Fenon AI 的 NukeTorch 引擎在四台 MacBook Pro M5 Max 機器上運行 NVIDIA 的 GR00T N1.7 機器人策略，在 192 個客戶端下達到每秒 152.07 個動作區塊，是最快公開 H100 數據的 2.45 倍，也是 NVIDIA 自家公開數據的 4.24 倍。單一請求方面，H100 仍以 16.08 毫秒勝過 44.34 毫秒，而四台 Mac 定價為 19,996 美元，對比單張 H100 卡至少 25,000 美元。單機版本可免費下載，多機版本則需評估授權。
Sakana AI 於 2026 年 10 月 26 日在東京舉辦「從世界模型到真實世界 AI」研討會，首席科學顧問 Jürgen Schmidhuber 發表主題演講，Sakana AI 並宣布將開發自家預訓練語言模型系列 Sakana Sawara（暫定名稱）。首個小型模型 Sawara Small（暫定名稱）若開發順利，計畫於 2027 年春季發布。超過 400 人參與此次活動，會中還安排了 Schmidhuber 與執行長 David Ha 的對談。
Apple 發表全新 14 吋 MacBook Pro，搭載 M6，配備 12 核心 CPU 與 12 核心 GPU，繪圖效能比 M5 最快提升 30%，AI 工作負載最快提升 25%。該晶片新增雙 16 核心 Neural Engine 與 GPU Neural Accelerators，用於裝置端 AI，電池續航力最長可達 24 小時，支援 Wi-Fi 7 與藍牙 6。10 月 28 日開放預購，11 月 6 日星期五開始供貨。
Modal 的前置部署工程團隊與 Sakana AI 合作，在 Modal 上運行 Sakana Namazu——一個針對日本商業情境調校、約 1T 參數的 MoE 模型，以支援其公開 API 上線。團隊僅對路由專家套用選擇性 NVFP4 量化，注意力層、路由器與共享專家則維持 BF16，並以日語為主的對話進行校準，確保全部 23,040 個專家都接收到具代表性的流量。一個以超過 300 億個原始 token ID 訓練的自訂 DFlash 草稿模型，將推測性 token 接受率提升 25%，並使每 token 解碼延遲降低約 35%；另一個以約 100 萬筆真實請求訓練的草稿模型，則將平均接受長度從 3.51 提升至 5.01，並將 p99 延遲從 68 秒降至 52 秒。