NVIDIA發布了Nemotron 3.5 Bolt E4B，這是一個基於Gemma 4 E4B進行後訓練的模型。該模型專為在NVIDIA GeForce RTX、Jetson等硬體上運行語音與裝置助理、互動角色及機器人介面而設計。
目前大小是最小值，向右滑動可放大。
Nemotron 3.5 Bolt E4B並非獨立開發的全新模型，而是建立在Gemma 4 E4B架構之上，透過Nemotron後訓練技術進行優化。
該模型是透過對Gemma 4 E4B進行後訓練而成。
根據NVIDIA提供的數據，Bolt E4B在關鍵對話代理基準測試中的平均品質比其前一代模型高出約40%。
此外，該模型相較於同級別的其他模型，輸出token數量減少約80%。
該模型設計用於驅動語音或裝置助理、互動角色以及機器人與物聯網介面。
NVIDIA明確指出Bolt E4B可在GeForce RTX、Jetson、RTX Spark和DGX Spark等硬體平台上運行。
截至本次發布，正式發布包未登錄更正。
AI 協助擷取、寫作與核對；最終內容依來源與驗證規則發布。
開源推理框架 SGLang 推出 v0.5.23 版本，透過合併來自 257 位貢獻者的 1007 個 Pull Request，大幅擴展對 Muse Spark、MiniMax-M3.1 等新模型的支援。此次更新重點在於優化 DeepSeek-V4.1 在 NVIDIA GB300 與 AMD MI350X 上的推理速度，並首次透過 SGLang-TorchTPU 插件原生支援 Google TPU7x 硬體。
雲端服務商 Namespace 因 Mac Mini 交貨延遲及晶片更新不同步，轉而採用 MacBook 架設伺服器機櫃。此舉旨在滿足 iOS 開發者對最新 Xcode 版本的即時需求，並透過自製散熱與遠端管理方案克服筆電在資料中心的運作限制。
一篇針對「Astra 能讀寫權重以改進 Qwen」文章的技術評論指出，該文章摘要容易讓人誤以為模型僅透過觀察原始權重就能提升大型語言模型的數學能力。實際上，涉及真實語言模型（如 Qwen3.5-0.8B）的實驗均使用了 Python 程式碼輔助分析與執行，且關鍵結果是修復了推理迴圈問題，而非單純的數學邏輯增強。
我們使用 Google Analytics 了解閱讀情況與改善新聞網站。你可以接受或拒絕分析 Cookie，不影響閱讀。了解 Cookie 政策
