NVIDIA Nemotron 3.5 Bolt 專為消費級硬體設計
NVIDIA 於週五發布 Nemotron 3.5 Bolt，總參數規模為 74B，其中活躍參數為 9B。該模型採用訓練時量化感知技術（quantization aware training），將權重壓縮至 2 bit，使整體模型檔案大小約為 22GB，外加 1.7GB 的視覺投影器模組。
此設計明確針對 24GB VRAM 的消費級顯示卡環境進行最佳化。發布當日即提供 Unsloth GGUF 格式檔案，並獲得 llama.cpp、Ollama 與 LM Studio 等主流本地推理框架的支援。
Meta Muse Spark Open 需高階硬體且授權限制嚴格
Meta 於週四發布 Muse Spark Open，總參數達 816B，活躍參數為 42B，支援 1M context。官方發布文章宣稱該模型可將代理式 AI（agentic AI）帶入桌面環境。
然而，要執行此模型需配備兩台搭載 M5 Ultra 晶片與 512GB 記憶體的 Mac Studio，該配置預計於 10 月下旬出貨且尚未公布定價；替代方案為使用四台 256GB 版本的 Mac Studio，總成本約 3.8 萬美元。
Muse Spark Open 採用自訂授權條款，要求使用者必須標示「Built with Muse Spark Open」，且當營收超過 2,000 萬美元時需另行簽訂協議。此外，Meta 自家的模型卡片顯示其在 Artificial Analysis 指數得分為 39，低於 GLM 5.3（45）與 Kimi K3（44）。
Reflection AI 與 DeepSeek 提供寬鬆授權但檔案龐大
Reflection AI 於週五正式發布 Beam 模型，總參數為 501B，活躍參數為 23B。該模型採用 Apache 2.0 授權，無額外限制條件。最小的官方檢查點格式為 NVFP4，檔案大小達 294GB。
DeepSeek 於週六下午在 X 平台發布 V4.1 Flash 1017，採用 MIT 授權。根據 DeepSeek 提供的測試數據，該模型在 DeepSWE 基準測試中得分為 77.0，高於 Anthropic Opus 5 的 74.0（此為供應商自測數據）。其模型倉庫檔案大小為 510GB。
社群觀點：本地執行門檻與授權條款成為關鍵
發布者指出，將這四款模型放在同一圖表對比 24GB VRAM 限制後發現，目前能符合此門檻的僅有 NVIDIA 的產品。這反映出「本地執行」的定義已轉變為需要價值超過汽車的硬體設備。
社群討論認為，本週發布中授權條款的重要性甚至超過參數規模。DeepSeek 與 Reflection AI 提供了 MIT 與 Apache 2.0 等寬鬆授權，而主打開放行銷的 Meta 卻附加了強制標示與營收門檻。
此外，Mistral AI 表示其 Large 4 模型（總參數 1T）將於月底前發布，預期將進一步拉高符合消費級硬體條件的模型稀缺性。
