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，单次前向传播完成，无需任务特定训练、特征工程或表展平。在 RelBench V1/V2、SAP SALT 和 4DBInfer 共 15 个数据库的 41 个任务上，它超过监督式关系深度学习模型和专家特征工程的梯度提升树流程，在 SAP SALT 上 MRR 比 AutoGluon 集成高 8%。模型通过 NVIDIA 开源 GPU 原生 structured-data-models 库或 NVIDIA NIM 提供，支持 500B+ 行数据库。
#模型发布#数据/训练#Agent
英伟达发布并开源实时生成式手术世界模型 Cosmos3-H-Dreams，可根据机器人操作指令实时生成手术画面，模拟器械移动、组织牵拉与形变。该模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano 开发，训练数据从 4792 段手术记录中筛选出约 526 分钟真实手术视频，支持 28 维动作输入。借助教师-学生蒸馏和 FlashDreams 流式推理框架，模型仅需单张 NVIDIA RTX PRO 6000 GPU 即可实时交互，并开源了 4 步和 2 步去噪两个学生模型版本。
#模型发布#开源/仓库#具身智能
Baseten 旗下 Base Labs 发布两个决策模型 elephant-1（9B）和 mammoth-1（27B），均基于 Qwen3.5 全量微调，并公开模型权重。mammoth-1 在 Jev Decision Index 0.4 上以 71.24 分位列 208 个模型第一，领先第二名 Perplexity Decider v1.2 1.8 分；elephant-1 在该榜得 62.65 分，在 Artificial Analysis Decision Index 上以 65 分与 d1-ultra 并列第一。训练使用 6.21M 样本的第八版数据混合，并在全注意力层改用块双向注意力掩码，固定数据下该改动使公开 10k 样本得分从 44.8 升至 48.6。
#模型发布#推理#数据/训练
Baseten 内部研究团队 Base Labs 发布两个开源决策模型 mammoth-1（27B）和 elephant-1（9B），基于 Qwen3.5-9B 与 Qwen3.5-27B 后训练而来。mammoth-1 在 Jev Decision Index 0.4 上以 71.24 分在 208 个决策模型中排名第一，elephant-1 是排名最高的 9B 决策模型；在 Artificial Analysis Decision Index 上两者分别为 65.9 和 65.2。决策模型不生成文本，而是对选项、评分或是否问题返回概率分布，原文称相比推理模型最多可带来 10x 加速，并可通过置信度阈值决定自动接受还是转人工。两个模型已在 Hugging Face 开源，可在 Baseten Model APIs 免费试用一周，默认零数据保留。
#模型发布#开源生态#推理
Introducing Kling 4.0 on Morphic. Get 10% discount on Kling 4.0 generations through November 20 on Morphic. Native 30-second generations, up to 10 keyframes, 15 references, consistent on-screen text, multilingual support. 4K and 10-bit HDR. https://t.co/KEJsRjqn5m https://t.co/ltkDtrfGCv
#模型发布#视频#多模态
Recursive 发布首个开源权重编码模型 Flint，参数规模 40B，CEO Richard Socher 称模型管线几乎所有环节都由其 Eureka Machine 系统完成，包括新的基座训练方式、模型架构和针对特定芯片优化的代码。WIRED 作者在 48GB 内存的 Mac 上实测，用它搭建命令行待办、网页研究抓取程序和 RSI 科普网站，认为其速度和准确度优于同尺寸模型。Recursive 已从 Google Ventures、Greycroft、Nvidia 和 AMD Ventures 融资 6.5 亿美元，估值 46.5 亿美元。
#模型发布#开源生态#编码
