The Decoder 发布 Frontier Radar #5，分析了在 GPT-6 Astra 发布后，Ilya Sutskever、Yann LeCun 等顶尖人才离开大厂创立新实验室的现象。文章将 27 家新实验室分为六类，分别押注持续学习、非语言模态、私有数据、计算效率、自动化科研及垂直应用，并指出这些实验室正通过巨额融资填补大厂未覆盖的研究空白。
推荐理由：文章梳理了27家新实验室的技术押注与融资现状，为理解大模型之后的研究分化提供了具体参照。
Thinking Machines 发布 Inkling 2 Small，这是一款 594B 总参数、17B 激活参数的多模态 MoE 模型，在 GB300 集群上仅用 68 小时完成 8.4T tokens 的原生 NVFP4 预训练。
推荐理由：原文梳理了 Inkling 2 Small 的训练效率、基准表现及对齐过程，为评估西方开源模型竞争力提供了具体参照。
Epoch AI 研究人员发现，开源模型 GLM 5.3 能够利用安全补丁发布与用户更新之间的时间差，在 48 小时内自主构建针对 Firefox 的完整漏洞利用链，单次攻击成本约 1000 美元。该模型在无人工干预的情况下识别了被伪装为常规改进的安全修复，并独立重新发现了一个未知漏洞以绕过浏览器沙箱保护。研究人员已将发现披露给 Mozilla，后者在 Firefox 159.0 中修复了该漏洞。
推荐理由：研究展示了开源模型利用补丁时间差自主构建浏览器漏洞利用链的能力，揭示了安全防御面临的新结构性风险。
NVIDIA 宣布 RTX Spark 笔记本新增 Nemotron 3.5 Transcribe 开源语音模型及 Agent 资源管理功能。Nemotron 3.5 Transcribe 支持 40 种语言转录与翻译，在 Hugging Face Open ASR 榜单排名第一。NVIDIA App 新增资源管理功能，允许用户在前景应用与后台 Agent 之间分配 GPU 资源。
推荐理由：原文展示了端侧 AI 在资源调度与多模态模型上的具体进展，读者可据此评估本地部署智能体的可行性。
C-BRAIN 与 NVIDIA 合作开发 AI 工具以加速阿尔茨海默病研究，利用联邦学习处理各机构私有数据。已发布的 OpenScientist 和 InsightEngine 工具将原本需数周的分析缩短至数分钟，单次成本低于 10 美元，预计每年可释放超百万小时的研究产能。
推荐理由：C-BRAIN 与 NVIDIA 合作构建的 AI 研究工具将分析周期从数周缩短至数小时，展示了联邦学习在保护隐私前提下加速神经退行性疾病研究的可行性。
Amazon SageMaker AI 发布训练会话 API，允许用户在本地 Python 进程中编写训练循环，由服务托管 GPU 执行采样、梯度更新和检查点操作。该功能支持 SFT、RL 等自定义算法，按 token 计费，并配套发布包含 SFT 和 RL 配方的训练会话 cookbook。
推荐理由：该功能将抽象边界下沉至训练操作层，允许用户在本地编写训练循环，由服务托管 GPU 基础设施，从而在算法自由度与运维成本间取得平衡。
Recursive 发布免费开源编码模型 Flint，该模型由 AI 系统 Eureka Machine 辅助构建，可在笔记本本地运行。Flint 采用 MoE 架构，激活参数 25 亿，在 SWE-Bench Verified 等基准测试中表现优于同级别模型，并已在 Hugging Face 开放下载。
推荐理由：文章展示了 Recursive 利用 AI 辅助研发流程在四个月内构建出可本地运行的编码模型，为端侧 AI 开发提供了具体案例。
NVIDIA 欧洲云合作伙伴正在扩展区域算力，支持模型训练、推理及智能体应用，并建立智能体访问边界。Nscale 使用 NVIDIA DSX MaxLPS 在相同功耗预算下实现了 37% 的 GPU 数量增加和近 50% 的推理吞吐量提升。
推荐理由：原文展示了欧洲云厂商在算力、开放模型和智能体安全边界上的具体进展，读者可据此了解区域 AI 基础设施的落地形态。
NVIDIA 在 GTC Berlin 展示本地 AI 硬件与模型生态更新，RTX Spark 支持个人智能体，DGX Spark 64GB 系统于 10 月 23 日开售。DGX Station 新增 Windows 版本计划，支持企业级工作负载与机器人参考工作流。Recursive Flint 本地编码模型开放权重，支持 RTX Spark 和 DGX Spark 系统。
推荐理由：原文梳理了本地 AI 硬件与模型生态的更新，读者可据此了解个人智能体在端侧运行的最新进展。
AWS 团队在 Amazon SageMaker HyperPod 上通过 SFT 和 GRPO 微调 GPT-OSS-20B，将多语言推理正确率从 22% 提升至 100%。SFT 解决了模型默认用英语推理的问题，GRPO 进一步将答案语言正确率从 62% 提升至 70%。
