1-flash。該方法利用PyTorch初始化權重時使用的隨機種子模式，該模式反映GPU的核心數：B200/B300為148核，GB200/GB300為152核，而Hopper H100/H800為132核。DePue表示，他在真實Blackwell晶片上重現了DeepSeek-V4-Flash和Kimi K3的結果，在GitHub上發布了驗證程式碼，且該方法正確識別了全部24個硬體已知的對照模型。
同一件事，精選收錄的是《Forensic analysis links six Chinese frontier models to export-controlled NVIDIA Blackwell GPUs》
Dyania Health 的 Synapsis AI 臨床推理引擎會閱讀病患病歷中的每一則紀錄、報告與檢驗結果，將相隔數年的發現相互連結，標示出哪些病患需要關注及其原因，且每一項訊號都可追溯至來源。它在醫療體系自身的防火牆內、於 NVIDIA 加速運算上運行，因此病患資料從不離開醫院。Cleveland Clinic 用它檢視 2005 至 2021 年間超過 7,800 名主動脈瓣置換病患的病歷，並建立瓣膜惡化與三年、五年及十年再介入風險的預測模型。
TimeNet Challenge 是一場線上黑客松，要求 2–4 人組隊，以 TimeNet 格式導入時間序列資料集，並訓練或微調 Temporal AI Model（如 OpenTSLM），用於預測、分類、異常偵測或推理等任務。第一輪於 11 月 11 日啟動，11 月 22 日太平洋標準時間晚上 11:59 截止，後續還有更多輪次。Nebius 每輪為每隊提供 100 美元或 500 美元代金券，獲勝隊伍可獲得 AWS 和 Google Cloud 提供、起價 25,000 美元的獎金抵用額度。
Cultivated Corpora 打造了一台「打字付款」自動販賣機原型，接受現場撰寫的人類散文而非金錢，以文字換取零食，這些文字將用作 AI 訓練資料。該終端機於 11 月 12 日至 17 日在 Downtown 6 的 51st 與 Lexington 路口 Data Vandals Newsstand 展示。該公司表示，此舉是在填補 AI 公司需要比現有更多訓練資料的缺口。
美國僱主的 H-1B 申請中，軟體開發者從 2022 財年到 2026 財年（比較 10 月至 6 月）下降 36%，而帶有 AI 職稱的申請增加，並在 2026 財年占所有認證申請的 1.8%。新僱用軟體申請下降 46%，2026 財年的降幅在 2025 年 10 月至 12 月最為陡峭，同比下降 26%，此前白宮宣布對新的 H-1B 申請收取 10 萬美元費用。包含「machine learning」或「artificial intelligence」的職稱增加 80%，而「AI engineer」等較短職稱貢獻了最近一年增長的 92%；OpenAI 和 Anthropic 在其 402 份認證申請中，只有 11% 包含 AI 或 machine learning。
Mirendil 宣布完成 10 億美元 A 輪融資，由 Kleiner Perkins 和 Clearlake Capital 領投，Battery Ventures、Google、M13、Pear VC 等參與投資，用於打造讓科學家和工程師能夠使用前沿 AI 研發的工具。該公司表示，一名研究人員藉助代理，在不到 1000 萬美元的算力下，用 3.5 個月從零開始預訓練了 Mirendil-Base 這一具有競爭力的編碼模型，隨後將其後訓練為 Fern，後者最多可容納 1000 萬個 token 的上下文。Lor 目前處於內測階段，可讓數百個代理連續數天編寫程式碼並執行實驗，Mirendil 表示其每天都運行在 Lor 上。
