NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测，单次前向推理读取最多 10000 条历史样本作为上下文，无需任务特定训练、特征工程或表扁平化。
推荐理由：原文给出预训练关系型基础模型在41项任务上的对比结果与开源入口，可据此判断免训练预测能否替代现有XGBoost流水线。
#数据/训练
模型Hugging Face Blog精选AI 评分7272
模型Hugging Face BlogAI 评分5252 NVIDIA 发布 Kumo Forecast 时序预测模型，结合预训练表示与历史模式检索
NVIDIA 发布多变量时序预测模型 Kumo Forecast（原 NV-Tesseract Forecasting），以 MOMENT-1-large 为骨干，约 3.4 亿参数编码器加可训练预测头，编码器与嵌入层权重冻结。
模型Hugging Face BlogAI 评分4747 NVIDIA Kumo Anomaly 将扩散模型引入多变量时间序列异常检测
NVIDIA 推出 Kumo Anomaly（原 NV-Tesseract AD-Diffusion），一个基于扩散模型的多变量时间序列异常检测模型，约 800 万参数，以 Apache 2.0 许可开源，代码与权重分别为 NVIDIA/Kumo-TS 和 nvidia/Kumo-Anomaly。
模型NVIDIA Newsroom精选AI 评分6060 NVIDIA 与华盛顿大学蛋白设计研究所发布开源模型 RFD4-Proteina
NVIDIA 与 UW Medicine 蛋白设计研究所发布开源模型 RFD4-Proteina，将可编程蛋白质设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化设计。
推荐理由：原文给出 RFD4-Proteina 的开放获取渠道和四类基准测试结果，读者可据此判断蛋白质设计模型与科学智能体的结合方式。
模型MarkTechPostAI 评分6262 Mistral AI 发布 Timestral 时序基础模型系列，209M 版本称在多项基准上超过 TimesFM-3
Mistral AI 发布首个时序基础模型系列 Timestral，包含 5M、28M、123M、209M 四个零样本预测模型，权重以 Modified MIT 许可开放。
模型Mistral AIAI 评分4040 Mistral AI 推出 Timestral 概率预测模型
Mistral AI 发布 Timestral，提供 5M–209M 四种参数规模，主打 CPU 高效运行与零样本即用。该模型面向概率预测任务，官方称其达到当前最优水平。
模型TechCrunch · AI精选AI 评分8080 Meta 发布首个前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 的 Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款模型，这是该公司首次推出前沿模型。
推荐理由：Meta 首次发布前沿模型，给出定价、基准对比与仅限订阅的开放方式，可据此判断其市场位置。
模型Simon WillisonAI 评分6262 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
模型TechCrunch · AIAI 评分6969 Mistral 发布 1T 参数多模态模型 Mistral Large 4
法国 AI 实验室 Mistral AI 于周二发布 Mistral Large 4（ML4），这是一款 1 万亿参数的多模态大模型，昵称 Le Chonk，目前仅通过公开护栏端点访问，计划在三周后完成安全测试再开放权重。
模型The Verge · AI同新闻AI 评分7878 OpenAI 发布 722 篇数学手稿，称解决数百个开放问题
OpenAI 发布了一批共 722 篇手稿，覆盖 372 个结果族，称其中包含对“数百个”开放数学问题的解答，这些结果由一个未发布的前沿模型产出。据独立顾问组织 AGMAI 称，这批成果此前已被期待数周，OpenAI 在 9 月曾表示其模型“解决了数学大部分领域 100 多个长期开放问题”。
模型The Decoder精选AI 评分7878 OpenAI 在 GitHub 发布 372 项 AI 生成的数学结果
OpenAI 在 GitHub 发布 372 项由内部前沿模型生成的数学结果，每项声称解决或推进了一个开放问题，其中包含对重要计算机算法的改进以及与黎曼猜想相关的进展。
推荐理由：OpenAI 把 372 项 AI 生成的数学结果直接发到 GitHub，读者可借此观察学术评审流程与 AI 产出速度之间的张力。
模型Latent Space精选AI 评分8585 OpenAI 内部模型发布 722 篇数学手稿，称解决 500 个开放问题中的 90 个
OpenAI 从一个未公开的内部前沿模型发布 722 篇数学手稿，归入 372 个相关结果族，来自约 4000 个研究问题的评估，平均每个结果约用 3 小时 ChatGPT Pro 思考算力。
推荐理由：OpenAI 内部模型一次性产出 722 篇数学手稿，读者可据此了解 AI 数学研究的规模与验证争议。