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 日把 Kumo Tabular 放上 Hugging Face。帖子标注日期为 9 月 29 日，9 月 30 日发到博客。按帖子的说法，模型一次前向传播就能给出新行的标签，不用训练，不用微调，也不用做特征工程。它有三个规模，从 28M 到 215M 参数，只用人工数据预训练，以 OpenMDW-1.1 许可证发布，可商用。英伟达称它在 TabArena、BeyondArena、TALENT 和 ScoringBench 上排名第一。

这个说法范围很窄，英伟达自己也没往大了说：只做表格分类和回归，也就是存放客户记录、交易和传感器日志的那些表格。卖点是把上下文学习用在行上，而不是用在文本上。模型在数百万张表格上预训练过，读入一张带标签的表格作为上下文，返回类别概率；回归则返回 999 个分位数，由此得到点预测和不确定性估计。

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

下载包 164 MB，编码器把每个权重存成约 2.1 位，权重采用 CC-BY-4.0 许可证，它派生自的英伟达 Parakeet TDT 0.6B v3 用的也是这个许可证。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 %；得分更好的开放模型，体积至少是它的 5.8 倍。在 MacBook Air 上，一小时音频转成文字约需 20 秒。这些数字来自厂商页面，排行榜名次只能算厂商声称，没有独立核实。

志愿者，以及一个无状态定时任务

同样在 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 上从零开始预训练，算力全部来自捐赠的消费级硬件，外加 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，在自己的数据分片上跑本地 AdamW 步骤，再把伪梯度作为拉取请求提交到公共数据集仓库。

一个无状态的 GitHub Actions 定时任务负责每轮聚合：丢弃过期提交，对其余的做裁剪和余弦门控，聚合，走一步 Nesterov 外层更新，再上传新的检查点。仓库称，一个 15M 参数的第一阶段模型曾在六天内于 TinyStories 上预训练超过其 Chinchilla 最优预算，验证损失从 9.01 降到 2.8。这是机制验证，不是有竞争力的模型。

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 称它提供了比 CUDA 更简单的编程模型。Deepseek 说华为“全力支持”这项工作，双方优化了一个 128 颗昇腾 950 芯片的超级节点。

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”，同时提醒它只测了约 8000 输入 token 和 1000 输出 token 这类相对容易的场景。华为的芯片不在那次对比中。

权重出货之时，监管也在行动

这些都不是在真空里发生的。《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》最先报道此事。与此同时，OpenAI 搁置了自己的上市：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。值得关注的是这个模式，而不是那些基准表格。