AI 编程实时动态与要闻速递 — 𝕏/Twitter 一手信源

👀22

🔥84

X 热议：前 OpenAI 研究员 Will DePue 发布「检查点取证」报告，称在 DeepSeek、Kimi、MiniMax、蚂蚁 Ling 的 6 款开源模型权重里找到英伟达 Blackwell 初始化指纹；报告自称不能证明违反出口管制

11 月 12 日，前 OpenAI 研究员 Will DePue 在 X 发帖并发布报告，称通过分析公开权重里残留的随机初始化模式，发现 DeepSeek-V4-Flash/Pro、Kimi K3/K3.1-Pro、MiniMax-M3、Ling-3.1-flash 六款模型是在英伟达 Blackwell 上初始化的，而这些公司更早的模型对应 Hopper。帖子约 205 万浏览、2 万赞。这是个人研究结论，不是官方认定；报告本身也写明，它不能确定芯片在哪里、如何获得，也不能确定是否违反出口管制。

核心要点速览

6 款模型被判为 Blackwell 初始化（作者口径）：DeepSeek-V4-Flash、MiniMax-M3 对应 B200/B300（148 个 SM）；DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro、Ling-3.1-flash 对应 GB200/GB300（152 个 SM）
方法：PyTorch 用 Philox 随机数按线程数填充初始权重，线程数由 GPU 的 SM 数决定；作者搜索约 6 万亿种「种子 + 布局」组合去匹配公开权重
统计强度（作者口径）：随机巧合最多约 8 sigma，六款模型的最强证据在 49–1,385 sigma 之间；在 24 个开发者公开过训练硬件的模型上，方法结论全部一致
并非所有中国实验室：报告称 Qwen、GLM、腾讯、小米、阶跃的最新模型仍读作 Hopper，美团 LongCat-2.0 未发现英伟达指纹
规模估算不确定：作者估计五次训练合计约 1.2 万张 Blackwell（区间 7,000–20,000），并明确说对估算「没有信心」；文中「OpenAI、Anthropic 资深研究员已独立验证」为其本人说法

阅读全文

关联模型 / 智能体 / 厂商:

⚡ DeepSeek-V4-Flash ⚡ DeepSeek-V4-Pro ⚡ Kimi K3 ⚡ Kimi K3.1 Pro ⚡ MiniMax-M3⚡ Ling-3.1-flash🌐 NVIDIA 🌐 DeepSeek 🌐 Moonshot AI 🌐 MiniMax 🌐 Ant Group

#X 热议#NVIDIA#Blackwell#出口管制#检查点取证#DeepSeek#Kimi#MiniMax#Will DePue

Fireworks@FireworksAI_HQ·10 天前收录

👀40

🔥82

查看推特原帖 ↗

Fireworks 首届 Forge 大会发布一批新品：Ultra-fast 推理公测达 1500 tokens/秒，Background Mode 半价，Nexus Desktop 接入 Codex 与 Claude Desktop，Sovereign 私有部署预览

开源模型推理平台 Fireworks 11 月 3 日在首届 Forge 大会上发布一批新产品：基于 NVIDIA Blackwell 的 Ultra-fast 进入公测，在 DeepSeek V4.1 Flash 上最高 1500 tokens/秒，30 轮 Agent 任务从 1 分钟降到 8 秒；可等待任务的 Background Mode 半价；新增多日 Prompt 缓存和更高限流。Nexus Desktop 把开源模型路由带进 Codex app、Claude Desktop 和 OpenCode，Pro 每月 8 美元起；还有 No Eval、LoRA 无服务器推理、Fireworks Sovereign 私有部署等，并宣布 60+ 伙伴的 Frontier Ecosystem。

核心要点速览

Ultra-fast 公测：基于 NVIDIA Blackwell，在 DeepSeek V4.1 Flash 上最高 1500 tokens/秒；官方基准中 30 轮 Agent 任务耗时从 1 分钟降到 8 秒（Fireworks 官方博客）
省钱选项：Background Mode 对可等待任务半价；多日 Prompt 缓存降低反复恢复上下文的成本；更高的 serverless 限流和 Elastic Burst 已正式可用
Nexus Desktop 上线：开源与闭源模型按个人路由，可在 Codex app、Claude Desktop、OpenCode 中使用；Pro 每月 8 美元起，Teams 每席每月 10 美元起
训练侧：No Eval 私测，把生产 trace 转成任务评测；LoRA 无服务器推理公测，先支持 GLM 5.3 Flash，按 token 计费、空闲不收费；Muse Glimmer 30B 免费训练至 11 月 30 日
企业侧：Fireworks Sovereign 私测，把推理引擎部署进客户自己的云或机房；官方称已在客户环境管理超过 2.5 万块 GPU；同时宣布 60+ 伙伴的 Frontier Ecosystem

