Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline
NVIDIA 把印度语言预训练的语料方案开源了，2.8 万亿 tokens 加完整数据管线，做多语言训练的可以直接抄作业。
NVIDIA 发布了一篇关于印度语言（Indic）预训练的技术博客，核心语料规模达到 2.8 万亿 tokens。文中介绍了配套的开源数据生成管线，用于清洗和构建多语言印度语系语料。该工作以开源形式发布在 Hugging Face 上，方便社区复用其数据处理流程。
ComfyUI 悬赏 2.5 万美元，让大家开源复刻 Higgsfield 没兑现的开源承诺，还拉来 NVIDIA 和 MiniMax 赞助，会用 ComfyUI 的可以冲一把。
NVIDIA 新一代 Vera Rubin NVL72 的跑分出来了，跑 DeepSeek V4 Pro 每兆瓦吞吐量是上一代的 5.7 倍，还刷出 906 tok/s 的单用户最快速度。
Black Forest Labs 开源了 5.6B 的 FLUX 3 Image Klein，一张消费级 RTX 显卡就能跑，还能出 4K 图和像素级编辑。
NVIDIA 的多模态推理模型 Nemotron 3.5 Super VL 能在 Ollama 上一条命令本地跑，单卡智能体吞吐号称高 5 倍，动手党可以试试。
RTX 5090 在美国官方商城下架了，Micro Center 也不卖了，中国版 5090 D v2 还在卖 16499 元，想入手的可以看看这篇。
