NVIDIA 英伟达

audio.cpp 发布 RE-USE 语音增强模型 GGUF 版本

Hugging Face 上发布 audio-cpp/RE-USE-GGUF 仓库，将 NVIDIA 的 RE-USE 语音增强模型（含原始版、NemotronLabs 商用友好版、笑声保留版及实时流式版）转换为 GGUF 格式，供 audio.cpp 原生 C++ 运行时使用。每个 GGUF 内嵌配置与模型规格，无需额外编码器或配置文件。在 RTX 509

特朗普“超级智能”改名令：谁在跟进这场忠诚度测试

特朗普于9月底签署行政令，要求联邦机构将“人工智能”统一改称“Super Intelligence”（SI），并称现有系统是“增强人类智慧”而非“模仿智能”。一个月后，政府网站和招标文件已陆续改用新词，但五角大楼、FTC、HHS等机构仍出现旧称或格式不一致；科技界仅扎克伯格和马斯克较常使用该词，亚马逊、微软、谷歌高管在财报电话会上仍说“AI”。文章认为，这场

Trajectory 融资 4500 万美元，让非技术专家也能训练 AI 模型

Trajectory 是一家由三位斯坦福同学创立、成员有 Google DeepMind 和 Apple 背景的初创公司，它宣布完成 4500 万美元 A 轮融资，估值 3 亿美元，由 Sequoia 领投，Nvidia、Bessemer、Bain Capital Ventures 参投。该公司通过持续学习（continual learning）方式，让法律

vLLM v0.33.0 发布：新增多模型支持与解码加速

vLLM 发布 v0.33.0，包含来自 389 位贡献者的 927 个提交。该版本新增 Reflection Beam-1.0、Yandex AliceAI-Foundation-80B-A3B、Step-5 Preview 等多个模型支持，升级至 PyTorch 2.14 并放弃 CUDA 12.9，同时引入 XPress、FLy 等投机解码优化及 GB

Parakeet-TDT-0.6B-v3 端侧多语言语音识别模型发布

Hugging Face 社区发布 litert-community/parakeet-tdt-0.6b-v3，将 NVIDIA 的 600M 参数 Parakeet-TDT 语音识别模型量化为 INT8 并打包为 .litertlm 单文件，支持 MediaPipe AudioTranscriber 与 LiteRT-LM 在 Android、iOS、ma

llama.cpp b12002：ggml 新增批量张量拷贝 API 并支持 CUDA

llama.cpp 发布 b12002 版本，核心变更为 ggml 新增通用批量张量拷贝 API，并在 llama 的 context IO 与设备 IO 中启用该 API，同时加入 CUDA 后端支持。该版本移除了异步 tensor n API，改为按缓冲区类型分组批量操作，并新增 mock buffer 类型测试以覆盖调度逻辑与回退路径。

美方调查中国间谍图谋针对英伟达CEO

据《纽约时报》援引匿名消息源报道，美国情报机构对新加坡AI云公司Megaspeed高管Alice Huang（黄乐）进行了约一年的监视，怀疑她可能是中国间谍，并利用与英伟达CEO黄仁勋在商务晚宴等场合的密切关系获取英伟达对华出口计划等信息。英伟达发言人否认这一说法，称CEO与客户的会面属正常业务，区域云客户只能获得普通商业信息，不涉及敏感商业机密或国家安全信

另有 1 家信源报道

纽时：中国间谍针对英伟达CEO黄仁勋

据《纽约时报》报道，美国情报机构认为，英伟达CEO黄仁勋身边的一名高管、新加坡数据中心运营商Megaspeed的Alice Huang（黄乐）为中国提供情报。特朗普约一年前听取简报后未采取行动，黄仁勋本人未获告知。美方还怀疑Megaspeed协助中国获取英伟达芯片，其马来西亚姊妹公司于2024年6月至2026年2月间采购了至少48亿美元含英伟达芯片的AI硬件

另有 1 家信源报道

llama.cpp b11962：CUDA 融合 MoE gate/up 与 GLU

llama.cpp 发布 b11962 版本，核心变更是 CUDA 后端在 MMQ 中融合 MoE（MUL MAT ID）的 gate/up 与 GLU 计算（PR #31188）。该版本同时提供 macOS/iOS、Linux、Android、Windows 等多平台多后端的预编译二进制包，并新增 Snapdragon 平台 CPU/Adreno GPU/

