NVIDIA RTX Spark 紧凑型桌面设备由 ASUS、Dell 和 MSI 推出
NVIDIA RTX Spark 紧凑型桌面设备现已由 ASUS、Dell 和 MSI 上市,配备 20 核 Grace CPU、Blackwell RTX GPU 和最高 128GB 统一内存,可本地运行 120B 参数大语言模型。
推荐理由:文章给出了新桌面设备的配置、上市品牌与本地 AI 工作流,便于读者了解桌面端智能体的硬件能力和软件生态。
NVIDIA RTX Spark 紧凑型桌面设备现已由 ASUS、Dell 和 MSI 上市,配备 20 核 Grace CPU、Blackwell RTX GPU 和最高 128GB 统一内存,可本地运行 120B 参数大语言模型。
推荐理由:文章给出了新桌面设备的配置、上市品牌与本地 AI 工作流,便于读者了解桌面端智能体的硬件能力和软件生态。
Amazon SageMaker HyperPod Inference 现已支持托管 NVIDIA Dynamo,提供多节点部署、预填充与解码分离以及 KV-aware 路由。
推荐理由:文章给出两种部署路径、GLM-5.3 配置示例和多节点基准数据,可用于比较聚合与预填充、解码分离方案。
AWS 演示了如何在 Amazon SageMaker JumpStart 部署 OpenTSLM-Flamingo,并通过 TimeNet 加载 ARFBench 数据进行领域微调。
AWS 提出面向智能体平台和应用团队的三阶段负责任 AI 路线图,涵盖治理基础、试点部署、评估与加固,并给出可调整的 12 周实施周期。文章提供 Responsible AI Assessment Skill 和配套评分表,将 AWS Responsible AI Lens 的原则映射到各阶段关键任务,辅助团队评估成熟度。
推荐理由:文章把智能体负责任 AI 拆分为治理基础、试点部署和评估加固三阶段,并提供成熟度评分方法,便于平台与应用团队落地治理。
NVIDIA 扩展 CUDA-X 科学计算库,引入 cuPhoton、cuPotential、cuSpa 等工具,为 AI 智能体分析大规模科学数据提供支持。cuPhoton.xBeam 将黑洞观测关联分析从一个多月缩短至 8 分钟,cuPotential 将既有分子模拟软件加速最多 3x,开源 cuSpa 相比 CPU 提升 900x。
AWS 演示如何使用 LiteLLM 与 NVIDIA NeMo Switchyard 在 Amazon Bedrock 上为编码智能体请求选择合适模型。教程涵盖 Stage 与 Random 路由策略、AWS CDK 部署、网关测试,以及按通过测试的任务成本对比路由组和单模型基线。
推荐理由:教程给出模型路由配置、AWS 部署和任务成本评测流程,并以通过测试的任务成本比较路由与单模型基线。
Proximie 借助 NVIDIA Cosmos 3 优化手术室调度,已用于 700 多间手术室,使病例处理量增加 8%、周转速度提升 45%、准时开台率提升 26%。ConcertAI 通过 Cara AI 和 TriaLinQ 将临床试验匹配速度提高约 3 倍,并支持最高提升 50% 的试验入组率,同时由临床医生审核 AI 输出并作出治疗决定。
AWS 在 2026 年 10 月更新了 Amazon Bedrock、Amazon Bedrock AgentCore 与 Strands,扩充可用模型并加强智能体构建、运行和评测能力。
推荐理由:文章集中梳理了模型、智能体可靠性、治理、成本与本地部署更新,可按生产需求定位对应能力。
Moonshot AI 的 Kimi K3.1 Pro Highspeed 已上线 Amazon Bedrock,配备 1-million-token 上下文窗口,Moonshot AI 称其输出速度为 Kimi K3.1 Pro 的 2–3 倍。
推荐理由:提供了模型接入、推理档位、提示词缓存和 OpenCode 接入示例,并给出 Flex 成本与区域路由取舍。
Hugging Face 介绍决策模型如何以状态、问题和预定义答案为输入,直接返回结构化决策及概率,而不生成响应文本。其基础接口包含 Choice、Score 和 Noul 三种决策原语,并提供置信度计算方式。
