英伟达又往开源池子里扔了个大件——Nemotron 3.5 Super VL。总参数1200亿，MoE架构，每次只激活120亿，定位很直接：给AI智能体干活用。文本、图像、文档、视频都能读，推理、指令遵循、工具调用也打包在一起。英伟达称，单张GPU跑智能体任务，吞吐量最高能达到同规模其他开放模型的5倍。
配套还有个Nemotron 3.5 Bolt 74B-A9B，原生2位量化压到24GB，主攻本地智能体。权重、训练配方、数据集全开放。不过性能和效率数据都来自英伟达自己的测试，实际表现还得等第三方验证。
训练那块也有新做法。Reddit上求推荐，常常一堆人回帖列出不同作品，拿这类数据做强化学习，Rank-GRPO每个样本只挑一条回复，测出来的优势基本取决于抽中哪条，跟列表质量关系不大。ReMaRk换个思路：把所有回复里的作品名合并打分，每个请求权重相同。它只用逐条训练所需步数的25%到53%，就达到2000步RL的验证召回率；七组比较中四组用更少GPU小时摸到Rank-GRPO的最佳结果。ProtoQA上每道题约100人作答，同样有效——有多个合理答案时，联合评估行得通。
圈子里的其他动静也没停。《纽约时报》专访播客主持人Dwarkesh Patel，聊了历史教训、AGI、旧金山当下的氛围、Hugging Face遭黑客攻击、中国AI，还有前沿技术的推进节奏。跨度是大，但绕来绕去还是同一个问题：我们对AI现状的理解，可能比想象中更片面。