推荐理由：文章给出了 SFT 与 GRPO 在能力缺口下的分工结论，读者可据此判断何时使用强化学习微调。
AWS 在 vLLM 中引入双向 KV 缓存传输机制，允许 Decode 节点将已计算的 KV 块返回给 Prefill 节点，避免多轮对话中重复计算上下文。在 Amazon EC2 P5en 实例的 1P1D 部署中，该功能使 Qwen3-32B 的 TTFT 降低最高 1.6 倍，zai-org/GLM-5-FP8 降低最高 3.3 倍。
推荐理由：文章展示了双向 KV 传输在 vLLM 中的实现机制，并给出了多轮智能体负载下 TTFT 降低的具体基准数据。
vLLM 新增基于 Push 的 NIXL 连接器，通过将 KV 缓存传输协调移出关键路径，显著降低分离式推理的首 token 延迟（TTFT）和每 token 输出时间（TPOT）。
推荐理由：原文展示了 push 模式如何通过重叠计算与传输协调降低延迟，为高并发推理部署提供了具体的性能优化路径。
Black Forest Labs 发布 56 亿参数的开放权重模型 FLUX 3 Image Klein，支持文本生成图像、编辑及多参考图生成。该模型原生支持 4K 输出，INT8 版本仅需 8GB 显存即可在消费级 GPU 上运行，生成一张图像耗时不足 9 秒。
推荐理由：该模型以 8GB 显存即可运行的特性降低了本地部署门槛，其开放权重与商业许可条款为中小开发者提供了新的选择。
Nvidia 发布了 1200 亿参数的开源多模态模型 Nemotron 3.5 Super VL，专为处理文本、图像、文档和视频的企业级智能体设计。该模型采用 MoE 架构，每 token 仅激活 120 亿参数，并同步推出了适用于本地 PC 和边缘设备的 Nemotron 3.5 Bolt 系列。
推荐理由：文章梳理了 Nemotron 3.5 Super VL 的架构特性、性能表现及企业落地案例，展示了开源模型在垂直场景中的部署逻辑。
NVIDIA 在 RTX Spark 笔记本 10 月 16 日上市前，发布了针对本地 AI 智能体的多项软件更新与性能优化。NVIDIA Nemotron 3.5 Bolt 74B 模型于 10 月 15 日推出，专为 RTX Spark 上的本地智能体设计，采用 2-bit 量化技术将 74B 参数模型压缩至 24GB 内存占用。
推荐理由：NVIDIA 为 RTX Spark 笔记本发布日准备了完整的本地 AI 生态更新，涵盖 Nemotron 3.5 Bolt 74B 模型、PAIR 路由器正式版及 Adobe 等创意工具优化。
NVIDIA 在 OCP 全球峰会上宣布将 Vera Rubin 机架和计算托盘设计通过 MGX 架构贡献给 OCP，为下一代 AI 工厂基础设施提供共同基础。同时发布了 DSX AI Factory 的开源软件组件，并与 Meta、Google、Cisco 等合作伙伴推进开放网络标准及 800V DC 供电架构。
推荐理由：原文展示了 Vera Rubin 架构向 OCP 开放及多项开源组件，为构建标准化 AI 工厂提供了具体技术路径。
AWS 发布 2026 年 9 月 AI 构建者更新，Amazon Bedrock 正式支持 OpenAI 的 GPT-6 Astra、Sol 和 Luna 模型，并推出由 OpenAI 驱动的 Managed Agents 公共预览版。
推荐理由：汇总了 Bedrock 接入 OpenAI 模型、AgentCore 运行时优化及 Strands 开源工具链更新，展示了企业级智能体在成本与治理上的最新进展。
NVIDIA 展示了开发者利用 GPT-6 Astra 等前沿 AI 智能体结合 Omniverse 库构建物理仿真应用的工作流。案例涵盖使用 Houdini 创建可编辑 3D 资产、在 Isaac Sim 中测试机器人拆解、从现场扫描重建建筑模型以及构建气轮机数字孪生。这些项目通过自然语言指令驱动智能体连接物理、渲染和传感器模拟能力，帮助开发者在物理 AI 仿真中探索场景、调查故障并改进设计。
推荐理由：展示了前沿模型与 Omniverse 库结合构建物理仿真应用的具体工作流，为开发者提供可复用的智能体辅助开发路径。
Google DeepMind 发布 EmbeddingGemma 2，这是一个基于 Gemma 4 架构、拥有 7.4 亿参数的开源多模态嵌入模型，支持在端侧统一处理文本、代码、图像、音频和视频。
推荐理由：该模型在 7.4 亿参数规模下统一了文本、图像、音频和视频嵌入，为端侧多模态检索提供了具体的性能基准与部署方案。
Google DeepMind 发布 AlphaGenome Atlas，提供人类基因组中 90 亿个单核苷酸变异的分子影响预测。平台包含 1 PB 数据集和 AVI 评分，可帮助研究人员快速排序变异并解释其功能，目前已通过网站、API 和 Google Antigravity 技能开放学术使用。
推荐理由：原文给出了覆盖全基因组变异的预测平台及评分机制，读者可据此了解大规模基因组数据如何转化为可检索的研究资源。