NVIDIA Cosmos 3 开源，物理AI时代来临

NVIDIA 把物理推理和世界生成塞进一个开源模型，做机器人或自动驾驶的团队可以直接拿来用，省去从头训练物理世界模型的成本。

marktechpost@Asif RazzaqSource

微软用自研数据+强化学习打造了强推理模型，做 AI 推理或模型训练的团队值得关注其“爬山机器”方法论，尤其是 35B 激活参数就能达到接近顶尖水平的效率。

rohanpaul_ai@rohanpaul_aiSource

英伟达和微软这次把AI智能体的部署栈从端侧到云端全打通了，做AI应用开发的团队可以直接参考这套方案来规划自己的基础设施，建议点开看看具体产品规格和模型支持细节。

做 AI 智能体或应用评测的开发者，终于有了一个能把需求文档直接变成测试用例的工具，省去手动编写评估脚本的繁琐，建议试试 ASSERT 的 travel-planning 实例。

Hermes Desktop 让不习惯命令行的用户也能轻松使用 Hermes Agent，做智能体开发或实验的团队可以直接下载体验，省去学习 CLI 的成本。

marktechpost@Michal SutterSource

做数据分析和 AI 训练的人终于不用手动爬数据了——BigSet 用一句话就能生成结构化实时数据集，建议做 NLP 或数据工程的团队直接试试。

marktechpost@Asif RazzaqSource

ACS解决了AI智能体在企业落地中行为失控的痛点，做智能体应用开发或合规管理的团队可以直接用这套标准统一策略，省去重复配置的麻烦。

Moffett AI 戳破了“算力越大越好”的行业泡沫，做 AI 部署和成本控制的团队看完会重新审视自己的硬件采购清单，值得点开反思。

pandaily@[email protected] (Pandaily)Source

郭明錤的点评点出了英伟达端侧 AI 智能体战略的虚实，做 AI 硬件或关注端侧推理的开发者可以看清未来2年的市场节奏，建议点开了解关键瓶颈。

内容创作者和视频编辑者常纠结内存该买多大，Puget 的实测数据直接给出了答案——16GB 是瓶颈，32GB 够用但不够爽，64GB 才是专业级的甜点。建议正在配新机或升级的创作者点开看看，避免花冤枉钱。