阅读全文

关联模型 / 智能体 / 厂商:

⚡ DeepSeek-V4.1-Flash ⚡ GLM-5.3-Flash⚡ Muse Glimmer 30B⚡ Ember-1🤖 Codex 🤖 Claude Desktop 🤖 OpenCode 🌐 Fireworks 🌐 NVIDIA

#Fireworks#Forge#推理#Ultra-fast#后台模式#提示词缓存#Nexus#Sovereign#开放模型#LoRA

NVIDIA AI@NVIDIAAI·13 天前收录

👀41

🔥80

查看推特原帖 ↗

NVIDIA：SETI 艾伦望远镜阵列接入 AI Agent，一句自然语言即可操控天线、校准并实时分析 2.4 Tbps 射电数据

NVIDIA 官方博客 10 月 30 日披露，Breakthrough Listen 与 SETI 研究所已把 Agent 接入北加州艾伦望远镜阵列（ATA，42 面 6 米天线）的日常地外文明搜索：研究员用一句自然语言请求，Agent 就能转动天线、校准聚焦、纠正数据错误并对实时数据流跑 AI 模型。底层由 Holoscan 的 DAQIRI 库把传感器数据直接送进 GPU 显存，SETI 研究所的 CyberEther 做信号处理，Web 编排器 Nexus 充当 Agent harness，在 RTX PRO 6000 Blackwell 上本地处理最高 2.4 Tbps。系统已完成首次蟹状星云脉冲星的实时 AI 检测；团队正在评估 Nemotron 等开放模型。@NVIDIAAI 10 月 31 日万圣节帖约 274 赞。

核心要点速览

吞吐：在 NVIDIA RTX PRO 6000 Blackwell GPU 上最高处理 2.4 Tbps 射电数据，推理在望远镜旁本地运行（NVIDIA 博客，厂商口径）
三层架构：DAQIRI 把传感器数据直送 GPU 显存，CyberEther 用 cuFFT/cuBLAS 做信号处理，Nexus 作为 Agent harness 管理仪器状态、算力和流水线
能力：一句自然语言即可转动 ATA 的 42 面 6 米天线、校准聚焦、修正数据错误并出图；官方称把人类数周到数年的工作压缩到数小时
里程碑：完成蟹状星云脉冲星的首次实时 AI 检测；官方未公布误报率等量化指标，也没有发现地外信号
下一步：评估 Nemotron 等开放模型，用于数据本地性要求高、甚至未来可能在月球背面离线运行的天文台

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Nemotron🤖 Nexus 🌐 NVIDIA 🌐 SETI Institute 🌐 Breakthrough Listen

#NVIDIA#Holoscan#SETI#智能体 AI#AI 科研#Agent 编排#Blackwell

Mistral AI@MistralAI·24 天前收录

👀90

🔥98

查看推特原帖 ↗

Mistral 与 NVIDIA 达成工业工程 AI 战略结盟：万亿参数 Mistral Large 4 重磅前瞻曝光

欧洲前沿 AI 巨头 Mistral AI 与 NVIDIA 在 GTC Berlin 宣布达成工业工程 AI 深度战略合作，全面加速物理 AI、计算机辅助工程（CAE）与芯片设计（EDA）的智能化变革。合作将 Mistral 旗舰模型与 NVIDIA CUDA-X、Warp 物理引擎以及 Omniverse 实时数字孪生进行全链路打通。官方博客同时公布了备受瞩目的下一代旗舰模型 Mistral Large 4 的核心技术参数：总参数量接近 1 万亿（1T），激活参数为 490 亿（49B MoE），在 3800 张 Grace Blackwell GPU 集群上训练完成，模型权重定于 10 月底正式开源发布，并将联合 Nemotron 联盟共建工业基座。

核心要点速览

Mistral AI 与 NVIDIA 官宣战略合作，将大模型能力全面注入计算机辅助工程（CAE）、物理仿真与半导体芯片设计（EDA）
深度融合 NVIDIA Warp、CUDA-X 物理加速库与 Omniverse 数字孪生平台，构建工程仿真领域的开源智能体评测与基准
首次正式公开 Mistral Large 4 核心规格：约 1 万亿总参、49B 稀疏激活 MoE 架构，在 3800 张 Grace Blackwell 算力集群完成预训练
Mistral Large 4 官方权重定于 2026 年 10 月底全量开源发布，并宣布双方加入 Nemotron 联盟向 2030 年 1 GW 绿色算力推进