Microsoft Research Focus Edition #98 重點介紹了讓通用翻譯更接近現實的 AI 進展，以及一項解決高維幾何中懸而未決 31 年的 KLS 猜想的新證明。本期還涵蓋 CompactionBench 與 APEC，它們將編碼代理的上下文壓縮成本降低多達 25.4%，執行時間縮短 9.6%，以及 Latent Core Tokenizer，它在 104 種語言上改進了分詞。
一名 Google 研究員的 48 個 AI 代理團隊標記了墨西哥一處馬雅遺址，稱其可能未經登記，但考古學家指出，該遺址早在一年多前就已在學術期刊上被記錄。Pietro Miotti 將這項工作描述為個人副業，未使用 Google 的算力或資源，他表示曾向墨西哥的 INAH 查證，並在社群媒體上受到批評後更新了他的貼文，將功勞歸於較早的研究。包括 Sarah Parcak 和 Ivan Šprajc 在內的考古學家表示，發現一處遺址並不等同於發現它，並強調同儕審查和現有研究仍然至關重要。
Newcomer 與 Bessemer Venture Partners 發布首屆 AI 100 榜單，評選出最具前景的 100 家私人 AI 公司，其中 Anthropic 位居第一，領先於其預計下週進行的 IPO，OpenAI 排名第二。這 100 家公司合計估值約 3.5 兆美元，而以研究人員為主的模型公司僅占榜單的 9%，卻占該估值的 55%。推理領域的參與者 Fireworks（第 9 名）、Baseten（第 12 名）、Fal（第 16 名）和 Modal（第 20 名）也名列前茅，與 Stripe（第 4 名）和 Anduril（第 7 名）等轉型的老牌公司並列。
根據GDC遊戲節最新年度產業調查，40%的遊戲開發者表示他們在工作中使用生成式AI，高於2025年的36%。使用率最高的是免費遊玩開發商（58%）和純手遊工作室（70%），研究和腦力激盪（73%）是首要用途。調查還發現，34%的受訪者在過去兩年內曾被裁員。
Epoch AI 估計，華為位於內蒙古的和林格爾資料中心約有 105,000 顆可運作的 Ascend 910C 與 8,000 顆 Ascend 910B 晶片，相當於約 81,000 顆 H100 等效算力（90% 信賴區間：36,000 至 141,000）。這項估計來自商業衛星影像，以及一套冷卻設備模型，該模型推算這四棟以 AI 為主的建築具備最高 286 MW 的 IT 電力容量。這使和林格爾的算力約為 SpaceX 位於田納西州的 Colossus 2 的 AI 算力的 7%，而一棟規劃中的建築可望在 2028 年初前將其容量提高逾 70%，但仍遠遠落後於 Colossus 2 預計的 180 萬顆 H100e。
根據 ChinaTalk 的一項調查，包括 Mercor、Surge AI、AfterQuery 和 Turing 在內的美國數據經紀商，正向中國 AI 實驗室出售價值約 5 億美元的訓練數據，其中部分為 RL 環境。該報告指出至少九家美國公司參與其中，並稱中國實驗室刻意購買已售予 Anthropic 或 OpenAI 的產品，以跳過成本高昂的內部開發；在中國面臨晶片記憶體瓶頸的情況下，這些節省至關重要。ChinaTalk 指出，RL 環境基本上不受出口管制約束，並主張工業與安全局應將現行管制適用於軍民兩用的程式設計與生物學環境，同時強調中國實驗室仍落後美國同行至少數個月。
Plurai 已完成 1,300 萬美元的種子輪募資，由 Team8 領投，目標是運用借鏡自自動駕駛汽車的模擬技術，讓 AI 代理更可靠。這家新創公司會建立企業系統的數位孿生，梳理出代理可能的運作流程，並利用合成資料讓模型為邊緣案例做好準備，接著再針對每位客戶微調小型開放權重模型。與 Nvidia 和 Nebius 進行的測試顯示，其模型以更低的成本超越了中階前沿模型。
Meta 已簽署一系列涵蓋水泥、鋼鐵、貨運與再生塑膠的長期採購承諾，以在其資料中心供應鏈中將清潔製造推向商業規模。這些交易包括向 Sublime Systems 採購至少 180,000 噸低碳水泥、向總部位於瑞典的 Stegra 採購近零排放鋼鐵、與 Nevoya 在加州和亞利桑那州沿 I-10 公路擴大零排放貨運路線，以及與 MacroCycle Technologies 每年採購 5,000 噸再生 PET。
