5 Super VL 提供 Day 0 支持。该模型采用 120B 总参数、12B 激活参数的 MoE 架构，具备文本、图像、文档和视频理解能力，专为长运行智能体工作流设计。
推荐理由：原文披露了 Nemotron 3.5 Super VL 的 MoE 架构参数、混合 Mamba-Transformer 设计以及 vLLM 部署配置，为开发者评估其在长上下文智能体任务中的效率与精度提供了具体技术依据。
NVIDIA Blog精选AI 评分8080 NVIDIA 发布 Nemotron 3.5 Super VL 和 Bolt 系列开源模型
NVIDIA 发布 Nemotron 3.5 Super VL、Bolt 74B-A9B 24GB 和 Bolt E4B 4GB 三款开源模型，覆盖从企业服务器到边缘设备的智能体部署需求。
推荐理由：原文给出了从数据中心到桌面的全栈开源模型矩阵及具体性能指标，读者可据此评估其在不同算力层级下的智能体部署可行性。
Google Developers Blog精选AI 评分6060 Google 发布 adk-recipes 仓库：涵盖核心模式、插件与贡献层
Google 推出重构后的 google/adk-recipes 仓库，作为 Agent Platform 内容的单一事实来源，支持 Agents CLI、Agent Garden 和 Gemini Enterprise app。
推荐理由：原文展示了 google/adk-recipes 仓库的三层结构及零售垂直技能的具体实现，为开发者提供了从参考模式到可部署服务的完整路径。
Mistral AI精选AI 评分6565 Mistral AI 发布首个时序基础模型家族 Timestral
Mistral AI 发布其首个时序基础模型家族 Timestral，包含 5M、28M、123M 和 209M 四种参数规模。该模型在 GIFT-Eval、TIME 和 fev-bench 三大公开基准测试中均排名第一，且无需 GPU 即可在标准服务器 CPU 上高效运行。
推荐理由：Mistral 推出首个时序基础模型家族，以极小参数量在主流基准测试中取得领先成绩并支持 CPU 推理。
AWS Machine Learning Blog精选AI 评分6060 AWS 提出 Trust in Depth 框架：在保障可控前提下赋予 AI 智能体更多自主权
AWS 发布 Trust in Depth 框架，通过 Scope、Know、Bound、Observe 四个独立层级来建立对 AI 智能体的信任，解决人工审批瓶颈并支持高自主性任务。
推荐理由：文章提出分层信任框架，结合自动推理与运行时管控，为平衡智能体自主性与安全性提供可落地的工程方法。
Google Developers Blog精选AI 评分6262 Google 开发者博客分享 AI Agent 评估实战指南
Google 开发者博客发布文章，介绍如何超越主观“感觉检查”，为 AI Agent 建立可重复的评估体系。文章提出了基于关键用户旅程（CUJ）定义成功标准、使用模拟用户生成测试场景、以及结合人工审查与自动化工具的分阶段实施策略。
推荐理由：原文提供了从人工审查到自动化 CI/CD 的评估落地路径，并给出了规避常见陷阱的具体方法。
OpenAI NewsAI 评分2121 OpenAI 推出 Study Mode 助力教师引导学生思考与学习
OpenAI 在巴西葡萄牙语版 AI for Educators 中推出 Study Mode，旨在帮助教师支持学生进行主动、分步式的学习。该功能通过提问方式引导学生思考与掌握知识，适合作为教师节期间的教学辅助工具。
Hugging Face Blog精选AI 评分6565 Apertus 1.5 发布：支持图像音频理解、思考模式及 262k 长上下文
Apertus 1.5 在 8B 和 70B 版本中新增图像与音频理解、可选思考模式，并将上下文窗口扩展至 262,144 tokens。该模型基于 Apertus 1.0 进行持续预训练，采用早期融合架构处理多模态数据，并在指令遵循与工具调用能力上有所提升。项目以 Apache 2.0 许可证开源权重、数据及训练细节，同时发布了符合 EEE 标准的评估卡片以增强透明度。
