Revolut 以 PRAGMA 單一基礎模型重建技術棧，初期服務 8000 萬使用者
Revolut 正圍繞單一基礎模型 PRAGMA 重建技術棧，在 NVIDIA Blackwell Ultra GPU 上用 cuDF 與 Dynamo-Triton 在生產環境擴容，初期服務 8000 萬使用者，並設計為可再擴 3 倍。同場公布的歐洲金融案例還包括 Starling Bank 在 Civo 英國雲上用自有交易資料訓練 agentic 模型、Lloyds 用 RTX PRO 6000 Blackwell 打造交易基礎模型 ATUM。
原標題：Leading European Financial Services Organizations Embrace Open Models to Build Proprietary Intelligence
閱讀原文
| 評分 | 45 / 42（平均 43，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
田淵棟參與創立的 Recursive 開源 40B 本地程式設計模型 Flint
田淵棟參與創立的 Recursive_SI 發布首個模型 Flint-40B-A2B，已在 Hugging Face 以 Apache 2.0 開放權重。這是一個總引數 400 億、每 Token 僅啟用 25 億的 MoE 智慧體程式設計模型，在 M4 Pro MacBook Pro 上生成速度超過每秒 125 Token，在 64GB 記憶體的 NVIDIA RTX Spark 上超過每秒 150 Token。
ALTK-Evolve 讓 GPT-4.1 登頂 τ²-bench 客服榜
IBM Research 的 ALTK-Evolve 用 GPT-4.1 加標準 ReAct 腳手架，在客服基準 τ²-bench 零售域拿到 67.5% Pass^4（即四次獨立嘗試全部通過的任務佔比），高於其 2026 年 10 月 12 日榜單快照中的所有零售條目。方法不改模型權重：由同一模型分析訓練任務的成功與失敗軌跡，蒸餾成簡短行為準則——如先驗證使用者身份、每步只做一個動作——再追加到系統提示，無需人工標註。
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。
Replit 把預設模型從 Claude 換成 OpenAI
Replit 已將預設模型從 Anthropic 的 Claude 換成 OpenAI 的 ChatGPT，CEO Amjad Masad 在 TechCrunch Disrupt 上稱這是基於成本、合作與效能的決定，內部與公開基準顯示 Sol、Astra 在從零建置應用上表現更好。使用者仍可選用 Claude 等其他模型，Replit 稱自身保持模型無關；此前它是 Anthropic 前五大客戶之一，但有知情人士稱雙方合作仍在。
Mistral 發布時序基礎模型 Timestral，209M 版本登頂三大基準
Mistral 發布首個時間序列基礎模型家族 Timestral，最大的 209M 引數版本在 GIFT-Eval、TIME、fev-bench 三個公開基準上均排名第一，且引數量只有此前最優模型的三分之二。家族含 5M、28M、123M、209M 四個規模，支援機率與多變數預測、已知未來協變數，零樣本即可使用。推理無需 GPU，在 8 執行緒標準伺服器 CPU 上，用三週 15 分鐘粒度歷史預測未來一天，5M 耗時 10ms、209M 為 140ms；