AI 周报 · 2026 年第 43 周 · 10.19 — 10.25
MYHOT
本周，NVIDIA 在 GTC Berlin 展示了其全系列本地 AI 硬件，并发布了包括 Kumo Relational 关系型基础模型在内的多款软件工具。Mistral AI 推出了新一代语音智能体 SDK Voxtral 3，而 Cloudflare 则发布了专为数值提取设计的预览版模型 Clairic。
Mistral AI 发布 Voxtral 3 语音智能体 SDK 与语音模型
Mistral AI 发布 Voxtral 3，包含新一代语音转文本、文本转语音模型以及一个实时语音智能体 SDK。Voxtral Small Transcribe 3 支持 50 多种语言的转录，具备说话人分离和上下文偏置能力。
模型发布/更新
Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型及全球数据
AllenAI 团队在 Hugging Face 发布了 OlmoEarth v1.3 卫星嵌入模型，并开源了预计算的全球年度嵌入向量（10米分辨率，64维和128维）以及基于浏览器的交互式地图探索工具 OlmoEarth Embeddings Explorer。
产品发布/更新
本版导读本周发布聚焦于提升模型推理效率、扩展平台能力以及增强智能体安全，多家公司推出了新的开发工具与框架。
Latent Space10.21DeepSeek 开源生产级推理栈 DeepInfer 的技术报告与经济效益分析
DeepSeek 开源了其生产级推理栈 DeepInfer，并披露了相关技术细节与经济效益数据。该框架支持分布式推理、推测解码、SWA Bounded Replay 和结构化输出，目标硬件为 NVIDIA SM100 和华为昇腾 950。
Cloudflare 发布 System One 提取模型 Clairic
Cloudflare 发布预览版 System One 提取模型 Clairic，托管在 Workers AI 上。该模型专为从非结构化输入中提取、计算、估计和预测数值而设计，相比传统 LLM 在准确率、延迟和成本上均有显著优势。
Hugging Face 推出原生 PyTorch 后端 TorchTPU
Hugging Face 推出 TorchTPU，为 PyTorch 添加了原生 TPU 后端支持，使 Transformers 和 Diffusers 等库可以直接在 TPU 上运行。
NVIDIA 发布 Kumo Relational 关系型基础模型
NVIDIA 发布了预训练关系型基础模型 Kumo Relational，可直接在企业数据库上进行预测，无需任务特定训练、特征工程或表格扁平化。该模型在 15 个数据库的 41 项任务上超越了监督式关系深度学习模型和专家设计的梯度提升树流程，在 SAP SALT 企业基准测试中平均倒数排名比 AutoGluon 集成方法高 8%。
NVIDIA 扩展 Cosmos 平台，新增训练、评估和部署世界模型的工具
NVIDIA 扩展了其 Cosmos 平台，为构建物理 AI 世界模型的开发者提供新的训练工具、仿真检查点和数据工厂蓝图。Cosmos Data Factory 新增了五个云原生蓝图，用于大规模生成和增强多模态训练数据，保时捷使用该工具预计可将物理测试减少高达 90%。
NVIDIA 在 GTC Berlin 展示全系列本地 AI 硬件及软件更新
NVIDIA 在 GTC Berlin 展示了其全系列本地 AI 硬件产品线，包括上周发布的 RTX Spark、面向开发者的 DGX Spark 以及面向企业团队的 DGX Station。
NVIDIA 扩展 Agent Toolkit，推出 Agent Knowledge Foundation
NVIDIA 扩展其开源 Agent Toolkit，推出新的 Agent Knowledge Foundation，帮助企业利用公司数据定制和控制智能体。该工具包包含 CUDA-X 库、Nemotron Retriever 和 Kumo 系列开源模型、OpenShell 安全运行时以及 NemoClaw 蓝图。
NVIDIA 发布 Nemotron 3.5 系列检索模型，包含 Embed、Rerank 和 Parse
NVIDIA 扩展了 Nemotron Retriever 系列，发布了新的开源商用模型，包括 Nemotron 3.5 Embed 8B/1B、Nemotron 3.5 Rerank 8B 和 Nemotron 3.5 Parse。
NVIDIA Sentry：在运行时保护 AI 智能体安全的软件框架
NVIDIA Sentry 是一个用于监控 AI 智能体运行时的安全软件框架。它旨在防止智能体在使用工具、凭据和服务时绕过安全控制，其监控与执行机制独立于智能体，使其无法被篡改或禁用。
论文研究
ALTK-Evolve：通过习得记忆让 GPT-4.1 在 τ²-bench 客服任务中领先
IBM 研究团队提出的 ALTK-Evolve 方法，通过 GPT-4.1 分析智能体在 τ²-bench 客服基准训练任务中的轨迹，自动提炼行为规则并添加到系统提示词中，从而提升性能。
Microsoft 与 Hugging Face 联合发布 ThinkingBox-Training：用数据库状态奖励训练智能体
Microsoft 与 Hugging Face 联合发布了 ThinkingBox-Training 方法，通过将数据库终端状态的可执行检查结果作为强化学习奖励，来提升智能体任务的重复成功率。