Google 将 SynthID Detector 从面向媒体从业者的早期版本扩展至全球英文用户，任何人可检查图像、视频或音频是否由 Google 及其合作伙伴的 AI 生成，合作方包括 OpenAI、NVIDIA、Kakao，Apple 也将加入。Google 称自 2023 年推出 SynthID 以来已为超过 1800 亿张图像和视频、24 万年时长的音频添加水印，Search、Gemini 应用和 Chrome 中的验证功能每天处理超过 100 万次请求。
匹配字段摘要、正文
Google 宣布扩大 SynthID 的访问范围，任何人现在都可以通过新上线的网页入口检查图片、视频或音频文件是否带有 SynthID 水印，这些文件既可能由 Google 生成，也可能来自 OpenAI、NVIDIA、Kakao 等合作方，Apple 也将加入。Google 称目前已为 1800 亿张图片和视频以及超过 24 万年的音频内容添加水印，每天处理约 100 万次验证请求。该门户与 Search、Gemini App 和 Chrome 中已有的内置验证功能并列。
匹配字段摘要、正文
Hao AI Lab 发布 FastVideo FastH3，可在单台消费级设备上运行，支持 NVIDIA RTX GPU、DGX Spark 和 Apple Silicon。FastH3 V2 在 8 步内超过 MiniMax H3 基座模型，单张 RTX 5090 生成 5 秒 480p 带音频片段耗时 15 秒，768p 约 35–39 秒。同时发布 FastH3 Trim，体积比基座 H3 小 4.2 倍，最低 8 GB 显存即可运行，并已开放模型、Cookbook 与代码。
匹配字段摘要、正文
Cohere 将企业平台升级为 North 2，用于统一管理 AI 智能体，可自主处理多步骤工作流并跨会话保留上下文。新编排系统让智能体调用共享知识库和可复用技能，并连接 Slack、SharePoint、Jira 等工具，还能从聊天提示词直接生成演示文稿、仪表盘和简单应用。North 2 不绑定模型，除 Command A+ 外可接入企业自有模型，支持本地、云端或完全气隙部署；管理员通过 North Admin 管理 token 用量、用户配额和细到单个智能体的访问权限，智能体执行关键操作前需人工批准。Cohere 称其模型在 Nvidia Blackwell 和 Hopper 硬件上所需 token 更少，LG CNS 和 Bell Cyber 已在生产环境运行 North。
匹配字段摘要、正文
Hao AI Lab 开源了能在 Minecraft 中与真人对抗的智能体 Jev，通过 SOTA LLM 智能体加人工监督从机器人自身日志中进化提示词，全程不做训练。在 1,795 轮对局后，Jev 在与真人玩家的 Block UHC 对战中赢下 70% 的回合；与满技能脚本对手对战时，v1 每轮皆负，不到两小时后 v9 每轮皆胜。其决策基于 DiffusionGemma 上的 DJev 单次前向传播，不生成任何 token，开源推理引擎 DJev-serve 在 NVIDIA GB200 NVL72 与 B200 上以单张 CUDA graph 运行，每次决策 24 ms，比某主流推理引擎快 2.5 倍。
匹配字段摘要
UCSD Hao AI Lab 开源了 Minecraft 智能体 Jev，在 1,795 轮对局后公布其工作方式。它不训练模型，而是由 SOTA LLM 智能体在人工监督下从机器人自身日志中进化提示词；在 Block UHC 对真人玩家赢下 70% 的回合。每次决策在 NVIDIA Blackwell 上耗时 24 ms，团队称比某主流推理引擎快 2.5 倍，并开源了推理引擎 DJev-serve，在 GB200 NVL72 和 B200 上以单次 CUDA graph 完成每个决策。
匹配字段摘要
Hao AI Lab 开源了在 Minecraft 中作战的 LLM 智能体 Jev，经过 1,795 轮对局，它在 Block UHC 中战胜真人玩家的比例为 70%。该智能体不做训练，而是由带人工监督的 SOTA LLM 智能体根据自身日志进化提示词；据其说明，面对满技能脚本对手时 v1 全败，不到两小时后 v9 全胜。每次决策为 DJev 在 DiffusionGemma 上的一次前向传播，不生成 token，在 NVIDIA Blackwell 上耗时 24 ms，比某领先推理引擎快 2.5 倍，其开源引擎 DJev-serve 在 NVIDIA GB200 NVL72 和 B200 上以单个 CUDA graph 执行每次决策。
匹配字段摘要、正文
AI 初创公司 Tavus 预览了 Griffin，一个可在实时视频中观看、聆听、说话并作出反应的 Human Interaction Model。Tavus 称在面对面测试中，48% 的参与者认为对话对象是真人，此前模型这一比例仅为 2.4%；该模型在 NVIDIA 的 VideoFDB 视频聊天测试中与真人相差 0.09 分，并领先次优 AI 模型超过 1 分。目前仅 Griffin-Lite 向受信任测试者开放，用于继续完善安全与披露功能，后续再公开推出。