包括Mercor、Surge AI、Turing、AfterQuery和Pareto在內的美國資料供應商正在向中國AI實驗室出售強化學習環境，該報告確認了九家與中國有業務往來的供應商。報告認為，這些交易讓中國實驗室得以跳過成本高昂的部署實驗，並節省受記憶體限制的算力，同時指出這些交易在很大程度上不受出口管制約束，且落後於美國實驗室的差距限制了損害。
Mercor 在年化營收達到 30 億美元後，以 200 億美元估值完成 7.5 億美元 D 輪融資；該營收從 2 月的 10 億美元、6 月的 20 億美元一路成長。該公司稱擁有 500 萬名專家，並將其市場界定為美國 800 多種職業，這些職業的工作流程尚未被模型評估過。Mercor 還表示，其目前在推理上的支出已是員工薪資的 3 倍，並主張若這一比例在整個經濟體中成立，則意味著未來五年 GDP 將實現兩位數成長。
烏蘭察布曾是內蒙古一座鮮為人知的城市，隨著資料中心遍布其草原，如今已成為新興的AI運算樞紐，吸引來自中國各地的年輕勞工。快手於2023年在當地啟用其首座自建資料中心，DeepSeek則於今年4月刊登資深維運職缺，月薪最高達3萬元人民幣（4,200美元）。如今勞動市場已趨於飽和，雇主紛紛提高招聘門檻，有些甚至只考慮學士學位持有者。
烏克蘭的光纖無人機不受戰場電子干擾影響，但如今面臨成本上升，因為從中國進口光纖材料時，須與全球AI資料中心爭奪同一批有限供應。烏克蘭無人機製造商正在調整適應，成品線軸所容納的線纜足以讓無人機常態性在數十英里範圍內運作，極端情況下可達62英里。
根據Exponential View的數據彙整，2025年因AI相關職位而失業的勞工，找到新工作的時間比其它職位的同儕多出約一個月。Anthropic支付34億美元，接手一家供應商兩年前下的1.7GW燃氣發電機訂單，這是已知AI實驗室最大規模的電力設備採購。Apple的記憶體庫存同比增長2.5倍，助其抵禦記憶體成本上漲。
Lubrizol 正在建立數位基礎，串接業務流程、現代化資料平台與雲端基礎架構，以加速特用化學品的研發。IT 副總裁 Girish Rao 表示，目標是給科學家更好的工具，而非取代科學判斷，並由科學家、資料科學家和 IT 人員組成的「融合團隊」從小規模試點著手以建立信任。雲端存取也支援永續發展工作，例如對澱粉和玉米基材料替代品進行建模。
Preferred Networks 的 AI 寫作指導系統 Ronjiro 榮獲第 23 屆日本 e-Learning 大賞 AI 特別獎（學習支援）。Ronjiro 運用包含 PFN 自主研發的 PLaMo 基礎模型在內的生成式 AI，支援高中生的作文與寫作學習，最快可在一分鐘內針對邏輯結構與改進重點提供回饋。本系統自 2026 年 3 月起，透過與 Yarakis Switch 集團合資成立的 YP Switch 提供，目前已在全國部分 School IE 課堂中導入。
SemiAnalysis 參觀了遠景位於內蒙古烏蘭察布的 Galaxy 園區，該園區規劃 IT 容量最高達 800MW，第一期 120MW 在一年內交付，成本約為美國的五分之一。園區運行一套實際運作的 5MW 800V 直流試點，採用固態變壓器將 10kV 交流電直接轉換為 800V 直流電供機櫃使用，並讓液冷與風冷伺服器共用一個水迴路，省去中央冷水機。遠景前兩期超過 60% 的電力來自其自有 420MW 風電場加上 4 小時電池儲能，整個園區預計於 2027 年底完工。
蘋果成為今年迄今唯一跑贏主要指數的Mag7公司，其資本支出仍低於AI熱潮前水準，而四大超大規模雲端業者自2023年以來將支出提高約6至9倍。Roblox表示，過去一個月內，其參與度前100名的遊戲中有超過80%使用了AI工具，每日資產上傳量較上月成長兩倍。