推荐理由：Apertus 1.5 通过持续预训练引入原生多模态与思考模式，并公开全链路训练细节，为复现和评估提供了完整依据。
NVIDIA BlogAI 评分2424 NVIDIA DLSS 4.5 控制选项登陆 GeForce NOW
NVIDIA DLSS 4.5 控制选项现已在 GeForce NOW 上线，允许用户调整图像质量与性能。Ultimate 会员在 RTX 5080 云设备上可启用最高 4X 动态多帧生成。此外，DLSS 5 的 3D 引导神经渲染模型性能提升 2 倍，将于 10 月 16 日随 NBA 2K27 首发。
NVIDIA BlogAI 评分2828 NVIDIA 通过开放学习资源、合作与算力扩展欧洲科学界技术访问
NVIDIA 在都柏林 AI in Science Summit 上加入欧盟 AI in Science Enablers Initiative，向欧洲科研社区提供加速工具、模型及算力支持。
vLLM 官方博客精选AI 评分7575 vLLM发布Bitwise-Consistent RL训练方案：解决DeepSeek-V4等模型训练推理不一致问题
vLLM团队提出一种新方案，通过让训练前向直接调用vLLM推理内核并修改内核逻辑，确保采样token的logprob在训练和推理侧逐位一致（diff=0）。在DeepSeek-V4-Flash实验中，该方法在保持91.3%基线吞吐量的同时实现了零差异，避免了因数值不一致导致的KL散度飙升和奖励下降；该流程已封装为Agent Skill开源，并成功迁移至Nemotron混合架构模型。
推荐理由：原文提供了在高性能推理引擎上实现训练与推理数值完全一致的具体方法、代码及Agent技能包，为RL训练稳定性优化提供了可复用的工程路径。
Artificial AnalysisAI 评分3838 AI模型离线构建埃菲尔铁塔
我们要求AI模型在离线状态下以3D形式构建埃菲尔铁塔。其中两个模型凭记忆按顺序添加了全部72位科学家的名字。这出乎我们的意料。每个AA-3D模型都收到了约200字的相同简报，内容涉及塔的形状、格构、平台和照明。它从未
Ethan MollickAI 评分88 AI 外呼仅限客服跟进
（我只允许它在需要特定缺失信息时联系客户服务或进行后续跟进，当然不包括个人联系人）
Ethan MollickAI 评分2626 为个人智能体Dot配置独立邮箱
给我的 Dot 分配一个专用电子邮件地址，结果发现这出奇地简单，并解决了如何与个人智能体相处的一些问题。我不希望它使用我的邮箱或代表我起草消息，我希望确保人们知道他们正在与 AI 互动。
Ethan MollickAI 评分2424 OpenAI与Anthropic难逃大公司病
我认为人们相信，OpenAI和Anthropic因为擅长AI，就 somehow 不是那些遭受超高速扩张常见问题的普通公司，但它们并不能免疫于困扰快速成长企业的必然政治、功能失调和混乱
Ethan MollickAI 评分1212 莫利克谈高校应对AI危机
当人们问我大学如何应对 AI 时，我常说大学正处于危机之中。但同时也说，大学一直身处危机之中。
NVIDIA BlogAI 评分2626 NVIDIA 与北欧深化合作：共建算力基础设施并赋能 Lovable、Spotify 等生态
NVIDIA 投资瑞典初创公司 Lovable 和 Legora，助力北欧构建欧洲领先的技术生态系统。区域内 AI 云容量预计 2027 年底达 1 GW，Sferical One 超算部署 1,152 个 GPU。Spotify、ABB Robotics 及多家初创企业利用 NVIDIA Nemotron、TensorRT-LLM 等工具优化推理效率与仿真精度。
LangChain BlogAI 评分4545 LangChain 解答 Agent Evals 常见疑问
