自托管大模型 vs. 云API：如何智能路由请求
本文对比自托管大语言模型与云API在数据隐私、成本、延迟和能力上的权衡，介绍开源可部署模型的硬件要求（如VRAM与量化）、典型技术栈，并以n8n为例说明如何构建混合式路由工作流，在本地与云端模型间按任务敏感性、复杂度或合规要求动态分发请求。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
有状态 vs 无状态：AI Agent 构建中的上下文管理策略
本文探讨 AI Agent 系统中 stateful（有状态）与 stateless（无状态）架构的核心差异，分析其对可扩展性、容错性及上下文连续性的实际影响，并以 n8n 平台为例说明如何分层设计内存节点（Memory nodes）与状态存储（state stores）以实现灵活、可控的状态管理。
AWS发布自适应智能体框架AAIF：基于Strands Agents实现边缘-云协同的分层AI任务调度
AWS提出Adaptive Agentic Intelligence Framework（AAIF），利用Strands Agents构建分层智能体架构，通过本地小型语言模型（SLM）动态路由任务——常规IoT遥测与视觉分析在边缘执行，复杂推理交由Amazon Bedrock云端大模型处理；框架支持混合部署、成本可控，并集成责任AI控制建议，但当前为概念验证实现，未提供第三方验证或商业落地数据。
Recursive发布Flint：一款由AI主导研发、可本地运行的轻量级编程模型
AI初创公司Recursive推出开源编码模型Flint，声称其开发过程主要由自研AI研究系统Eureka Machine完成；该模型仅40B参数、实测2.5B激活，可在普通笔记本（如M4 Pro MacBook）离线运行，推理速度达131 token/s，SWE-Bench等基准测试中表现优于多数同规模模型。
OpenAI最新GPT-6系列模型将登陆Google Cloud与Antigravity平台
OpenAI的GPT-6及6.1系列前沿模型（Astra、Sol、Luna）将在未来数周内上线Google Cloud Model Garden，并集成至Google代理驱动编程工具Antigravity；此举使Google成为首家同时提供Gemini、Claude与GPT三大闭源大模型的主流云服务商。
NVIDIA在GTC柏林发布本地AI硬件全系产品：RTX Spark、DGX Spark与DGX Station落地欧洲
在2026年10月于柏林举办的GTC大会上，NVIDIA正式推出面向个人、开发者与企业级用户的三款本地AI硬件平台：RTX Spark（Windows PC端个人智能体）、DGX Spark（Linux开发集群）与DGX Station（前沿AI工作站），并同步宣布多项软件更新、模型支持与生态集成。
谷歌云与英伟达宣布NVIDIA Vera Rubin基础设施正式商用：A5X实例上线，聚焦大规模强化学习与智能体推理
谷歌云与英伟达宣布基于Vera Rubin架构的A5X实例将于下月起正式商用，首期覆盖美国，后续扩展至欧洲；该平台整合NVL72 GPU、ConnectX-9 SuperNICs、Virgo网络及第四代液冷技术，专为大规模强化学习、生成式智能体推理等高密度计算场景设计。
英伟达欧洲云合作伙伴加速扩建主权、开放与安全AI基础设施
英伟达宣布其在欧洲、北欧、非洲及中亚的云合作伙伴正大规模扩建基于NVIDIA DSX平台的区域AI算力设施，聚焦主权计算（本地化部署）、开放模型支持（如Mistral Large 4、Nemotron系列）与AI代理安全边界（OpenShell参考架构），覆盖训练、推理、物理AI及零售智能体等场景。
欧洲工业巨头依托NVIDIA AI与数字孪生技术重构工程制造体系
欧洲多家领先工业企业正规模化应用NVIDIA CUDA-X、Omniverse、Cosmos及Nemotron等开放模型与工具链，覆盖从产品设计、仿真优化到工厂运营的全生命周期；NVIDIA Factory Operations Blueprint（FOX）已开放早期访问，支持构建实时协同的工业智能体；西门子、梅赛德斯-奔驰、奥迪、空客级供应商等已落地多项验证案例，实现校准时间缩短40%、根因分析成本降低20%等实效。
NVIDIA发布扩展版Agent Toolkit，赋能企业构建基于私有数据的可信智能体
NVIDIA开源Agent Toolkit新增Agent Knowledge Foundation等核心组件，集成CUDA-X库、Nemotron Retriever与Kumo系列开放模型、OpenShell安全运行时及NemoClaw蓝本，支持企业不迁移数据、不改造现有流程即可构建可审计、可管控、能深度理解业务语义的专用智能体。
NVIDIA发布多领域开源模型组合，推动欧洲产业主权智能发展
