编码智能体同测快4.6倍

英伟达 10 月 16 日发布 RTX Spark 的开发者说明。机器使用 GB10 芯片，统一内存最高 128GB，FP4 人工智能算力为 1 petaflop。笔记本现在可以买。小型台式机写的是 11 月到货，适合一直开着跑智能体。

性能数字是英伟达自己的对照，不是第三方复测。相对 Intel Panther Lake 12Xe，编码智能体性能为 4.6 倍，微调为 2.7 倍，代码编译为 1.8 倍。图注把 Intel Core Ultra X9 388H 标成 1.0。测试三项是：用 Qwen3.8-27B 的 AA-AgentPerf-local，用 Llama-3.1-8B 的 Unsloth LoRA，以及 Phoronix 的 Linux 内核编译。正文的对照名字和图注的具体型号都留着，不收成一块芯片。

同一篇宣布 Nemotron 3.5 Bolt 74B-A9B 24GB。它是 740 亿参数、每步激活 90 亿参数的混合专家模型，用 2 比特量化放进 24GB。英伟达写，它要在速度和能力之间取平衡，并会在发售时通过 llama.cpp、vLLM、Ollama、Unsloth 和 LM Studio 运行。权重、训练数据和配方按他们的说法与其他 Nemotron 一样公开。

决策模型被写成可以比传统智能体快最多 200 倍，用于分类请求和选择下一步，已经可以在 llama.cpp 和 Unsloth 里用。200 倍是英伟达的上限说法，这篇没有独立测量。Windows on Arm 上的第一份 PyTorch-CUDA 构建、默认原生的 Python 3.15、两千多个 Conda 包，以及前 15000 个 Python 包里超过 97% 有 Arm 版本，也是这篇合作说明里的数字。