《麻省理工科技評論》在舊金山測試了 Tau Robotics 的人形打掃服務，這些機器人由人類遠端操控，而非完全自主運作。機器人會蒐集訓練資料，供未來的自主模型使用，價格為每週兩台機器人打掃 60 美元，或單次到府 100 美元。機器人清潔了廚房和廁所，但在樓梯上表現吃力，且首次到府時多次停擺。
Amazon 資深應用科學家 Hamed Karimi 與共同作者 Julie Nutini 和 Mark Schmidt 憑藉其 2016 年關於 Polyak–Łojasiewicz 條件下梯度與近端梯度方法線性收斂性的論文，榮獲 2026 年 ECML PKDD 時間考驗獎。該論文證明，即使模型缺乏單一最佳解，這個 1963 年的不等式也能保證線性收斂，統一了零散的優化結果，並將其擴展到非平滑景觀以及坐標、符號和隨機梯度下降等演算法。該論文已被引用超過 2,000 次，並收錄於研究所教科書中。
Ai2 啟動了一項氣候模擬計畫，由 Google.org 提供三年資金、Google Research 提供技術支援，以開發開源模型 NeuralGCM+，用於更快、更可靠地進行氣候推估。此專案延伸自 Google Research 的 NeuralGCM，該模型將大尺度動力學的物理方程式與雲層形成、降雨等較小尺度過程的 AI 結合，以同時模擬大氣與海洋。Ai2 的目標是降低過去 50 年區域氣溫與降雨的誤差，並對外發布模型與框架，附上可供外部研究人員參考的工作流程文件。
SemiAnalysis 報導，SpaceX 目前有多個站點共 3.6GW 的資料中心容量正在建設中，並將 2027 年的預估上調至約 13GW，高於其在首次財報電話會議上給出的 10GW 數字。該機構表示，已識別出超過 9GW 的可行容量，並認為 SpaceX 可能是全球最快的資料中心建造者，並引用 Colossus 2 的建設時間為 210MW 用 91 天，以及一個新的密西西比站點目標約 4 個月。它還指出，德州 TeraFab 晶片晶圓廠址可能有一個資料中心，以及 Colossus 2 的 BESS 部署接近 6GWh。
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。
CXMT 公布第三季淨利 544 億元人民幣、營收 1,187.1 億元人民幣，年增 613.2%；路透社稱其已向國內晶片設計商送出 HBM3E 樣品，儘管良率僅 20–30%，仍計劃在兩個月內進行有限量產。宇樹科技上市後首份財報顯示，第三季營收成長 69.9% 至 6.65 億元人民幣，研發支出增加約 250%。Moonshot 推出具備百萬 token 上下文窗口的 Kimi K3.1 Pro，隨後為速率限制致歉，並恢復訂閱用戶每月額度的四分之一。
Microsoft Research Focus Edition #97 重點介紹 ForkPilot，這是一個可自我改進的代理式框架，在六項基準測試中達到現有最佳方法的表現，同時將 AI 處理需求降低多達 59%。本期亦涵蓋 CABRA，此框架顯示編碼代理仍難以理解不熟悉的程式碼庫，以及 TeleTune，其從使用者活動日誌中學習可重複使用的技能。本期也檢視 Copilot Chat 活動，其中文件編輯占已分類活動的 20% 以上。
Zenrin、Zenrin DataCom 與 Preferred Networks 已簽署業務與資本聯盟協議，由 Zenrin 旗下公司認購 PFN 的第三方增資。合作夥伴將把持續更新的地理空間數據（包括歷史變更紀錄）與 PFN 的生成式 AI、實體 AI 及 3D 空間辨識技術相結合，打造能夠理解並預測現實世界變化的 AI 模型。初期重點領域包括公共部門、房地產、零售與流通，鎖定需求預測、門市選址與都市規劃、防災與物流模擬等應用。
Meta 正支持五所美國大學的研究——加州理工學院、俄亥俄州立大學醫學院、路易斯安那州立大學、印第安納大學與 UTHealth Houston——提供其最新 Muse 模型的使用權、研究人員合作與資金。研究人員將使用 Muse Spark Open、Muse Wonder、Muse Spark、30B 開放權重模型 Muse Glimmer，以及 SAM、V-JEPA、DINO、UMA 與 SeamlessM4T。研究項目涵蓋醫學、物理、化學、生物、電腦科學與數學，所有病患與臨床數據的控制權仍歸各大學所有。
