AREX Feed Article
NVIDIA 借 GTC Berlin 宣布扩展开放模型家族：新增 Kumo，IQM 与 AWS 接入 Ising
北京时间 10 月 21 日 18:00（UTC 10:00），NVIDIA 在宣布扩展其开放模型家族，覆盖语言、机器人、生物学与量子计算四个方向，配合 GTC Berlin 2026 的欧洲发布节奏。名单包括 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt 语言模型、Nemotron Retriever 嵌入/重排/文档解析模型、面向结构化业务数据的 Kumo、Cosmos 3.5 世界模型、面向自动驾驶的 Alpamayo 2 Edge、面向医疗与科学发现的 BioNeMo，以及面向量子计算的 Ising。
发布中最具体的性能数字来自生物学：NVIDIA 与华盛顿大学蛋白质设计研究所 Baker Lab 合作构建的开放蛋白质设计模型 BioNeMo RFD4-Proteina 可生成蛋白质序列与 3D 结构，NVIDIA 称其在 200 氨基酸蛋白质基准测试中生成设计的速度约为 RFdiffusion3 的 13 倍。博客还称，IQM Quantum Computers 正在用 Ising 校准其量子处理器，AWS 正把 Ising 集成进 AWS Parallel Computing Service（AWS PCS）；Nemotron 3.5 Bolt E4B 4GB 预计 10 月 23 日（周五）可用。上述性能、合作与进度说法均为 NVIDIA 博客单方口径。
语言层：Nemotron 3.5 上周已发布，Bolt E4B 待周五上线
语言层的主体上周已经就位。10 月 15 日，NVIDIA 已单独发布 Nemotron 3.5 Super VL 与 Bolt 系列；称，Super VL 是一个 1,200 亿参数的开放模型，可处理文本与图像，覆盖指令跟随、工具调用、多步业务流程和视觉理解等智能体任务，并以约五分之一的参数量达到与其最大推理模型相当的准确度。同一天，Bolt 74B-A9B 24GB 版本已可用，采用原生 2-bit 量化装进 24GB 显存，面向 RTX/DGX Spark 上的本地智能体负载。今天的博客补上最后一块：Bolt E4B 4GB 定于本周五上线，目标硬件是 GeForce RTX、Jetson 和 RTX/DGX Spark。
按 10 月 15 日博客的说法，Super VL 在预训练与继续预训练阶段使用了约 26 万亿 token，后训练用了约 380 万个样本，并辅以跨数十个环境的强化学习；NVIDIA 还称它是同级别中最快的开放智能体模型，在 Artificial Analysis Intelligence Index 上吞吐量最高达到同类其他模型的 5 倍。
今天的博客把 Nemotron 定位为跨行业的后训练基础，为开发者提供开放语言模型、数据集与训练配方。博客称，Dassault Systèmes、Domyn、Dream、Salesforce、SAP、Shopify、Synopsys、WPP 以及 Accenture、EY 等正在用 Nemotron 模型和数据集构建定制模型与领域智能体；AfterQuery、AI21、Fireworks、Google Cloud、Scale AI、Nebius 等二十余家后训练合作伙伴帮助企业按领域定制。Nemotron 的数据、研究与工程经验来自 NVIDIA Nemotron Coalition，博客点名了其中三家欧洲合作方：Black Forest Labs、H-Company 和 Mistral。
一同列入家族的 Nemotron Retriever 嵌入、重排与文档解析模型，已在 Hugging Face、多家合作平台以及 build.nvidia.com 上以 NIM（NVIDIA 推理微服务）形式提供；Super VL 已上架 Hugging Face、ModelScope、OpenRouter 与 build.nvidia.com。
Kumo：面向结构化业务数据的新开放权重基础模型
Kumo 是名单里唯一被冠以「新家族」字样的成员，定位是把预测能力带给结构化业务数据：帮助智能体和应用预测结果、给欺诈风险打分、推荐下一步动作，隶属于 NVIDIA Agent Knowledge Foundation。博客称，它可以缩短从数据到预测的时间，省去为每项任务单独搭一条机器学习流水线的成本。
组件分两块：NVIDIA Kumo Structured 包含面向关系型与表格数据预测、时序预测和异常检测的模型，已在 Hugging Face 上线；Kumo Engine 是用于开发和部署结构化数据基础模型的开放库栈，代码放在 GitHub。开发者可以先用预训练模型快速上线预测，再在性能要求高的场景用专有数据微调。
博客列出的早期使用方覆盖金融、消费与工业场景：Cognite、Coinbase、Databricks、DoorDash、Revolut 和 Tubi 正在与 Kumo 模型合作；Snowflake 的客户已经在广告、能源、金融服务和零售行业用 Kumo 模型加速 AI 开发。Kumo 模型同时以 NIM 微服务形式在 build.nvidia.com 上提供生产推理。
Cosmos 3.5 与 Alpamayo 2 Edge：从训练数据流水线到车载推理