AtomicChat 发布无拒绝版 Nemotron 3.5 Bolt GGUF 量化模型

AtomicChat 在 Hugging Face 发布了 NVIDIA Nemotron 3.5 Bolt 74B-A9B 的 GGUF 量化版本，通过消融（abliteration）技术将模型的拒绝行为从权重中移除，并基于全精度模型构建了三个量化文件。在 JailbreakBench 测试中，拒绝率从 97.5% 降至 0%，MMLU 分数基本不变（81

llama.cpp b11953：CUDA 新增 384 专家 top-k MoE 融合

llama.cpp 发布 b11953 版本，主要变更是为 CUDA 后端新增针对 384 个专家的 top-k MoE 融合算子（PR #31288），该改动由 Codex 辅助完成。发布同时提供 macOS/iOS、Linux、Android、Windows 等多平台多后端（CUDA、Vulkan、ROCm、SYCL、OpenVINO 等）的预编译二进制

llama.cpp b11927：Metal 后端新增融合 top-k mask 算子

llama.cpp 发布 b11927 版本，为 Metal 后端新增 GGML OP TOP K MASK 算子，将 CUDA 后端已有的融合 top-k mask 实现移植到 Apple Metal。该实现先用 grid-stride 内核将输出填充为 -inf，再由每行一个 threadgroup 覆盖保留单元的 mask 值，并通过函数常量裁剪图中未

SpaceX 与 Apollo 锁定 400 亿美元 GPU 融资

SpaceX 在监管文件中披露，已与 Apollo Global Management 管理的实体达成约 400 亿美元的有约束力融资承诺，用于购买 AI 芯片及数据中心设备，再以约 5 至 5.25 年租期回租给 SpaceX，交易预计年底完成、2027 年上半年起租。SpaceX CFO 称此举多元化融资来源，并称 AI 基础设施投资回收期不足一年；Ap

AtomicChat 发布 Nemotron 3.5 Bolt 74B-A9B 的 GGUF 量化版本

AtomicChat 在 Hugging Face 发布了 NVIDIA Nemotron 3.5 Bolt 74B-A9B 的 Atomic Dynamic GGUF 量化版本，基于 NVIDIA 原始 BF16 权重和自建重要性矩阵构建，采用标准 llama.cpp 量化类型。该版本提供从 Q8 0 到 IQ1 M S 共 13 个文件，其中 21.9

llama.cpp b11889：CUDA 后端用 std::string 替换 VLA

llama.cpp 发布 b11889 版本，主要变更是 CUDA 后端将 archName 的变长数组（VLA）替换为 std::string，以现代化代码并消除 Clang 的 -Wvla-cxx-extension 警告。该改动由 Hugging Face 的 Adrien Gallouët 提交，属于代码质量与可移植性改进，不涉及功能或性能变化。同时

llama.cpp b11878：CUDA 融合 Qwen MRoPE 与 set-rows

llama.cpp 发布 b11878 版本，核心变更是 ggml-cuda 后端将 Qwen 的 MRoPE 与 set-rows 操作融合（PR #31025），以减少 CUDA 上的算子开销。该版本同时提供 macOS、Linux、Windows、Android 等多平台预编译包，覆盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后

ggml-org 发布 Nemotron-3.5-Super-VL-120B GGUF 量化版

ggml-org 在 Hugging Face 发布了 NVIDIA Nemotron-3.5-Super-VL-120B-A12B 的 GGUF 量化版本，该模型基于 NVIDIA 的 BF16 原版转换而来，属于图文到文本（image-text-to-text）多模态模型。用户可通过 Llama 应用或终端命令 llama serve 直接运行。该仓库由

llama.cpp b11857：ggml 支持 MUL MAT ID -1 索引跳过计算

llama.cpp 发布 b11857 版本，核心变更是 ggml 允许 MUL MAT ID 使用 -1 索引来跳过计算，并同步更新了 Vulkan、WebGPU、CUDA、OpenVINO 等后端实现（本 PR 暂排除 CUDA）。该版本同时提供 macOS、Linux、Windows、Android 等多平台多后端的预编译二进制包。

Block 发布本地运行语音模型 Dessa，情感表达逼真

Jack Dorsey 旗下 Block 的研究实验室发布了一款名为 Dessa 的语音模型，该模型可在本地运行，能发出笑声、停顿和哭泣等类人表达，并完全基于人类语音训练，仅需一块 NVIDIA GPU。Dessa 是全双工模型，可同时说话和聆听，情感内建于模型之中，而非依赖文本管线或语音标签驱动。目前 Dessa 尚未公开访问，Block 正招募安全研究人

另有 1 家信源报道

一张5090跑起34B实时世界模型，达瓦科技拿下英伟达大奖

重庆达瓦科技凭借实时世界模型产品Scenes AI，在2026 NVIDIA创业企业展示半程展示中拿下「半程展示卓越企业奖」。该产品不逐帧预测画面，而是维护可读写的世界状态，只更新变化部分，在单张RTX 5090消费级显卡上实现720P、25帧实时输出，34B总参数每步仅激活约4B。其技术路线强调控制层与渲染层分离、世界记忆与物理约束，并依托重庆永川片场积累