H 公司发布 Holo4 系列智能体模型，提供 27B 稠密版和 35B-A3B MoE 版，两者均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
选题角度：原文给出两个尺寸的权重与 API 入口，还附了 FreeCAD 建模、Godot 游戏等完整轨迹，适合录屏对比 Holo4 27B 与 Qwen3.8 27B 在同一提示词下的表现。
ElevenLabs 面向美国、加拿大、EU27、澳大利亚和英国 18 岁以上大学生推出 ElevenLabs for Students 计划，包含 ElevenCreative、ElevenAgents 和 ElevenAPI 的 3 个月免费使用，以及 ElevenReader Ultra 一年免费。
ElevenLabs 发布指南，详解 ElevenAgents 的语音智能体能力：通过动态变量和通话前后 webhook 从 CRM 调取并回写客户历史，实现跨通话记忆；用情绪检测实时安抚不满来电者，超过阈值或对方要求时转接人工。智能体支持 PDF、Word、Markdown 等格式内容与 RAG 检索，可配置数据留存、音频存储、转录脱敏和零留存模式，企业医疗场景符合 HIPAA 要求。
Remedy Entertainment 的 CONTROL Resonant 已在 GeForce NOW 首发上线，Ultimate 会员可以 GeForce RTX 5080 级性能串流，支持 DLSS 4、光线追踪、Reflex 和最高 5K HDR，无需 100GB 本地安装。
ElevenLabs 发布指南，介绍用内置工具和第三方方案转录 Zoom 会议。Zoom 自带实时字幕免费，但云端存储和可下载转录文本需付费 Workplace 账户；Zoom AI Companion 支持 46 种语言实时转录，会后转录仅支持 19 种语言。开发者可用 ElevenAPI WebSockets 构建自定义管线，借助 Scribe v2 模型实现 90 多种语言的低延迟转录。
Google Beam 正式扩展至美国、加拿大、英国、法国、德国和日本六国，由 18 家渠道合作伙伴支持部署，旗舰硬件为 HP Dimension with Google Beam。
Google 为 Private AI Compute 平台引入服务端持久记忆能力，让云端 AI 助手能跨设备保留上下文，同时维持端侧级别的隐私标准。该架构将数据封存在加密存储中，解密密钥仅保存在用户个人设备上，模型访问时通过端到端加密通道在安全隔区（secure enclave）内临时解密处理。
ElevenLabs 发布 Python 语音识别教程，演示如何通过 ElevenAPI 将 Scribe v2 与 Scribe v2 Realtime 接入 Python 项目，实现批量与实时转写。
GPT-6 改进了提示词缓存，带来更高的缓存命中率、新的诊断工具、显式断点以及可降低延迟与成本的控制项。原文未披露具体命中率、价格或上下文长度等数字。
NVIDIA 在 ROSCon 发布 Isaac ROS 5.0，新增智能体工作流与平台支持，支持 ROS Lyrical 和 Ubuntu 24.04，服务近 130 万 ROS 用户。
ElevenLabs 发布面向临床音频微调的语音转文字模型 Scribe v2 Medical，已在 ElevenAPI 全面开放，临床音频 WER 较基础版 Scribe v2 降低约 35%。
human in the loop（HITL）是一种在 AI 工作流中按预设边界划分任务的机制：AI 处理可预测的规则化任务，人类负责复杂决策、合规要求和边缘案例。人类介入点包括必需审核与批准、受监管步骤、敏感沟通、角色边界与例外，以及客户主动要求转人工。在机器学习开发阶段，HITL 也用于标注训练数据、评估模型输出和纠正错误。
oMLX 创建者兼维护者 Jun Kim 加入 Hugging Face，全职投入 MLX 社区建设。oMLX 将保持 Apache 2.0 开源协议，由 Jun 继续领导，从副业转为有资金支持的正式项目，目标是提升稳定性并加快开发。Hugging Face 计划让 oMLX 成为新想法的试验场，并推动 transformers 模型定义更快落地为可供各引擎使用的 MLX 参考实现。
Hugging Face 为 transformers 加入 GGUF 模型支持，用户可从 Hub 选取 GGUF 检查点，通过 from_pretrained 传入 gguf_file 即可在本地生成。
NVIDIA 推出 DSX Ready 认证计划，用于审核合作伙伴产品是否符合 NVIDIA DSX AI 工厂参考设计要求，首批覆盖电池储能系统（BESS）和冷却分配单元（CDU）两类。
NVIDIA 提出物理 AI 规模化部署需要覆盖硬件、软件、AI 行为与运行环境的全栈安全体系，并称 NVIDIA Halos 是首个也是唯一面向物理 AI 的全栈安全系统。
