NVIDIA 聯手 AI4Bharat 開源 2.8 萬億 token 印度語語料
NVIDIA 與 IIT Madras 的 AI4Bharat 實驗室聯合發布 Nemotron-pretraining-Indic-v1，約 2.8 萬億 token，覆蓋印度憲法列出的 22 種語言，即將開源，同時開放用於生成該語料、GPU 加速的資料生產流程。語料含 2,601.0 億原生文字 token 與 224.6 億羅馬化 token（按 Gemma-4 分詞器計），共 34 種語言—文字組合，其中 12 種語言另有羅馬化文字。
把 22 種印度語言、約 2.8 萬億 token 的合成預訓練語料與可複用的 GPU 加速生成流程一併開放，並給出 34 種語言—文字配置與 token 明細，對建置多語言模型、擴充低資源語言資料的團隊最有用。
原標題：Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline
閱讀原文
| 評分 | 78 / 72（平均 75，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
輝達開源 Nemotron 3.5 Super VL 與兩款 Bolt 邊緣模型
輝達發布 1200 億引數開源模型 Nemotron 3.5 Super VL，主打多模態 agentic 任務，官方稱其準確率接近自家最大推理模型、引數量約為五分之一，吞吐量最高達同類模型 5 倍。同時推出兩款邊緣模型：Bolt 74B-A9B 24GB 採用原生 2-bit 量化，可在 RTX/DGX Spark 的 24GB 記憶體內本地執行 agent，現已可用；Bolt E4B 4GB 面向 GeForce RTX、Jetson 等裝置，10 月 23 日發布。
Nemotron 微調後在 IOI 與 IMO 2026 均達金牌水平
NVIDIA 以監督微調、強化學習和反饋式推理專門化 Nemotron 3，在 IOI 2026 與 IMO 2026 雙雙達到金牌水平。IOI 2026 的 Nemotron-3-Ultra-CC 在與人相同的時限和提交限制下取得 535.4/600，高於 361.12 的金牌線和人類最高分 498.27，但屬非官方、無監督基準，未計入官方排名。
Ninfer 4080 讓 16GB 顯示卡跑 100k 上下文
開發者 roofkid 發布 Ninfer 4080，在 RTX 4080 16GB 上以 100k 上下文執行 ISTA-DASLab-Qwen-3.8-27B-GSQ，實測最高 prefill 2720 tok/s、生成 262 tok/s。專案採用 DFlash2 推測解碼與 KV 壓縮，程式碼已在 GitHub 開源並提供 Docker 映象。
NVIDIA 加入歐盟 AI 科研計劃，開放 250+ 開源模型
NVIDIA 加入歐盟委員會在都柏林 AI in Science Summit 上啟動的 AI in Science Enablers 計劃，將向歐洲科研界開放加速計算工具、算力與培訓。NVIDIA 已開源 250 多個模型、250 個資料集與 1400 多個開源專案，包括 Nemotron、BioNeMo、PhysicsNeMo、Earth-2 和 ALCHEMI NIM，可用於 agentic 推理與科學計算。
輝達計劃投資 Doctolib 等四家法國 AI 初創
輝達宣布計劃投資 Doctolib、Entalpic、Genesis AI 和 Pigment 四家法國初創，方向分別是醫療智慧體、原子級材料工程、通用機器人和企業規劃平台。輝達稱其在歐洲技術生態的累計承諾投入已接近 100 億美元，此前還投資過 Alice&Bob、Gradium 和 Scintil Photonics。