NVIDIA宣布扩展其开源模型家族，覆盖语言、机器人、生物计算与量子计算等领域，推出Nemotron 3.5系列、Kumo结构化数据模型、Cosmos世界模型、Alpamayo 2 Edge自动驾驶模型、BioNeMo RFD4-Proteina蛋白设计模型及Ising量子计算模型，全部面向开发者与企业开放权重与工具，支持本地化定制与自主部署。
GTC Berlin 2026：黄仁勋 keynote 全面发布AI工厂、安全智能体与欧洲AI生态战略
在柏林Tempodrom举行的GTC Berlin 2026大会上，NVIDIA CEO黄仁勋发布多项关键进展：推出DSX POD模块化AI工厂、Vera Rubin全栈AI代理平台、OpenShell安全架构、Agent Knowledge Foundation知识层，以及Agile ONE SN人形机器人参考平台；宣布超100亿欧元级欧洲AI投资承诺，覆盖12,000+合作伙伴，并强调欧洲正加速构建自主可控的AI经济基础设施。
VocabX：通过成本加权词汇专业化将领域专用小语言模型推理成本降低77%
Dharma-AI提出VocabX方法，针对特定任务（如葡萄牙语作文自动评分）重构语言模型词汇表，以生成代价而非词频为优化目标，在不修改模型结构、参数或训练流程的前提下，实测推理成本下降77%，同时评估质量（bench score）从0.703提升至0.810。
TorchNeuron系统级性能分析（第一部分）：基于AWS Trainium芯片的端到端剖析
本文为Hugging Face与Amazon联合发布的技术博客系列首篇，系统介绍如何在AWS Trainium AI加速芯片上使用TorchNeuron进行PyTorch模型推理性能分析，涵盖Neuron后端集成原理、torch.profiler配置方法、NeuronConfig与NeuronProfiler工具使用、Neuron Explorer可视化追踪，并以RMSNorm为例对比三种实现（朴素PyTorch、torch.rms_norm内置融合、torch.compile自动融合）的设备耗时差异。
NVIDIA发布Kumo Forecast：融合预训练时序表征、历史模式检索与可解释性的多变量预测模型
NVIDIA推出开源时序预测模型Kumo Forecast（原NV-Tesseract Forecasting），基于MOMENT-1-large Transformer架构，支持直接预测与Domain-Aware Representation and Retrieval（DARR）双路径推理，并内置无需修改模型结构的可解释性框架。
NVIDIA发布Kumo Relational：首个无需训练即可超越监督学习的结构化数据基础模型
NVIDIA推出预训练关系型基础模型Kumo Relational，可直接在企业级关系数据库上执行预测任务（如流失、欺诈、需求预测），无需任务微调、特征工程或表扁平化。在41项跨15个数据库的基准测试中全面超越XGBoost等监督模型，在SAP SALT企业基准上MRR指标领先AutoGluon达8%；支持5000亿行规模数据库，通过Predictive Query Language（PQL）实现零代码预测调用。
IBM发布Granite Speech 5.0系列语音模型：支持多语种转录翻译与说话人归因
IBM推出Granite Speech 5.0系列三个开源语音模型——granite-speech-5.0-2b（高精度多语种ASR/MT）、granite-speech-5.0-470m-turboctc（超快边缘端多语种转录）和更新版granite-speech-4.1-2b-plus（增强型多说话人会话建模），全部基于Apache 2.0许可，支持主流推理框架。
i14发布Laplace 3B线性注意力模型：基于AWS Trainium2与原生PyTorch实现固定状态内存推理
i14推出30.28亿参数的Laplace 3B模型，采用门控线性注意力（GLA）替代Softmax注意力，其推理时每序列递归状态恒为29.5 MB，与上下文长度无关；该模型在单台AWS trn2.48xlarge（16颗Trainium2芯片）上完成训练与服务验证，训练吞吐达12万token/秒，服务吞吐11544 output token/秒（1280并发序列），所有性能数据均为i14与AWS GenAIIC团队内部实测结果。
SF Compute构建可编程数据中心：以物理交割驱动GPU算力交易市场
SF Compute由Evan Conrad创立，致力于打造中立、可编程、支持物理交割的GPU算力交易基础设施；其模式拒绝抽象化FLOPS商品，强调硬件异构性、真实交付与实时约束（如中断容忍、InfiniBand拓扑、固件版本等），已实现数百亿美元交易量，并推出动态InfiniBand子网划分等底层能力。
SF Compute构建可编程数据中心：以物理交割推动GPU算力交易市场化
SF Compute由Evan Conrad创立，聚焦于实现GPU算力的可编程、物理交割式交易；其不拥有数据中心，而是通过全栈技术协同第三方设施共建‘主权算力云’，强调市场中立性与基础设施可控性，已实现数亿美元交易额并落地InfiniBand动态切分等关键能力。