Inception 发布扩散语言模型 Mercury 3，称其在 12 项基准中赢下 8 项，运行速度为 GPT-6 Luna 和 Claude Haiku 5.5 的四到八倍。在 Inception 自测中，Mercury 3 在 IFBench 得 76.84 分，比 GPT-6 Luna 高 15 分；SWE-Bench Atlas 得 51.08 分，对手分别为 33.33 和 32.26。Claude Haiku 5.5 则在 DeepSWE 长代码测试和长文本检索上领先。该模型在 Nvidia GPU 上每秒生成 1,068 个 token，定价为每百万输入 token 0.20 美元、输出 0.70 美元，发布期五折，已上线 Inception 平台及 OpenRouter、Baseten、Vercel，目前尚无独立测试。
#模型发布#推理#部署/工程
IBM 在 Hugging Face 发布 granite-speech-5.0-2b、granite-speech-5.0-470m-turboctc 和更新版 granite-speech-4.1-2b-plus 三款语音模型，均以 Apache 2.0 许可开源。granite-speech-5.0-2b 支持英语、法语、德语、西班牙语、葡萄牙语和日语的转写，并可在这些语言与英语之间互译，另支持英语译成意大利语和中文，训练数据含 39 万小时公开音频；Turbo CTC 版本扩展到七种语言并原生输出标点与大小写，在 Open ASR Leaderboard 上达到 19,870 RTFx，约为发布时的 1.6 倍；4.1-2b-plus 侧重多说话人长音频，说话人分离 WDER 与 cpWER 均下降 7%，长语音 WER 下降 24%。
#模型发布#语音#开源生态
NVIDIA 于 2026 年 10 月 21 日发布开源多变量时间序列预测模型 Kumo Forecast，采用 Apache 2.0 许可，代码在 NVIDIA/Kumo-TS 仓库，预训练权重托管于 Hugging Face 的 nvidia/Kumo-Forecast。模型以约 3.4 亿参数的 MOMENT-1-large Transformer 编码器为冻结主干，只训练预测头，支持 256 至 2048 的输入序列长度，并可选 DARR 检索增强模式。可解释性框架可输出滞后与特征归因、语义流诊断等结果，运行需 Python 3.10 以上与 PyTorch 2.7 以上，官方建议在相同留出窗口上对比直接预测与检索增强两种配置。
#模型发布#开源生态#数据/训练
#产品更新#视频#多模态
英伟达发布实时AI手术模拟器Cosmos3-H-Dreams，基于真实胆囊切除术录像训练，可随器械操作实时生成手术画面。该模型以160亿参数基础模型为底座，聚焦抓钳和电钩两件器械，可接收双臂位置、夹钳开合等28项操作信号，在单块RTX PRO 6000 GPU上即可交互运行。英伟达表示它目前只是研究工具，尚未经过患者诊疗验证。
#模型发布#具身智能#开源生态
NVIDIA 于 2026 年 10 月 21 日宣布扩展其开放模型家族，覆盖语言、机器人、生物和量子计算，并围绕欧洲主权智能定位。组合包括 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、Nemotron Retriever、面向结构化业务数据的 Kumo、Cosmos 3.5 世界模型、面向自动驾驶的 Alpamayo 2 Edge、BioNeMo 和 Ising。Nemotron 3.5 Super VL 已在 Hugging Face、ModelScope、OpenRouter 和 build.nvidia.com 上线，Nemotron 3.5 Bolt E4B 4GB 预计 10 月 23 日可用。
#模型发布#开源生态#Agent
NVIDIA 在 GTC Berlin 宣布与 UW Medicine 蛋白质设计研究所合作推出开源蛋白质设计模型 RFD4-Proteina，已通过 Amazon Bio Discovery、Hugging Face、OpenAI 等合作方提供。该模型属于 NVIDIA BioNeMo，将可编程蛋白质设计与搜索能力结合，可按分子输入、约束和评分目标生成并筛选候选设计。Hugging Face 模型卡显示其权重为 435.6 百万参数、FP32 存储 1.74 GB、以 BF16 运行，采用 BSD 3-Clause 许可，单张 H200 上 250 token 设计在 BF16 下耗时 5.0 秒。
#模型发布#开源生态#数据/训练