LangChain 团队基于 LangSmith 平台解析智能体评估（Agent Evals）的核心问题，涵盖离线与在线评估的区别及四种主要评估器类型。文章建议从分析 Trace 入手构建小规模数据集，通过持续添加失败案例形成改进闭环，并指导用户利用代码检查或 LLM 裁判监控生产环境质量。
Artificial AnalysisAI 评分3838 MI355X在DeepSeek V4 Pro性能领先
MI355X 在 DeepSeek V4 Pro 0813 上表现最强。在每用户 35 至 75 tok/s 区间，其每兆瓦吞吐量比 B200 高约 15% 到 40%，峰值达每兆瓦 94M tokens/s（对应每用户 33 tok/s），此水平 B200 需降至每用户 13 tok/s 才能达到。当每用户速度超过约 80 tok/s 时，B200
Artificial AnalysisAI 评分2828 AA-AgentPerf新增AMD MI355X测试
除了新的 DeepSeek V4.1 Flash 结果外，我们还在 AA-AgentPerf 中为 Kimi K3、GLM-5.2/5.3 和 DeepSeek V4 Pro 添加了 AMD 的 MI355X - 将其与我们在编码智能体工作负载上最新的 NVIDIA 系统结果进行比较。AA-AgentPerf 是我们的智能体推理性能
Artificial AnalysisAI 评分3737 Grok Voice 3.0语音榜第三
在我们的语音智能体竞技场中，人们进行盲测实时语音对话并选择他们偏好的模型，Grok Voice 3.0以1070的Elo分数位列第3，落后于Gemini 3.1 Flash Live Minimal（1100）和Gemini 3.8 Live（1088），领先于GPT-Live-1 (Sol, low)（1057）。它还
Artificial AnalysisAI 评分5555 Artificial Analysis评测显示Grok Voice 3.0登顶Speech to Speech Index
Artificial Analysis评测显示SpaceXAI的Grok Voice 3.0以86.9分位居Speech to Speech Index榜首。该模型作为Grok Voice 2.0的继任者，在保持延迟竞争力的同时取得了新的领先成绩。
Artificial AnalysisAI 评分3838 AA-Robotics v0.1 运行原理
AA-Robotics v0.1 如何运作 ➤ 模型在隔离容器中运行，并附带简短指令：如何操作机械臂、它是哪只手臂（Hiwonder NexArm，无其他规格说明），以及如何提交尝试结果。➤ 它们可以通过四个摄像头查看场景，
Artificial AnalysisAI 评分4545 AA-Robotics v0.1发布
欢迎来到具身智能时代。我们推出AA-Robotics v0.1，这是一个研究预览版，用于衡量前沿语言模型在物理世界中的理解、规划和行动能力。在v0.1中，每个模型被赋予控制一个6轴机械臂（5个关节和一个
a16zAI 评分2828 三叶虫实验室谈中国AI算力困境
@trillium_labs 的 Nathan Lambert 表示，当他告诉中国 AI 研究人员 OpenAI 拥有多少算力时，他们惊得下巴掉地：“中国实验室技术非常出色。但他们更缺算力。”“毫无疑问，他们拥有相当的人才储备
a16zAI 评分3333 a16z谈AI智能体销售策略
既然 AI 智能体现在能够从头到尾负责一个结果，你该如何向它们销售？1. 销售平台：将智能体授权给公司，在其自身运营中运行。没有现有合同设定价格，因此上行空间更大，但新预算需要时间审批且结果是
a16zAI 评分2828 Nathan Lambert谈中国算力差距
Nathan Lambert 的五条重磅观点：1. 中国的算力差距：“你跟[中国]的人聊，听到‘平均每个 OpenAI 研究员随时能访问五千个 H100 等效算力’时，他们下巴都惊掉了。他们只是
a16zAI 评分2121 a16z：旧GPU正成为增值资产
算力稀缺，一图看懂。旧 GPU 正在变成增值资产