NVIDIA 的算力与开发栈：GPU 供给、CUDA 生态与推理服务，算力成本如何决定上层产品的定价空间。
Meta 发布 Muse Spark Open，这是一个面向编码优化的 816B 混合专家（MoE）模型，激活参数 42B，上下文窗口 1M token。该模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上训练，专门针对 agentic coding 工作流，官方称其首次尝试准确率更高、工具调用更可靠，并能深入理解代码仓库。
推荐理由：Meta 发布面向编码的 816B MoE 开源模型，给出参数规模、上下文长度与硬件适配信息。
NVIDIA 的 Nemotron 3.5 Lightning 已在 Vercel AI Gateway 免费提供，模型名为 nvidia/nemotron-3.5-lightning-free，由 NVIDIA 提供服务。
推荐理由：NVIDIA 新模型在 Vercel AI Gateway 免费开放，读者可据此评估是否接入自己的 Agent 或编码工具。
Liquid AI 发布 LFM2.5-24B-A2B，一个 24B 总参数、2B 激活参数的推理模型，面向设备端运行私有 Agent，会先思考再回答并调用工具。
推荐理由：Liquid AI 发布 24B 总参数、2B 激活参数的端侧推理模型，给出与更大 MoE 的基准对比和本地部署方式。
OpenAI 的 GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行在 NVIDIA Blackwell GPU 上。
推荐理由：OpenAI 新模型在 NVIDIA Blackwell 上的推理加速细节，涉及 API 可用性与 token 生成速度对编码 Agent 的影响。
阿里发布 Qwen3.8-Flash-Next 的模型权重，作为即将推出的 Qwen4 架构的预览版，供开发者实验和评估。该模型是多模态 MoE 模型，主模型 125B 参数，另有 51B N-gram embeddings，每 token 激活 6B 参数，原生上下文窗口 262,144 token，可扩展至 1M token。
推荐理由：阿里放出 Qwen3.8-Flash-Next 权重，开发者可据此评估其 MoE 架构与长上下文在 Agent 编码场景的适配度。
DigitalOcean 推出 Serverless Inference，一个全托管、API 优先的推理平台，通过单一 API key 和 base URL 提供 30+ 个文本、代码、视觉、图像、视频和语音基础模型，按 token 计费且无最低承诺。
推荐理由：DigitalOcean 官方详解 Serverless Inference 的架构、定价与兼容接口，可了解其与 OpenAI、Anthropic 的接入差异。
Ollama 与 OpenAI 合作，把 gpt-oss 的 20B 和 120B 两个开源权重模型带到 Ollama，支持函数调用、网页搜索、python 工具调用和结构化输出，并可调节 low、medium、high 三档推理强度。
推荐理由：Ollama 与 OpenAI 合作上线 gpt-oss 两个开源权重模型，并给出本地运行的显存门槛与命令。
Replicate 现在可以运行 NVIDIA H100 GPU，1x H100 向所有人开放，价格为 $0.001525/秒（$5.49/小时），2x、4x、8x H100 目前仅面向承诺消费合同用户，需邮件申请。
推荐理由：Replicate 上线 H100 并开放 A100、L40S 多卡配置，附完整按秒与按小时价格，便于开发者估算训练成本。
Replicate 为支持的硬件类型新增 NVIDIA L40S GPU，速度比 A40 约快 40%，并将在未来几周内把现有模型和部署从 A40 迁移到 L40S。
推荐理由：Replicate 官方公布 L40S 上线与 A40 迁移时间表，并给出私有模型与公开模型两类计费差异。