NVIDIA 發布 Kumo Relational，可在不訓練的情況下直接預測關聯式資料庫中的資料
NVIDIA 發布預訓練關係型基礎模型 Kumo Relational，可直接在企業資料庫上做預測，無需任務訓練、特徵工程或把多表合併成一張表。它在 15 個資料庫的 41 項任務上超過監督式關係深度學習和基於專家特徵的梯度提升樹，在 RelBench V1 分類任務上平均高出約 4 個 AUROC 點；在 SAP SALT 基準上，它的 MRR 比 AutoGluon 整合高 8%，比 XGBoost 高 7 點，微調後高 13 點。
這是首個在關係型基準上超過監督式機器學習的少樣本基礎模型。它給出了 41 項任務以及 SAP SALT 上的具體領先幅度，因此對維護 XGBoost 特徵流水線的機器學習團隊和需要預測能力的資料 agent 最直接有用。
原標題：NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required
閱讀原文
| 評分 | 84 / 70（平均 77，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
NVIDIA 開源 Kumo Forecast 時序預測模型
NVIDIA 發布 Kumo Forecast（原 NV-Tesseract Forecasting），一個多變數時間序列預測模型，以 Apache 2.0 許可開源，模型程式碼 NVIDIA/Kumo-TS 與權重 nvidia/Kumo-Forecast 均已公開。模型以 MOMENT-1-large 為凍結主幹，約 3.4 億引數編碼器外加可訓練預測頭，支援 256、512、1024、2048 的輸入序列長度。
NVIDIA 擴充套件 Agent Toolkit，新增知識基礎與 Kumo 模型家族
NVIDIA 宣布擴充套件開源 Agent Toolkit，核心是全新的 Agent Knowledge Foundation：它結合 CUDA-X 庫與 Auto-Ontology，把企業原始資料對映為業務概念，讓智慧體直接查詢並預測，且無需遷移資料或改動治理控制。
Kimi 發布 PerceptionBench，16 個前沿多模態模型準確率均不足 60%
Kimi 團隊發布 PerceptionBench，這是從 42 個現有基準中的真實模型失敗裡歸納出視覺感知能力的評測集，包含 10 類原子感知能力：視覺關係、計數、屬性、深度與 3D、定位、比較、細粒度識別、上下文整合、OCR 與幻覺；共 3000 道經驗證題目，只需看圖即可作答，不依賴推理或外部知識。在 16 個前沿多模態大模型上，沒有一個模型準確率達到 60%，感知相關的幻覺平均是最弱項，總分接近的模型在實際感知內容上也可能差別很大。
NVIDIA 發布 Nemotron 3.5 等多領域開放模型
NVIDIA 擴充其開放模型家族，新增 Nemotron 3.5 Super VL 與 Nemotron 3.5 Bolt 兩款語言模型，並同時覆蓋機器人、生物與量子計算。Nemotron 系列支援文字與影像，用於建置 agent；本次還推出 Nemotron Retriever 嵌入、重排與文件解析模型，面向結構化業務資料的 Kumo 系列，Cosmos 3.5 世界模型，以及車載即時推理模型 Alpamayo 2 Edge。
Kimi K3 發布：2.8T 引數開源模型，支援百萬 token 上下文
Kimi 發布最強模型 Kimi K3，引數規模 2.8T，具備原生視覺與 100 萬 token 上下文，並稱其為全球首個開源的 3T 級模型。官方承認整體效能仍落後於 Claude Fable 5 與 GPT 5.6 Sol，但在自家評測中穩定優於其他被測模型。該模型即日上線 Kimi.com、Kimi Work、Kimi Code 與 Kimi API，預設使用最高思考強度；完整權重將於 2026 年 7 月 27 日前開放。