匹配字段摘要、正文
Tavus 推出名为 Griffin 的 Human Interaction Model，可在实时视频通话中同时接收和生成语音、面部表情、语气、手势与停顿。Tavus 研究显示，48% 的参与者在一次一分钟视频通话后认为 Griffin 是真人，此前系统最高为 2%。在 Tavus 称为 Nvidia 独立测试的拟人度评分中，Griffin 得 3.83 分，真人为 3.92 分，此前最佳 AI 模型为 2.80 分。名为 Griffin-Lite 的预览版已向部分测试者开放，能力更强的版本将在安全问题解决后推出。
匹配字段摘要、正文
Prime Intellect 发布 Prime Inference，为前沿开源模型提供无服务器端点和预留 GPU 容量，支持 OpenAI SDK 接入 https://api.pinference.ai/api/v1，并具备跨数据中心自动故障转移。该平台在公开发布前内部日均处理近一万亿 token，负载来自 RL rollout、合成数据生成、评测和长时间运行的编码智能体。其服务栈结合 NVIDIA Dynamo、vLLM、Mooncake 和 FlashInfer，采用预填充与解码分离部署，测试中 p90 词元间延迟降低近 40%，GLM-5.3 在 GB200 NVL72 上以 1:4 预填充解码比实现每组 66 个会话、每用户 101 tok/s。
匹配字段摘要、正文
Ai2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重大升级，核心是重新设计的开源 MoE 训练系统，目标是把 MoE 训练扩展到万亿参数级别并保持计算效率。在八块 NVIDIA B300 GPU 的初步测试中，470 亿参数 MoE 达到每 GPU 每秒 52,000 tokens，约为此前 FSDP 实现 19,400 的 2.7 倍；该基础设施已在超过 1 万亿总参数规模上完成基准测试。Olmo-core 3 从 FSDP 转向基于 DDP 的系统，让专家常驻 GPU 并把数据路由过去，同时采用 rowwise expert parallelism、GPU-resident routing、grouped GEMM 和 MXFP8 低精度格式，其中 MXFP8 在四块 B300 上的端到端吞吐比 BF16 高约 21%，峰值活动显存从 103 GiB 降至 95 GiB。Ai2 表示下一代 Olmo 将采用 MoE 架构，Olmo-core 3 完全开源，研究者可用于训练自己的 MoE。
匹配字段摘要、正文
AI2 发布 Olmo-core 3，一套面向大规模 MoE 模型的开源训练基础设施，从早期基于 FSDP 的实现改为基于 DDP 的系统，让专家常驻 GPU 并把数据路由到对应专家。在八块 NVIDIA B300 GPU 的初步测试中，470 亿参数 MoE 达到每 GPU 每秒 52,000 tokens，约为旧实现 19,400 的 2.7 倍；在四块 B300 上启用 MXFP8 后吞吐比 BF16 高约 21%，峰值活跃显存从 103 GiB 降至 95 GiB。该栈支持专家并行、流水线并行、分布式优化器、行级专家并行、GPU 常驻路由与分组 GEMM，并已在 512 块 GPU 上测试 1.2 万亿参数模型，最高观测吞吐 858 TFLOP/s/GPU。
匹配字段摘要、正文
CoreWeave 在旧金山 Fully Connected 活动上发布 CoreWeave Forge，一个用于开发、运行和持续改进 AI 模型与智能体的集成软件平台，即日起提供 Free、Pro、Enterprise 三个版本。Forge 把训练、推理、评估、可观测性和智能体开发整合为围绕 AI 循环的软件栈，并推出包含 VAST Data、CrowdStrike、ClickHouse 的合作伙伴网络。硬件方面，Nvidia Vera Rubin NVL72 已在其云平台上线，Cognition 成为首个客户并在两天内跑起负载；Nvidia Vera CPU 面向 AI 智能体处于早期开放阶段。
匹配字段摘要、正文
Inception Labs 发布 Mercury 2，称其在标准 NVIDIA GPU 上解码速度超过 1000 tokens/秒，在 WideSearch 基准的搜索流水线每一步都最快，查询规划比 Gemini 3.1 Flash Lite 快近 2 倍、比 Claude Haiku 4.5 快 4.7 倍、比 GPT-5 Mini 快 10 倍。定价为 $0.25/M 输入、$0.75/M 输出，作者称更深的流水线运行成本约为前沿速度优化模型的 2 倍便宜。在 FRAMES 上四款模型得分接近，DeepSearchQA 上 GPT-5 Mini 以 0.44 高于 Mercury 2 的 0.34，但 Mercury 2 完成 FRAMES 查询耗时 10.8 秒、单次正确回答成本最低。作者还发现 WideSearch 任务可被模型凭记忆作答，重建为训练截止后事件的任务后，Gemini 得 0.929、Mercury 2 得 0.923。API 已在 platform.inceptionlabs.ai 上线。
