最新模型
Salesforce Koa 以工作流程規格生成訓練環境，將 CRM 工具操作寫入 120B 模型
Salesforce 以 Nemotron 3 Super 為底座，透過合成企業情境、SFT 與 GRPO 訓練首款 CRM 推理模型 Koa。它在多輪工具使用上明顯改善，但論文承認整體表現仍落後最強前沿模型，官方「錯誤少三倍」也來自自家 CRM 評測。
Archive
硬體
AI 晶片、GPU、資料中心、邊緣裝置與硬體安全。
最新模型
代理工具
FlashREINFORCE 以單軌跡非同步更新取代代理 RL 的同題分組取樣
NVIDIA 研究團隊提出無 critic 的單 rollout 訓練法，讓長短不一的工具軌跡完成後即可進入更新。小模型實驗以一半 rollout 超越所列 GRPO 基線，但跨環境、跨規模的穩定性仍未得到充分驗證。
最新模型
Gensyn open‑1b 為 80,957 個訓練步驟建立跨硬體位元級稽核鏈
Gensyn 公開 1.61B 參數模型的資料、檢查點、逐步雜湊與重播工具，讓第三方可抽查訓練狀態是否與承諾相符。這套可重現性以約五倍訓練效能代價換取，而且雜湊吻合仍不能獨自證明原始叢集確實按宣稱方式執行。
最新模型
Gemini 3.8 Live 將推理移到語音背景執行，客戶端不能再以 turnComplete 判定閒置
Google 推出兩款原生語音模型，Extended Thinking 可在持續輸出音訊時進行背景推理與非同步工具呼叫。新協定提升長流程語音代理的並行能力，卻也要求開發者重寫工作階段狀態機與中斷處理。
推論系統
Perplexity 將本機代理帶到 Windows RTX，但「資料留在裝置」仍有雲端例外
Portable Computer 現可在具備至少 24GB VRAM 的 Windows RTX 電腦執行模型、工具與沙箱，多數本機工作不計入雲端額度。系統仍能經使用者授權升級至雲端模型，連接器與外部操作也使其不能等同完全離線環境。
AI infrastructure
Rubin NVL72 首輪 AgentX 實測公開，最高每瓦 token 增益仍取決於比較基線
SemiAnalysis 在預發布軟體上測試 Vera Rubin NVL72，報告相較 Blackwell 最高約七倍的每兆瓦 token 吞吐量。結果凸顯 HBM4 與 NVLink 6 對長上下文、MoE 推論的作用，但 67 倍性價比標題包含租賃價格及特定操作點假設。
最新模型
Atria Dawn Preview 釋出 744B MoE 權重，以可驗證環境訓練長程研究代理
上海人工智慧實驗室公開 Atria Dawn Preview、FP8 權重與推論配方，主打從搜尋、寫程式到執行實驗的完整代理迴圈。官方在 16 項基準中宣稱五項最佳，但模型規模、測試時計算與自家評測設定仍限制了可比性。
代理工具
Otis 將 llama.cpp、本地模型選型與代理權限整合進同一套桌面及終端介面
Otis 在 9 月 13 至 14 日集中公開推廣，會依硬體推薦並下載 GGUF，再以內建 llama.cpp 啟動本地代理。離線模式不需要帳號，但搜尋、PAIR 叢集及 Fireworks 推論屬於不同的資料與信任邊界。
推論系統
llama.cpp 主線納入 Maple 20B‑A1B 三值 MoE，首階段以 CPU 支援為基準
9 月 14 日合併的架構支援，讓 Maple‑Preview 不再依賴 DeepGrove 的 llama.cpp 分支即可載入與轉換。模型每個 token 只啟用約 10 億參數，但 GPU 後端、品質評測與官方速度宣稱仍需分開驗證。
推論系統
smolperfbenchmark 公開端側 LLM 能效測試，但上線榜單暫時顯示零筆結果
新開源測試集把小模型放到 Jetson、Mac、樹莓派及 Android 裝置，量測解碼速度、每焦耳 token、延遲與溫度，而非只看資料中心 GPU 吞吐。作者宣稱已測約千組 Jetson 配置，但目前公開榜單未載入任何資料，使用者只能先從儲存庫報告與原始產物核對結果。
GitHub Repo
llama.cpp 每日建置為舊 GPU 回退至 F32，並攔截 Nemotron MTP 權重的除零崩潰
9 月 13 至 14 日的 llama.cpp 預發布建置補上 BF16 不可用時的 CUDA F32 路徑，避免部分舊 GPU 直接失敗。另一項修補會在 Nemotron‑H 的 NextN／MTP 中繼資料不完整時回報錯誤，而非於載入模型時觸發 SIGFPE。
推論系統
Colibrì 把兆級 MoE 權重分層放進 VRAM、RAM 與 NVMe，但低記憶體不等於高速推論
近期社群熱度上升的 Colibrì，以純 C 引擎按需載入稀疏專家，讓 744B 至 2.8T 參數模型可在非資料中心硬體啟動。它降低的是模型常駐記憶體門檻，實際解碼速度仍高度受 SSD 頻寬、專家命中率與量化品質限制。