推荐理由:文章系统梳理决策模型的接口与概率计算方式,并展示其在 Transformers、llama.cpp 和 Hub 中的接入方式。
NVIDIA 在 CoRL 推出开放机器人技术,包括基于 Cosmos 的 GR00T 2、Isaac Lab 3.0、评测框架和智能体工作流。GR00T 2 在每项任务仅提供一次演示时取得 71% 平均成功率,提供五次时升至 95%;Isaac Lab 3.0 搭配 Newton 的训练吞吐量最高达到 Isaac Lab 2.3 搭配 PhysX 的 2.5x。
推荐理由:原文集中呈现了仿真训练、策略评测与智能体编排如何衔接,为机器人从实验室训练走向工业部署提供可迁移的技术脉络。
NVIDIA 发布针对 A.X K2、K-EXAONE 2.0、Solar Open 2 和 Motif-3 的 Dynamo 优化部署配方。这些配方基于开源分布式推理服务框架 NVIDIA Dynamo,针对 NVIDIA B200 GPU 优化多节点部署,开箱最高可实现 2x 推理性能。
NVIDIA与韩国科学技术信息通信部(MSIT)扩大主权AI合作,覆盖半导体、数据中心、人才、模型、智能体与安全。韩国NPU、XPU企业将探索加入NVLink Fusion;“AI for All”计划将合作3个联盟和4家基础模型构建者,以Dynamo优化推理。NVIDIA另与SK Telecom、Rebellions推进主权AI基础设施。
Chris Alexiuk 通过 YouTube 教授开发者构建、微调、评估并交付生产级 LLM 应用与智能体,并力挺 NVIDIA Nemotron 开放模型家族。他认为完全开源 AI 是智能民主化的前提。其方案覆盖个人开发者使用 Nemotron 3.5 Lightning 执行高频任务,以及企业部署 Nemotron Ultra 运行长时自主智能体、深度研究和企业任务。
AWS 演示如何通过代码评估器将 Jev 和开源 Strands Decider 2B 接入 Amazon Bedrock AgentCore Evaluations。示例把 OpenTelemetry spans 转换为决策模型请求,并将概率分布映射为评估标签和数值,同时提供人工标注、一致率与校准分析及级联评估流程。
AWS 解决方案架构师团队以开源多智能体数据分析方案 Deep Insight 为参考实现,讲解生产级 AI 智能体的四层上下文工程方法。文章介绍多智能体架构隔离、输出 token 预算与自包含代码、文件化上下文与按需加载技能,以及独立验证智能体和安全机制。参考实现中,单次写入并执行工具可减少脚本加入上下文的 token 约 95%,按需加载技能可减少系统提示词约 97%。
推荐理由:文章以 Deep Insight 代码演示四层上下文工程,涵盖多智能体隔离、提示词控制、文件系统外部化和验证机制,便于迁移到生产级智能体开发。
Amazon Bedrock 现通过 in.moonshotai.kimi-k3 推理配置支持 Kimi K3 在印度境内处理,目的地限于 Mumbai 和 Hyderabad Regions,以满足严格的数据驻留要求。
Mistral AI 发布 Mistral Large 4(Le Chonk)开放权重,这是一款 1-trillion-parameter 原生多模态模型,重点增强编码与防御性网络安全能力。
推荐理由:文章汇总模型在编码、终端任务和网络安全评测中的数据,并给出推理模式与部署入口,便于比较实际能力边界。
Mistral AI 发布首个时间序列基础模型家族 Timestral,提供 5M、28M、123M 和 209M 四种规模,支持概率预测、多变量目标、过去协变量和已知未来协变量。
推荐理由:Timestral 提供四种规模与多种部署方式,并公开基准成绩、训练方法和代码,便于评估其在企业预测场景中的适配与成本。
Mistral与Mozilla宣布合作,Firefox Smart Window测试版现已采用Mistral模型,为法国和北美用户提供AI浏览辅助。Smart Window可整理复杂搜索结果、记住用户移开的重点内容,并依据浏览器标签页提取信息,双方采用区域语言、方言和文化语境进行微调。对话默认不保存在Mozilla服务器上,合作伙伴同意执行零数据保留,英国和德国预计于今年晚些时候陆续开放。