Anthropic 的生命科學團隊花了數個月與六家藥物開發商合作，包括 Bristol Myers Squibb、Generate Biomedicines 和 Divergence Labs，並運行自家的探索計畫，以測試 Claude 能在何處加速藥物開發。回報的早期結果包括：Generate 設計出比標準版本縮短約 70% 的版本，讓免疫細胞製造約 10 倍的受體；以及為 Divergence 在約一個月內主要自主生成約 35,000 個抗體設計。Anthropic 表示，這項工作仍大多處於臨床前階段，並計畫隨著計畫推進，將 Claude 擴展至臨床試驗。
推薦理由：Anthropic 首次詳細說明將 Claude 嵌入真實藥物計畫的過程，顯示該模型在六個合作夥伴中哪些地方有幫助、哪些地方仍有不足。
Anthropic 邀請學術機構、非營利組織與政府實驗室的首席研究員及其研究團隊，申請為期 8 至 12 週的客座研究員計畫，運用 Claude 於因果人類生物學、結構與計算分子生物學、藥物化學、藥物發現及臨床科學等領域。Anthropic 將免費提供其模型與工具框架，成果將以開源資料與程式碼形式發表，研究員則保留其資料的權利。申請開放約 14 天，獲選者將於截止後約 14 天以電子郵件通知。
Epoch AI 估計，到 2027 年出貨的 AI 晶片可支援約 3,000 萬至 1.7 億個同時運行的前沿模型代理；若改用較便宜的模型，則可支援近 20 億個。其研究還發現，固定水準的 AI 效能成本在過去三年間每季下降約 47%，相當於每年約 13 倍。另外，Epoch 估計中國對半導體供應衝擊的曝險是美國的 2.7 倍。
Markov Robotics 正在訓練一個世界模型，以實現零樣本通用機器人靈巧操作，使用的機器人資料不到十小時，而同等結果通常需要數千小時。該公司幾乎所有運算都在 Modal 上執行，從預處理數百 TB 的影片，到 2–10 個並行訓練任務，以及透過 Modal Tunnels 進行遠端推論，往返延遲約 20 毫秒。原本可能耗費一整天的預處理，現在只需二十到三十分鐘即可完成，並可同時展開到多達 500 個 GPU。
Applied Compute 透過強化學習訓練企業客製化 AI 代理，並以 Modal 的沙箱、Functions 與次秒級冷啟動為基礎，讓數千個平行 rollout 持續受 GPU 綁定。其代理包括為 DoorDash 打造的商家上線模型，以及為 Cognition 打造的抓蟲代理。
Chai Discovery 正在使用 Modal 運行其機器學習藥物發現流程，從蛋白質嵌入和多序列比對到抗體設計。Modal Volumes 會一次性下載並索引達到數百 GB 的資料集，然後在機器之間共享，而彈性 GPU 擴展可在幾分鐘內啟動數百個 GPU。Chai 表示，同樣的設置現在能將研究工作流程帶入生產環境，而無需重寫基礎設施。
Modal 宣布，用於開發、測試和部署資料管線的資料編排工具 Twirl 將加入該公司。Twirl 共同創辦人 Rebecka Storm 與 Eric Hansander 將加入 Modal 的斯德哥爾摩辦公室，在那裡開發並擴展 Modal 的無伺服器基礎設施，並拓展其在歐洲的版圖。Modal 表示，該團隊的資料產品經驗將協助其從 AI 推論擴展至鄰近的 AI、ML 與資料應用場景。
一支以 AFC Richmond 匿名的歐洲頂級足球隊，將其比賽追蹤資料管線遷移到 Modal 的無伺服器 GPU 平台，並將處理整個賽季比賽的成本降低了 50%。該隊透過一個基於 transformer 的自訂模型，對每場比賽約 350 萬筆追蹤觀測資料執行推論，而藉由在 Modal 上運行 Airflow，現在處理每場比賽的資料只需幾分鐘，而非數小時。