NVIDIA宣布Step 3.7 Flash模型正式发布，该模型为198B参数MoE架构，11B活跃参数，支持256K上下文以及原生图像和视频处理。即日起可通过NVIDIA NIM推理微服务和NeMo框架在GPU加速端点部署。
NVIDIA AI转发消息：@haoailab团队将生成5秒视频的耗时从8块Blackwell GPU的25秒优化至单块Blackwell GPU的4.2秒，并将技术开源。
NVIDIA发布推文称，使用2台DGX Sparks服务器和MiniMax M2.7 NVFP4模型，可同时运行16个本地AI智能体。该配置展示了多智能体协同运行的可行性。
NVIDIA 发布 AI-Q agent skill 开源深度研究工具，可将研究管道打包成便携技能，集成到 agent harness 中，委托本地或托管 AI-Q 服务器执行任务并返回带引用的详细报告。
NVIDIA发布Nemotron-Labs-Diffusion系列扩散语言模型，参数规模3B至14B，支持并行生成多个token并在生成过程中进行修订，提升推理速度，还包括视觉语言变体。
NVIDIA AI团队发布SANA-WM开源世界模型，参数26亿，单GPU运行，输入图像、文本和相机轨迹即可生成60秒可控视频。
Perplexity AI 发布新研究，详述如何在 NVIDIA GB200 NVL72 Blackwell 机架上服务后训练的 Qwen3 235B 模型，展示了高性能推理部署方案。
NVIDIA通过Dynamo强化harness路径，支持Claude Code、OpenClaw和OpenAI Codex等agent模式，实现稳定提示词、交错推理与工具调用、流式工具调度等改进。
NVIDIA AI 宣布与 Sakana AI Labs 合作，在 ICML 2026 发表关于稀疏变换器内核和格式的论文，优化 NVIDIA GPU 执行，实现了20%以上的推理和训练加速。
NVIDIA官方推特表示Perplexity运行在NVIDIA上，并介绍了团队使用CUTLASS Python堆栈优化推理模型的细节。
NVIDIA Research发布Guess-Verify-Refine算法，一种硬件感知的稀疏注意力机制，专为Blackwell上的TensorRT LLM设计，实现Top-K注意力1.88倍加速，端到端延迟提升9.3%。
NVIDIA AI宣布推出TokenSpeed推理引擎，专为高速智能体工作负载设计。该引擎具备高级KV缓存管理、安全高效调度器、可插拔分层内核系统，支持多芯片，并在NVIDIA Blackwell上实现最快的MLA注意力内核。
NVIDIA AI发文称，运行规模化agentic工作负载对token消耗、上下文长度和延迟要求极高。Vera Rubin平台通过极致协同设计，针对此类复杂工作负载，可在万亿参数MoE模型上实现每用户每秒400+ tokens。
NVIDIA内部使用基于cuOpt的智能工作流优化供应链，该工具已开源，支持多智能体编排和GPU加速求解器，可在几分钟内完成优化，并提供预配置GPU环境供开发者试用。
NVIDIA Megatron Core 新增对 Muon、MOP 和 REKLS 等优化器的支持，旨在提升 GB300 GPU 和 NVL72 系统上训练 Kimi K2、Qwen3 30B 等大模型的效率。
NVIDIA AI转发用户测试：在DGX Spark（128GB显存）上以q8量化运行nemotron 3 omni模型，通过Hermes Agent实现56 tok/s的推理速度。
NVIDIA发布开源安全沙盒OpenShell，旨在为企业AI代理提供安全控制，限制代理的访问、共享和发送权限，保护企业数据安全。
NVIDIA Research发布新论文，提出在NeMo-RL结合vLLM中使用推测解码加速强化学习后训练，实现8B模型吞吐量提升1.8倍，235B模型端到端加速2.5倍。
英伟达AI宣布，SGLang在Blackwell硬件上对DeepSeek-V4推理达到180 tok/s/GPU，支持约1M上下文，该优化来自lmsysorg利用模型混合稀疏注意力的Blackwell特定优化。