TabPFN-3.5发布，支持百万行表格数据
TabPFN-3.5发布，号称在TabArena等评测领先，支持最多100万行、2万特征；Fast版速度提升约【6倍】。项目详情：https://www.reddit.com/r/MachineLearning/comments/1wh4xhy/tabpfn35_is_released_as_the_next_sota_tabular/[3]
大黑AI速报
本期重点关注Vidu S2的视频交互能力、TabPFN-3.5表格模型发布，以及本地模型连接桌面软件等Agent实践。
模型动态
开发者训练出仅19.8MB的44M参数语言模型
开发者用45B Token从零训练44M参数模型，量化后仅19.8MB，CPU推理速度约1900 tok/s。项目详情：https://www.reddit.com/r/MachineLearning/comments/1wgzpli/i_trained_a_44m_parameter_quantized_llm_from/[4]
NVIDIA解释MoE模型为何只激活部分参数
NVIDIA科普稠密模型与MoE的参数激活差异，说明30B模型每Token激活3B参数对吞吐、显存和部署的影响。详情：https://x.com/NVIDIAAI/status/2100027980479439220[8]
产品工具
Vidu S2同时推出实时互动、视频编辑与空间视频能力
Vidu S2新增实时互动、实时视频编辑和空间视频探索，覆盖视频生成与交互式创作。详情：https://www.qbitai.com/2026/09/490109.html[1]
华为GTS让Agent基于网络状态自动排障
华为GTS支持Agent观察网络状态并执行故障排查，双防火墙场景通过率提升24.2%，Token成本最高降45%。详情：https://www.qbitai.com/2026/09/490098.html[2]
技巧教程
本地模型通过MCP连接GIMP实现自然语言绘图
用户用llama.cpp、MCP和GIMP连接本地模型，通过自然语言生成图片，展示桌面软件Agent化的可行性。案例：https://www.reddit.com/r/LocalLLaMA/comments/1whjqv6/connected_a_local_model/[5]
硬件动态
LACT拟允许NVIDIA显卡突破默认功耗下限
LACT项目PR拟让RTX 5090等NVIDIA显卡运行在更低功耗下限，方便本地推理与能效优化。详情：https://www.reddit.com/r/LocalLLaMA/comments/1whjezk/lact_pr_to_let_nvidia_gpus_go_lower_than_stock/[6]
行业资讯
LangChain团队认为企业Agent的核心难题是身份与权限
Harrison Chase指出企业级AI区别于个人AI的关键在身份认证和多人协作权限，并探索托管Deep Agents的认证方案。详情：https://x.com/hwchase17/status/2100055924928925768[7]