美团开源 1.6 万亿参数智能体模型 LongCat-2.5，训练全程未用 Nvidia GPU

Nvidia 发布基础模型 GR00T 2，采用世界动作模型（WAM）架构，同时预测下一步动作和未来短片段视频，用超过一千块 GB300 芯片和约 40 万小时头戴相机人类动作视频训练，可将人类动作迁移到机械臂。

Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可转写 40 种语言、在 31 种语言与英语间互译、识别最多 8 个说话人，支持最长 1 小时的录音，并能通过提示词控制输出或回答音频内容问题。

Block 发布 AI 语音模型 Dessa，称其为首个完全基于人类语音、不含任何文本数据从零训练的模型，直接以音频处理语音而非先转文字，可实时捕捉情绪、讽刺、笑声和停顿。Dessa 支持全双工交流，可在 MacBook Pro M4 Max 本地运行，训练使用单台 NVIDIA GB200 NVL72。该模型尚未公开，团队正招募 AI 安全研究人员测试潜在风险。

Nvidia 发布 120B 参数（每 token 激活 12B）的开源多模态模型 Nemotron 3.5 Super VL，面向企业后台持续运行的智能体，由 Nemotron 3 Ultra 蒸馏而来，号称以约五分之一的参数达到 Ultra 的准确率。

Z.ai 发布 GLM-5.3-Flash，3200 亿总参数（180 亿激活）、百万 token 上下文窗口，MIT 许可开源。该模型在 Intelligence Index 上得 57 分，接近 GLM-5.3 的 60 分，但每任务成本仅 0.09 美元，约为后者的 7.5 分之一。该模型全程运行于国产 AI 芯片，Z.ai 自研服务软件实现了与 Nvidia GPU 相当的性能。

Nathan Lambert 撰文分析 Nvidia CEO 黄仁勋辞职对美国开源模型生态的冲击，认为 Nvidia 对开源模型的资金支持很可能随黄仁勋的离开而干涸，公司首要目标是稳住局面并向客户交付。

Runway 宣布世界动作模型 Praxis-1 以 Apache 2.0 开放权重面向所有人开放。该模型为 27B 参数 MoE 扩散 Transformer，同时预测视频与动作，在 NVIDIA RoboLab-120 榜单以 46.2% 成功率居首，超过 FLUX 3 Action（42.9%）、Cosmos3 Nano（36.8%）和 π0.5（28.0%）。

NVIDIA 发布开源 120B 参数多模态模型 Nemotron 3.5 Super VL，面向高频智能体任务，官方称其准确率可比自家最大推理模型、参数量约为五分之一，吞吐比同类次优模型快至 5 倍；同时推出边缘模型 Bolt 74B-A9B 24GB（原生 2-bit 量化，可本地运行于 RTX/DGX Spark）和 Bolt E4B 4GB（10 月 23 日上线）。

StepFun 表示 Step 5 Preview 在 NVIDIA GB300 上推理表现出色，并期待看到开发者用它构建的应用。其转发的 NVIDIA 内容称该模型是 StepFun 最大的开源权重发布，600B MoE 架构，可处理最长 24 小时的 Agent 任务，在 GB300 上用 NVFP4 达到近 8K tokens/sec/GPU，提供 NVFP4 checkpoint（https://huggingface.co/stepfun-ai/Step-5-Pr…

Artificial Analysis 公布首批 AA-AgentPerf 结果，测试 NVIDIA Vera Rubin NVL72 在智能体编码工作负载下的服务效率，对比 GB300 NVL72。