NVIDIA

推荐理由：NVIDIA 和 LangChain 搞了个开源智能体，用 Nemotron 3 Ultra 跑 Deep Agents，性能比肩闭源但成本只要 4 块多，比最接近的对手便宜 10 倍。搞 AI agent 的值得看看。

推荐理由：LangChain让Nemotron 3 Ultra跑分0.86，成本只要4.48刀，比对手便宜近10倍，性价比拉满。

推荐理由：LangChain和NVIDIA联手搞了个叫NemoClaw的开源代理系统，性能领先还便宜10倍以上，搞企业级AI代理的可以看看。

推荐理由：NVIDIA发了个Colab友好教程，教你搭简化版Cosmos 3世界模型，用Omnimodal MoT架构实现跨模态预测，比跑全量模型省资源。

推荐理由：NVIDIA 刚开源的 75B MoE 模型，实际只激活 9.3B 参数，单卡就能跑百万 token 上下文，适合长文档或代码分析。

推荐理由：NVIDIA 发了新方法 MOTIVE，帮你从海量视频里挑出对运动建模最有效的片段来微调，效果比基座好很多。

推荐理由：英伟达把大MoE模型压到9B活跃参数，吞吐量翻倍，智能体应用部署成本大幅下降，适合模型高效推理场景。

推荐理由：NVIDIA发的新论文，用时空缓存压缩和稀疏注意力，让视频扩散生成速度飙5-10倍，内存还不涨，搞视频生成和世界模型的朋友可以看看。

推荐理由：NVIDIA在ICML 2026上刷了一波存在感：145篇论文用上Nemotron，74篇自家论文入选，还有2000篇靠NVIDIA GPU跑出来的。学术圈地位一览无余。

推荐理由：SGLang 和 NVIDIA 联手让 DeepSeek V4 在 Blackwell 上跑得快了 5 倍，开源推理引擎的效率又上了一个台阶。

推荐理由：英伟达下一代AI芯片Rubin Ultra从4颗die砍到2颗，性能减半，因为封装和散热太难搞了。和AMD MI500比可能不占优。

推荐理由：NVIDIA 和几个顶级高校联手搞了个新系统 ASPIRE，能自动发现并存下可复用的机器人技能，跨任务、跨仿真到现实、跨机器人本体都能迁移，挺有看头。

推荐理由：NVIDIA 开源了这个工具，让 AI 代理能直接调用分子模型做药物发现。用上它任务完成率翻倍还省 Token，做生物计算的同学可以试试。

推荐理由：想不依赖数据中心自己跑 550B 模型？NVIDIA 出了详细教程，四台 DGX Spark 就能拼出 OpenAI 兼容的端点。

推荐理由：想了解超大规模 AI 数据中心怎么建？Firmus 联手 NVIDIA 在印尼搞了个 360MW 的大项目，17 万颗 GPU，仅硬件收入就有 300 亿美元，值得一读。

推荐理由：英伟达把GLM-5.2压缩成NVFP4，内存省一大截，推理编码在Blackwell上直接跑，SGLang第一时间就能用。

推荐理由：想省显存又不想降精度？GLM-5.2的NVFP4版在vLLM上线了，比FP8省一半内存，推理编码长文本都稳。

推荐理由：想自己动手做代码智能体微调数据？这教程手把手教你解析NVIDIA开源的Open-SWE-Traces，连Token预算和工具使用指标都算好了。