匹配字段摘要、正文
Artificial Analysis 开源 AA-AgentPerf-Local，通过回放真实智能体会话在笔记本和工作站上测试本地模型推理性能，并发布配套榜单。默认负载为 8 个记录任务、168 个模型轮次，上下文增长至约 56K tokens，默认跳过工具执行以隔离推理速度。首批硬件包括 NVIDIA DGX Spark（128 GB）、AMD Ryzen AI Halo（128 GB）、MacBook Pro M5 Pro（64 GB）和 NVIDIA GeForce RTX 5090（32 GB），首批模型为 Qwen3.5-9B、Qwen3.8-27B、Qwen3.6-35B-A3B 和 Ling 3.0 Flash（124B / 5B active），均采用 4-bit 量化。
匹配字段摘要、正文
英伟达 CEO 黄仁勋发布 Nvidia Open Agent Safety Platform，将开源软件 OpenShell 与运行在 BlueField-4 DPU 上的独立监控系统 Sentry 组合，为 AI 智能体加上软硬件两层安全边界。英伟达称 Sentry 独立于智能体所在的 CPU 或 GPU，可持续监控行为并在毫秒级隔离试图越界的智能体。Anthropic、Arm、Microsoft、Oracle、SpaceX 等数十家公司表示支持，OpenAI 未在名单中。
匹配字段摘要、正文
美国具身智能公司 Skild AI 展示人形机器人 Messinator，其大脑基于旗舰机器人基础模型 S1，并在 NVIDIA Isaac Sim 搭建的虚拟足球场中通过强化学习和 self-play 自我对弈训练，只设定进球这一个目标，盘带、护球、抢断和倒地起身等行为均为自行习得。团队称机器人在虚拟世界累计踢了 140 年，最终能把足球策略迁移到真实人形机器人上，完成带球、护球、抢断并在真人对抗中调整位置。Skild AI 成立于 2023 年，脱胎于卡内基梅隆大学机器人研究体系，此前推出过跨硬件机器人基础模型 Skild Brain，并公开过约 10 万种身体结构、约 1000 个仿真年的 omni-bodied 训练成果。
匹配字段摘要、正文
White Circle 于 9 月 21 日发布后训练框架 Halo，可在 Hugging Face 既有模型上加入多 GPU 分布式训练，无需重写模型实现，新模型系列适配代码约 100 行，权重仍以 SafeTensors 格式保存。在 8 基 NVIDIA B300 上对 gpt-oss-20b 的实测中，Halo 的吞吐最高达到 TRL 的 2.8 倍，峰值显存随配置变化，约 26GB 至 60GB。用 Halo 对 GLM-4.7-Flash 做监督微调后，GLM-4.7-Flash-Coder 在 SWE-rebench-V2 上的单次尝试解决率从 33.15% 提升到 41.65%。
匹配字段摘要、正文
Unsloth 发布 Docker 镜像，用户可在本地训练和运行 500+ 模型，支持新的 GUI 或 notebook 工作流，无需额外配置，并兼容 NVIDIA 与 AMD 硬件。官方同时给出了使用指南和 GitHub 仓库链接。
匹配字段摘要、正文
OpenAI 公布与 Broadcom 合作开发的首款自研推理芯片 Jalapeño，其内部测试显示，这款 700 瓦芯片比 NVIDIA 旗舰系统最高快 3.6 倍，每瓦工作量最高多 1.9 倍。该芯片不会对外销售，计划于今年晚些时候进入 OpenAI 数据中心，并在 2027 年扩大生产。
OpenAI 公布与 Broadcom 合作开发的首款自研推理芯片 Jalapeño，其内部测试显示，这款 700 瓦芯片比 NVIDIA 旗舰系统最高快 3.6 倍，每瓦工作量最高多 1.9 倍。该芯片不会对外销售，计划于今年晚些时候进入 OpenAI 数据中心，并在 2027 年扩大生产。 · OpenAI released internal benchmark results for Jalapeño, its first in-house inference chip developed with Broadcom, showing that the 700-watt chip ran up to 3.6x faster than NVIDIA’s flagship systems and delivered up to 1.9x more work per watt. The chip will not be sold externally and is planned to reach OpenAI’s data centers later this year, with
匹配字段摘要、正文