SWE-Serve：暴露本地测试与真实推理服务之间的差距
SWE-Serve 用 53 个任务评估 AI 编码补丁在真实推理服务路径中的表现，关注补丁通过本地测试却在上线服务中失败的问题。
AI 负载上线前，先验证 GPU 集群是否真正就绪
GPU 集群通过健康检查并不等于能稳定运行大规模 AI 训练。慢 GPU、链路负载退化或路由配置问题，都可能在任务运行数小时后才暴露。
TensorRT 多 GPU 推理能力已在 Dynamo-Triton 中集成
生成式 AI 的算力与显存需求正超出单 GPU 能力。TensorRT 11.0 起支持多设备推理，可让单个网络跨多块 GPU 执行。
NVIDIA 机密计算用于私密高性能 AI 推理
随着大模型推理处理更多敏感信息，NVIDIA 提出通过机密虚拟机与机密 GPU，在可信环境中运行生产级 AI 推理工作负载。
TensorRT Edge-LLM 在 Jetson AGX Thor 上加速边缘智能体推理
NVIDIA 称 TensorRT Edge-LLM 在 Jetson AGX Thor 上完成 MLPerf Edge Agentic Benchmark，速度提升至 6.4 倍。
Dense 与 MoE 模型：活跃参数、吞吐量与选择场景
MoE 模型可在每个 token 上只激活部分参数，例如 30B 模型每次仅用约 3B 参数，从而在容量与计算成本之间取得不同权衡。
NVIDIA将蛋白质结构预测能力引入AI科研助手
智能体AI正在改变科研流程。通过集成NVIDIA BioNeMo NIM微服务，AI科研助手可以调用蛋白质结构预测模型，辅助研究人员分析数据、提出假设并优化实验方向。
Qwen3.8-Flash-Next 在 NVIDIA GB300 NVL72 上探索智能体编程
阿里巴巴开放 Qwen3.8-Flash-Next 模型权重，作为下一代 Qwen4 架构的预览。该模型采用多模态 MoE 架构，原生支持 262,144 Token 上下文，并被用于探索智能体编程场景。
Groq 3 LPX 加入 Vera Rubin，瞄准长上下文超低延迟推理
NVIDIA Groq 3 LPX 是面向 Vera Rubin 平台的交互式 AI 推理加速器。它可与 Vera Rubin NVL72 配合，进一步强化平台在长上下文场景中的高速交互能力，并覆盖从小型到大型、开放与闭源模型等多类 AI 工作负载。
NVIDIA Vera CPU 如何应对智能体 AI 集群挑战
智能体 AI 工作负载具有高度波动和不可预测性。NVIDIA 认为，除了负责模型计算的 GPU，CPU 在任务编排、工具执行和沙箱计算中同样关键，并以 Vera CPU 面向这类 AI 基础设施需求。
智能体 AI 推高推理负载，英伟达强调 Vera Rubin 与 Blackwell 能效
随着 AI 智能体从单轮问答转向推理、工具调用、多智能体协作等多步工作流，推理计算需求持续增长。英伟达称，Vera Rubin 与 Blackwell 平台正面向这一趋势提升单位功耗下的智能体 AI 性能。
用 CLI、Skills 与 AI 编程智能体开发 NVIDIA Holoscan 应用
NVIDIA 探索如何让通用 AI 编程智能体利用 Holoscan 的示例、文档和开发工具进行应用开发，并结合 HoloHub 参考应用与组件，验证智能体辅助边缘实时 AI 开发的可行性。
生成式推荐正在重塑大规模推荐系统
大语言模型推动推荐系统从传统的嵌入相似度范式转向生成式建模：根据用户历史行为序列，直接预测下一步动作或目录中的下一个物品，为大规模推荐系统提供新的建模思路。
NVIDIA SkillEvaluator：如何评估 AI Agent 的技能效果
NVIDIA 介绍 SkillEvaluator，用于衡量技能包能否真正提升 AI Agent 的任务表现。技能通过封装指令、示例和工具使用指南，帮助 Agent 减少无效探索与 Token 消耗，更快完成专业任务。
NVIDIA 推出 Cosmos 3 Edge，面向机器人端侧控制
NVIDIA 推出 Cosmos 3 Edge，一款面向机器人端侧运行的 4B 全模态模型，其中包含基于 Nemotron 的 2B 推理模块，旨在降低世界模型部署到机器人板载计算硬件的难度。
用 NVIDIA FLARE 构建联邦多模态 AI 工作流
视觉语言模型需要跨机构数据进行适配，但原始数据往往无法集中。联邦学习可让数据保留在本地，同时协调多方训练，为多模态 AI 提供一种兼顾协作与数据本地化的方案。
AI 编程智能体如何降低材料原子模拟门槛
原子级材料模拟不仅需要科学知识，还依赖高效计算实现和易用的软件接口。NVIDIA ALCHEMI Toolkit 试图降低后两方面的门槛，并探索让 AI 编程智能体参与材料模拟工作流。
Qwen3.8-Max：2.4T 参数开源权重模型可在 GB300 NVL72 上部署
阿里巴巴发布 Qwen3.8-2.4T-A95B 开源权重。该 MoE 模型总参数 2.4T、每 token 激活 95B，并支持可配置推理部署。
NVIDIA Nemotron 3.5 Lightning 面向长时运行智能体的执行层优化
NVIDIA 推出 Nemotron 3.5 Lightning：一款开放的 30B MoE 模型，面向长时运行 AI 智能体中的高频执行任务，强调降低成本与延迟。
NVIDIA JetPack 7.2.1 增加智能体视频能力与 T3000 仿真
JetPack 7.2.1 面向 Jetson 视频应用新增智能体视频能力与 T3000 仿真，覆盖机器人、智能视频分析、工业自动化等场景。