开放权重接连落地：164 MB 语音模型、145M 参数志愿算力项目，以及中国的 CUDA 替代方案

英伟达 9 月 29 日将 Kumo Tabular 上传至 Hugging Face。帖子日期为 9 月 29 日，9 月 30 日发布于博客。模型通过单次前向传播即可预测新行标签，无需训练、微调或特征工程。该模型提供 28M 至 215M 参数三种规格，仅使用合成数据预训练，采用 OpenMDW-1.1 许可证，允许商用。英伟达称其在 TabArena、BeyondArena、TALENT 和 ScoringBench 上均排名第一。

这一声明范围较窄，英伟达也将其限定在表格分类和回归领域，即存储客户记录、交易和传感器日志的表格。其核心是将上下文学习应用于行数据而非文本。模型在数百万张表格上预训练，读取带标签表格作为上下文后，返回类别概率；回归任务则返回 999 个分位数，进而得出点预测和不确定性估计。

Fermion Research 于 9 月 30 日发布 Phonon-2，称其为 900 MB 以下最准确的开放语音识别模型。

下载包大小 164 MB，编码器将每个权重存储为约 2.1 位。权重采用 CC-BY-4.0 许可证，源自英伟达 Parakeet TDT 0.6B v3。Fermion 报告，在 Open ASR Leaderboard 的七个英语数据集上，平均词错误率为 5.21 %。得分更高的开放模型体积至少是其 5.8 倍。在 MacBook Air 上，处理一小时音频生成文本约需 20 秒。这些是厂商数据，排行榜名次仅为声称，未经独立验证。

志愿者，以及一个无状态定时任务

9 月 30 日，GitHub 项目 Coop 上线第二阶段：一个约 145M 参数的纯解码器 Transformer，在 FineWeb-Edu 上从零预训练。算力完全来自捐赠的消费级硬件，以及 Hugging Face 和 GitHub Actions 的免费额度。没有服务器，也没有守护进程。工作节点下载检查点，在本地数据分片上执行 AdamW 步骤，并将伪梯度作为拉取请求提交至公共数据集仓库。

无状态的 GitHub Actions 定时任务负责每轮聚合：丢弃过期提交，对其余提交进行裁剪和余弦门控，聚合后执行一步 Nesterov 外层更新，最后上传新检查点。仓库称，一个 15M 参数的第一阶段模型在 TinyStories 上预训练超过 Chinchilla 最优预算，耗时六天，验证损失从 9.01 降至 2.8。这是机制验证，而非具有竞争力的模型。

中国的推进是更大的战略故事。据 The Decoder 和路透社 9 月 30 日报道，Deepseek 在其微信频道发帖，发布了面向华为昇腾芯片的开源编程工具。核心是 TileLang，一门最初由北京大学开发的开源语言。Deepseek 称其提供了比 CUDA 更简单的编程模型。Deepseek 表示华为“全力支持”这项工作，双方优化了一个由 128 颗昇腾 950 芯片组成的超级节点。

背景是英伟达的开发者护城河：约四百万 CUDA 开发者。The Decoder 还引用 SemiAnalysis 的测试，后者测试了 OpenAI 的 Jalapeno 推理芯片，称 CUDA 护城河“可能已死”，但提醒称其仅测试了约 8000 输入 token 和 1000 输出 token 的相对简单场景。华为芯片未包含在该对比中。

权重出货之时，监管也在行动

这些事件并非孤立发生。《卫报》9 月 30 日报道，美国联邦贸易委员会正在对 Anthropic、OpenAI 及其他实验室展开全行业调查，并计划强制包括 Metr 在内的高管作证。《纽约邮报》率先报道此事。与此同时，OpenAI 搁置了自己的上市计划：Ars Technica 9 月 30 日报道，Sam Altman 表示在公司能够“做出有把握的安全决策”之前不会上市；同一天，LASST 在加州提起诉讼。

上述开放权重发布都很小、很便宜、很具体。值得关注的是这一模式，而非基准表格。