官方生产数据：批量读取中位数延迟从 31.4ms 降至 5.60ms（约 5 倍），p99 从 123ms 降至 24.2ms，200k RPS 下稳定运行；成本方面，每个承诺层级都比 DynamoDB 至少便宜 20%。CEO Aravind Srinivas 表示，这类自研基础设施每年最多可节省约 1 亿美元。

每天盯着 PDF 逐页啃论文、反复检索文献，是科研和深度学习者最耗时的一环。就在 9 月，斯坦福医学院团队在 Nature 发表的 Paper2Agent 给出了一个颠覆性解法：把论文的正文、图表和数据代码整体「变身」成一个能对话的 AI 智能体，让论文从静态文件变成可提问、可复现的「活体知识」。

作为“全新模型结构系列中最小尺寸”的成员，V4.1 Flash 已全面超越自家 V4 Pro，后续更大参数的旗舰版本更值得期待；MIT 协议配合参考推理代码开源，也让 CED、CSA2 等思路有望被整个开源生态吸收复用。

很多 AI 玩家家里并不止一块显卡：一台 RTX 5070 的主力机、一台放 DGX Spark 的「小钢炮」，甚至再搭一台旧游戏本。过去这些机器各自为政，跑任务要么手动指定，要么排队等待，显卡利用率忽高忽低。PAIR 的思路很直接——把它变成「AI 路由器」，任务进来自动按模型、显存、速度与成本择优调度。

每天下班后，你家里那台 RTX 游戏主机、MacBook 是不是基本在吃灰？英伟达在 9 月 3 日 IFA 2026 上发布了一款免费开源软件 NVIDIA PAIR（Personal AI Router，个人 AI 路由器），专门把这些闲置算力「捡」起来：把同一局域网内的多台电脑连成一个个人 AI 推理集群，谁有空谁干活，提示词、文件、智能体上下文全程留在本地，不上云。

Atlas 基于 DeepMind 去年开源的 AlphaGenome 模型，预先计算了每个变异对基因表达、RNA 剪接、染色质可及性、转录因子结合等上千项分子过程的影响，覆盖数百种人类和小鼠细胞与组织类型，数据量达 1PB，是 AlphaFold 蛋白数据库的 30 倍以上。同时发布的 AVI 评分融合 AlphaGenome 与 AlphaMissense 两个模型，把编码区与非编码区的预测浓缩为单一数值，研究人员可快速给变异排序、筛出最值得深挖的候选。