机器人一侧，Cosmos 是 NVIDIA 的开放世界基础模型家族，用于构建理解物理世界并与之交互的机器人、自动驾驶系统和视觉智能体。家族阵容中的 Cosmos 3.5 世界模型现已开放 Hugging Face 与 GitHub 获取。本次新增两类工具：一是后训练与优化工具，帮助开发者用更少算力改进世界模型；二是仿真检查点，让开发者在真实测试前，先在交互式驾驶和机器人操作场景的模拟环境中评估模型行为。
数据侧新增 Cosmos Data Factory，由蓝图和核心智能体技能组成，覆盖驾驶场景、产品缺陷、图像增强和事件生成等数据的整理、标注、生成与评估；开发者可以整条工作流使用，也可以只取单个能力、由智能体协调流程。博客列出的使用方包括与 Voxel51 合作的 Porsche、与 Encord 合作的 ANYbotics、与 Sereact 合作的 Zalando 和 CEVA Logistics，以及 Siemens。
Alpamayo 2 Edge 则把推理压进车里：这是一个紧凑型推理模型，在车端直接完成实时场景理解和运动规划，构建于 Cosmos 3 Edge 的 Nemotron 基座之上，针对 NVIDIA DRIVE AGX Thor 平台优化。按博客的说法，它能以更低的算力要求把高级驾驶能力装进车辆，本月晚些时候开放 GitHub 和 Hugging Face 下载。
BioNeMo RFD4-Proteina：与 Baker Lab 合作的蛋白质设计模型
BioNeMo RFD4-Proteina 由 NVIDIA 与华盛顿大学蛋白质设计研究所的 Baker Lab 共同构建。它能生成蛋白质序列与 3D 结构，帮助研究人员设计能结合困难靶点、组装成复杂结构或与小分子结合的蛋白质。
性能数字出自 NVIDIA：博客称该模型在超过 10 项蛋白质设计任务中取得领先表现，并在 200 氨基酸蛋白质基准测试中生成设计的速度约为 RFdiffusion3 的 13 倍。按博客描述的工作流，研究人员通过智能体按设计目标和分子约束生成并评估候选设计，再挑选进入实验室验证的方案。
模型已可通过 build.nvidia.com 与 NIM 微服务使用，权重也放在 GitHub 和 Hugging Face 上，并经由部分推理合作伙伴提供。
Ising：量子校准与纠错的开放模型，IQM、SEEQC 与 AWS 已在接入
Ising 是 NVIDIA 面向量子计算的开放模型家族。按其的定义，它是一套「模型家族、训练框架与实践手册」，让量子计算从业者无需机器学习背景也能用上 AI，覆盖从实时硬件校准到纠错解码的环节，适配不同量子比特路线与各家硬件。
具体组件与数字来自 NVIDIA 的 Ising 页面：Ising Calibration 1.5 是用于量子校准的视觉语言模型，可在智能体工作流中自动完成量子处理器的启用与重新调校，页面称其表现比 Gemini 3.1 Pro 高 3.27%、比 Claude Opus 4.6 高 9.68%、比 GPT 5.4 高 14.5%；纠错解码器方面，SurfaceCode 1 Fast 在 d=13、p=0.003 条件下速度为 PyMatching 的 2.5 倍、准确率为其 1.1 倍，ColorCode 1 Fast 在 d=31、p=0.003 条件下比 Chromobius 快 7 倍、准确率高 347 倍。页面还提供用 cuQuantum cuStabilizer 和 PyTorch 训练自有解码器的流水线，以及名为 QCalEval 的评测基准。
合作进展出自今天的博客：IQM Quantum Computers 正在用 Ising 校准其量子处理器，NVIDIA 借此称专用开放校准模型的表现优于大型通用模型；SEEQC 把 NVIDIA NVQLink 平台与 Ising 同其 Digital Link 技术结合，以满足实时量子纠错的低延迟要求；AWS 则把 Ising 家族集成进 AWS Parallel Computing Service（AWS PCS）。博客解释，受延迟要求限制，纠错解码通常在与量子处理器同址的经典硬件上运行，而 PCS 集成让研究人员能在部署前先基于 Ising 构建。Ising 已在 GitHub、Hugging Face 和 build.nvidia.com 提供。
柏林时机与主权叙事：哪些说法能自行验证
博客标题本身就把发布放进欧洲框架：「NVIDIA 开放模型推进欧洲各行业的主权智能」。文章称，开放模型让企业能用本地数据定制基座，并部署在自己控制的基础设施上。这篇博客收录在 NVIDIA 自 10 月 13 日起滚动更新的 中，专题里已有巴黎、巴塞罗那的前站活动和法国初创投资等消息。
需要区分的是两类信息的验证状态。开放权重本身可以直接查验：Kumo Structured 的 Hugging Face 集合页与 Ising 的开发者页面在发稿时均可访问，博客并为其余模型逐一列出了 GitHub、Hugging Face 或 build.nvidia.com 渠道。而所有性能数字——蛋白质设计速度、Super VL 吞吐量、Ising 对各家通用模型的对比——以及 IQM、SEEQC、AWS 的合作进展，目前都只有 NVIDIA 的单方陈述；截至发稿，本文未能打开 AWS 官方博客的相关条目，也未能检索到 IQM 或 SEEQC 一方的公告。Bolt E4B 4GB 是否在 10 月 23 日如约出现在开放渠道，是最近一个可以直接核验的节点。