NVIDIA 于 2026 年 10 月 21 日扩展 Nemotron Retriever 系列，推出 Nemotron 3.5 Embed（8B BF16、1B BF16、1B NVFP4）、Nemotron 3.5 Rerank 8B BF16 和 6.31 亿参数的 Nemotron 3.5 Parse，面向企业智能体工作流的多模态检索与文档处理。NVIDIA 称在智能体检索流程中加入 Rerank 后，单次查询的 token 成本分别降低约 14%（搭配 8B 嵌入模型）和 13%（搭配 1B 模型），检索准确率同时提升。Parse 在 ParseBench 上得分 75.20，单张 H100 上每秒处理 10.5 页；开放权重、数据和训练配方已在 Hugging Face 发布，并可通过 NVIDIA NIM 及 Baseten、DeepInfra、FriendliAI 部署。
#模型发布#RAG#多模态
Black Forest Labs 以开放权重形式发布 5.6B 参数的 FLUX 3 Image Klein 图像生成模型，针对消费级 GPU 优化。其 BF16 权重需 12.2GB 内存、FP8 权重需 5.6GB，INT8 版本可通过 ComfyUI 或 Diffusers 在 8GB 显存的 NVIDIA GeForce RTX GPU 上运行。测试中 INT8 版本在 RTX 5090 上生成 1MP 图像约需 4s，在 RTX 4070 上通过 ComfyUI 生成 1MP 图像不到 9s。模型支持文本转图像、图像编辑和多参考生成，原生支持 4K 分辨率。
#模型发布#图像生成#开源生态
NVIDIA 扩展其开放模型家族，覆盖语言、机器人、生物与量子计算，包括新的 Nemotron 3.5 Super VL 和 Nemotron 3.5 Bolt、用于嵌入与重排序的 Nemotron Retriever、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 以及量子方向的 Ising。Nemotron 3.5 Super VL 已在 Hugging Face、ModelScope、OpenRouter 和 build.nvidia.com 以 NIM 微服务形式提供，Nemotron 3.5 Bolt E4B 4GB 预计 10 月 23 日（周五）可用。BioNeMo 的 RFD4-Proteina 在 200 氨基酸蛋白基准中生成速度约为 RFdiffusion3 的 13 倍。
#模型发布#开源生态#Agent
NVIDIA 与 UW Medicine 蛋白质设计研究所发布开源模型 RFD4-Proteina，将可编程蛋白质设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化蛋白质设计。研究草稿中的测试显示，该模型在蛋白质结合、小分子结合、酶骨架和 DNA 结合四类基准上，计算设计成功率和生成吞吐均高于所评估的基线。模型已通过 Amazon Bio Discovery、Anthropic 的 Claude Science、Benchling、Databricks、Google Cloud、Hugging Face、Nebius、OpenAI 和 Tamarind Bio 等合作方提供。
#模型发布#开源生态#Agent
MiniMax 发布 M3.1 Flash，并认领此前匿名模型 Space Bunny；在 Automation-Bench 复杂 Agent 任务对比中位列第一，BankerToolBench 以 76.2% 与 Opus 5 并列第一。雷锋网用同一道 3D 校园搭建任务实测，MiniMax Code 加 M3.1 Flash 用时 55.4 分钟，OpenCode 加 DeepSeek V4.1 Flash 约 121 分钟，两边模型费用都在 6.5 元左右。定价为每百万 Token 输入 1 元、输出 4 元、缓存读取 0.1 元，相比上一代 M3 输入输出价格约降一半，且全天不分峰谷。
#模型发布#Agent#编码
Mistral AI 发布 Voxtral 3，包含 3 款转写模型、1 款 TTS 模型和一套基于 LiveKit 的语音智能体 SDK，4 款模型均在 Mistral API 公测。Small Transcribe 3 在 Artificial Analysis 上取得 2.1% AA-WER 排第三，说话人分离 cpWER 为 18.4%，但实时模型在 240 ms 延迟下 FLEURS 35 的 WER 为 7.4%，落后于 Gemini 3.5 Realtime 的 4.2%。批量转写定价为每分钟 $0.0035 至 $0.004，TTS 为每 100 万字符 $13，语音智能体 API 为每分钟 $0.04 起。
#模型发布#语音#Agent
#模型发布#语音#部署/工程