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Mistral Large 4 🌐 Mistral AI 🌐 NVIDIA

#Mistral AI#NVIDIA#Mistral Large 4#工业 AI#CAE#EDA#Grace Blackwell#GTC Berlin

vLLM@vllm_project·24 天前收录

👀131

🔥97

查看推特原帖 ↗

vLLM 联合蚂蚁集团开源 Humming 算子库：最高 5 倍算子加速，MoE 端到端吞吐提升 43.3%

vLLM 官方联合蚂蚁集团正式开源底层高性能量化推理算子库 Humming（humming-kernels）。该算子库专为大规模混合专家（MoE）与低精度密集模型的高并发服务而设计，全面覆盖 WnA16、W8A8、W4A8 与 W4A4 多种量化精度，横跨 INT1~INT8 与 FP4~FP8 数据格式，并原生适配从 NVIDIA Turing 到 Blackwell 架构及平头哥真武 810E 芯片。实测显示，Humming 算子在小 Batch 下比 cuBLAS 快 3~4 倍，在大 Batch 下比 Marlin 快 2 倍；在 8 张 H20 GPU 上运行 DeepSeek-V4.1-Flash，64 并发下整机端到端吞吐暴增 43.3%，首字时延（TTFT）大幅降低 32%，现已作为默认引擎整合至 vLLM v0.29.0+ 中。

核心要点速览

vLLM 与蚂蚁集团联合开源 Humming 高性能算子库（Apache 2.0），现已原生内置于 vLLM 0.29.0+ 核心代码中
全方位打通 WnA16、W8A8、W4A8 与 W4A4 低比特精度，算子即时编译耗时仅需 1.82 秒（相比 CUTLASS 的 23.35 秒提速 12 倍）
在 8 卡 H20 集群部署 DeepSeek-V4.1-Flash 实测：64 并发下吞吐从 442 提升至 634 tokens/s（净增 +43.3%）
首字生成时延（TTFT）缩减 25%~32%，在下一代 B300 架构上 MoE 核心算子实现最高 5 倍极限加速

阅读全文

关联模型 / 智能体 / 厂商:

⚡ DeepSeek-V4.1-Flash 🌐 vLLM 🌐 Ant Group 🌐 NVIDIA 🌐 T-Head

#vLLM#Humming#量化#混合专家#Ant Group#DeepSeek#推理优化

Hugging Face Daily Papers@HuggingFace·37 天前收录

👀76

🔥99

Blackwell 4-bit 强化学习终获稳态解！南京大学等提出 TRIAGE：NVFP4 原生训练零性能损耗，吞吐暴增 2.3 倍

在大语言模型后训练阶段引入强化学习（如 PPO、GRPO、DPO）极度消耗显存与算力，海量 Rollout 生成让推理集群不堪重负。采用极低精度（如 NVIDIA Blackwell 架构原生支持的 NVFP4 / W4A4）进行端到端强化学习是突破吞吐瓶颈的终极方向。然而，量化导致训练端（Learner）与采样端（Sampler）之间产生执行不匹配（Mismatch），极易引发策略梯度的灾难性震荡。南京大学联合团队在最新研究（arXiv:2610.07043）中打破了“只看量化误差幅度”的传统视角，首次从策略梯度方向角度揭示了失衡本质：在原生 NVFP4 训练初期，误差集中放大负优势、负差距更新，导致尾部 Token 梯度急剧恶化。针对此，团队打造了方向感知稳定算法 TRIAGE，利用片段级诊断动态重平衡策略梯度，同时保留 Sampler 与 Learner 原生的 W4A4 纯 4-bit 前向执行。在 Qwen3-4B 和 Qwen3-30B-A3B 上，TRIAGE 在数学与复杂推理基准上完全追平 BF16 全精度上限，并将 Rollout 吞吐大幅提升高达 2.3 倍。

核心要点速览

南京大学与 Polixir 提出 TRIAGE 框架，首次攻克 NVIDIA Blackwell 硬件原生 NVFP4（W4A4）极低精度强化学习失稳难题
首创方向感知策略梯度重平衡与片段级诊断，彻底解决 Learner-Sampler 偏差导致的尾部 Token 崩溃
在 Qwen3 模型上实测性能 100% 追平 BF16 全精度基线，Rollout 生成吞吐暴增 2.3 倍，大幅节省训练算力开销

阅读全文

关联模型 / 智能体 / 厂商:

⚡ NVFP4⚡ TRIAGE⚡ Qwen3-4B⚡ Qwen3-30B-A3B⚡ Blackwell🤖 RL-Training-Agent 🤖 Rollout-Sampler 🤖 Policy-Learner 🌐 Nanjing University 🌐 Polixir 🌐 NVIDIA 🌐 Hugging Face

#NVFP4#TRIAGE#强化学习#Blackwell#量化#AI 基础设施

Mistral AI@MistralAI·39 天前收录

👀413

🔥96

Mistral Large 4「Le Chonk」公测：1.05T 总参 / 49B 激活原生多模态 MoE，1M 上下文，月底开放权重

Mistral 于 2026-10-06 发布 Mistral Large 4 公测 API：1.05T 总参、49B 激活的细粒度 MoE，配 1.6B 视觉编码器，1M 上下文，在欧洲自建机房 3,800 张 Grace Blackwell 上从零训练。DeepSWE v1.1 61.7%、Cybench 93%，官方称在开源模型中网络安全、金融、法律达到 SOTA；权重承诺本月底开放。

核心要点速览

规模：1.05T 总参 / 49B 激活 MoE + 1.6B 视觉编码器，1M 上下文（模型文档）
编码（Artificial Analysis 私测）：DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%，Coding Agent Index 49.8%，高于 DeepSeek V4 Pro 0813 与 Qwen3.8 Max
安全：Cybench 93%；AA Cyber Index 漏洞复现+修补子项 82% 为全场最高；Lakera B3 抗攻击 93.3%
Agent / 知识工作：AutomationBench 59.9%，AA-Briefcase 1,393 Elo；Surge AI 盲评 3.74 分，仅次于 Claude Opus 5（4.22）
价格：每百万 token 输入 $1.36 / 缓存 $0.14 / 输出 $4.18，文档另列半价一档；权重月底发布

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Mistral Large 4 🌐 Mistral AI

#Mistral#Mistral Large 4#开放权重#混合专家#多模态#网络安全#基础模型

NVIDIA@nvidia·41 天前收录

👀153

🔥96

NVIDIA 推出 DGX Spark 64GB：10/23 起 OEM 开卖起价 $4,999；双机集群最高约 1.7×，本地跑至约 100B

NVIDIA 于 2026-10-02 在博客宣布 DGX Spark 64GB：10 月 23 日（周五） 起经 Acer / ASUS / Dell / Gigabyte / HP / MSI 发售，起价 $4,999。同款 GB10 Grace Blackwell、DGX OS 与完整 CUDA AI 栈；单机统一内存 64GB、官方称可本地支撑约 100B 参数模型与 Agent。两台经 ConnectX-7 + QSFP 集群可池化 128GB（约 200B）；Qwen 3.8 27B 测试中双 64GB 相对单机最高约 1.7×。

核心要点速览

官宣：NVIDIA Blog — DGX Spark 64GB（Allen Bourgoyne，2026-10-02）
渠道与价格：2026-10-23 起 OEM（Acer/ASUS/Dell/Gigabyte/HP/MSI）；博客写明 starting at $4,999；64GB 仅经参与 OEM
算力栈：保留 GB10 + DGX OS + CUDA AI；开箱支持 Agent Toolkit、Ollama、vLLM、PyTorch、Nemotron 等
扩展：内置 ConnectX-7；双机 QSFP 直连池化 128GB / 约 200B 参数；Qwen 3.8 27B 实测双机相对单机最高约 1.7×
月底预告：NVIDIA Sync Model Launcher 可一键拉起 Qwen3.8 27B，并配置 OpenCode 走本地模型

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Qwen3.8-27B⚡ Nemotron🤖 NVIDIA Agent Toolkit 🤖 OpenCode 🤖 Ollama 🌐 NVIDIA 🌐 Acer 🌐 ASUS 🌐 Dell 🌐 Gigabyte 🌐 HP 🌐 MSI

#NVIDIA#Dgx spark#Gb10#本地 AI#编程智能体#Ollama#Vllm#Opencode#Grace blackwell

NVIDIA RTX Spark@NVIDIARTXSpark·70 天前收录

👀63

🔥88

查看推特原帖 ↗

NVIDIA RTX Spark：本地 Agent 加速——RTX 5090 上 llama.cpp 最高 1.9×，Blackwell vLLM 1.2×

NVIDIA RTX Spark 公布本地 Agent 推理优化：GeForce RTX 5090 上 llama.cpp 吞吐最高提升约 1.9 倍；RTX PRO 6000 Blackwell 上 vLLM 约 1.2 倍；双机 DGX Spark 集群最高约 1.4 倍。面向本地部署与边缘 Agent 服务路径的持续加速。