NVIDIA 在开罗大埃及博物馆举办活动，展示埃及 AI 生态从能力建设走向生产落地，其 Deep Learning Institute 埃及学员规模一年内增长超十倍。
NVIDIA 提出 AI 安全应作为工程问题处理，需要明确的安全需求、可执行的管控、指定负责人和防护有效的证据。其开源安全运行时 NVIDIA OpenShell 在智能体之外强制执行策略并提供沙箱执行，Cisco DefenseClaw 在其上增加治理层，JFrog 则集成 OpenShell 扫描和验证智能体技能。
智能体工作流让 AI 智能体在每一步进行推理并决定下一步行动，而非沿固定脚本执行。它由 LLM 推理层、RAG、记忆与护栏组成，高风险步骤仍走固定审批，超出权限时转人工。ElevenLabs 的 ElevenAgents Workflows 编辑器可显式映射决策点，在专用子智能体或人工坐席间路由，使智能体行为可审计。
NVIDIA 在纽约气候周介绍了 5 家用 AI 推进清洁能源的公司：ThinkLabs AI 用数字孪生和智能体把南加州爱迪生评估电网并网申请的时间从 30-45 天缩短到 2 分钟。
Hugging Face 发布 tokenizers v1，输出与 v0.23 相同的 token ID，但速度常达 v0.23 的数十倍。v1 将单一 crate 拆为 workspace，引入无分配模型、基于 SIMD 的 bitcannon 分词、合并循环重写、线程本地词缓存和原生并行，并保持对 BPE、WordPiece、Unigram 的通用支持。
上下文窗口是大语言模型单次请求能处理的 token 总量，涵盖提示词、对话历史、检索文档、工具结果与模型输出。更大的窗口能同时容纳更多代码与文档，但并非完美记忆：Lost in the Middle 研究与 NVIDIA 的 RULER benchmark 发现，上下文越长模型对信息的利用越差，尤其容易忽略中段内容。检索、摘要与缓存等上下文管理手段通常比单纯堆叠 token 更有效。
Pawprint Studio 的开放世界捉宠 RPG《Aniimo》首发即登陆 GeForce NOW，玩家无需等待 45GB 下载即可在 Steam Deck 和新增支持的 Firefox 浏览器上串流游玩。
Cadence 基于 ElevenAgents 构建患者语音智能体，将异常生命体征到联系患者的中位时间从 1 小时 48 分钟降至 3.5 分钟，响应速度提升 97%。该智能体自动触发预警筛查、完成症状评估并按需转接护士，独立处理 60% 的筛查预警，患者接听率较人工护士基线提升 47%。前 7 个月共处理 25 万通电话，Cadence 计划将应用扩展至预约安排、设备排障和患者激活等场景。
衡量对话式 AI 需从质量、体验、运营三类指标入手，核心指标包括 containment rate（零售业标准 60–80%、旅游网站 40–60%）、escalation rate（目标 15–30%）、词错误率 WER（行业标准 5%）、意图识别准确率、响应准确率（一般客服需 80% 以上、支付等敏感场景需 99% 以上）、幻觉率与 CSAT。
OpenAI 发布 Astra for Law，为法律行业提供前沿智能能力，支持律所自定义工作流、接入法律数据源，并针对保密客户工作提供法律级管控。该产品隶属 OpenAI for Law。
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首次预览提交中，于 Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。GB300 NVL72 以 288 GPU 四机架提交实现 99% 扩展效率，软件优化较 v6.0 带来最高 1.6 倍性能提升。
Emerald AI、Google 和 NVIDIA 宣布成立 AI Energy Management Alliance（AEMA），推动数据中心根据电网状况动态管理用电。该联盟采用技术中立、基于性能的要求，聚焦响应速度、持续时长、可预测性和紧急情况行为等可衡量指标。NVIDIA 与 Emerald AI 已在与能源和基础设施厂商合作建设可实时响应电网状况的 AI factory。
OpenAI 介绍 ChatGPT Work 与 Codex 的分析功能，帮助团队了解 AI 使用量与支出、识别培训需求，并把采用情况与业务成果关联起来。
实时转录在音频发生时即时转写，延迟约 100 到 300 毫秒，但准确率中等、成本更高；批量转录在录音结束后一次性处理整个文件，耗时从数秒到 10 分钟以上，准确率高且成本更低。实时转录适合实时语音智能体、直播字幕和会议记录等对速度要求更高的场景，批量转录则更适合转录长访谈、会议或播客等以准确率为优先的批量任务。
曼彻斯特大学团队基于 NVIDIA Earth-2 的生成式模型 Earth-2 CorrDiff，用一年英国逐小时污染模拟数据训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型，在 Isambard-AI 单节点 8 块 GPU 上仅用两天完成训练。