Reflection AI在10月5日公布Beam，参数表够醒目：总量5010亿，单个Token约激活230亿；预训练用了23.8万亿Token，后续强化学习在1.05万张NVIDIA GB300上跑了四周，产生超过1亿条Rollout。看到这张表，我先找下载地址。还没有。厂商目前开放的是早期访问报名，称模型仍在最终红队与评估阶段，权重、技术报告和模型卡计划本月晚些时候交付。现在可以研究它的技术
9月16日，NVIDIA的Isaac Lab仓库发布v3.0.0-EA。如果只看“一个任务可切换多种仿真后端”，容易以为这是在2.x配置文件里换个字符串。实际变动更深：物理求解、渲染与可视化被拆成不同选择；部分工作流不再需要启动Isaac Sim/Kit；资产和传感器数据接口、四元数顺序、执行命令及若干传感器语义也变了。[1] 对正在运行的机器人训练项目，真正的工作不是“装上新版”，而是证明旧任务、旧资产和旧checkpoint在新语义下仍然可解释。 这是Early Access，不是3.0正式稳定版。发布说明称3.0 GA目标为2026年10月底，EA到GA的分支重点是修复缺陷、稳定性、兼容性和文档；目标日期不等于已经交付。[1] 下文把官方已发布接口与需要团队自己测量的性能和实机表现分开说。
小米MiMo-V2.6同步公开强化学习环境、训练代码和Agent任务体系。本文拆解环境、奖励、轨迹和Harness为何正在成为开源模型竞争的新交付单元。
GLM‑5.3 与 GLM‑5.2 共用基础模型，官方称全部提升来自后训练，并在内部代码基准上提高 50%，同时强化终端任务和网络安全能力。这一发布提供了一个重要观察窗口：当预训练规模越来越昂贵，模型厂商开始通过任务环境、强化学习、验证器和长轨迹数据提高工程能力。后训练能够快速改变模型的行为分布，但成绩能否迁移到企业代码、网络防御和长期任务，仍取决于数据覆盖、评测污染控制、代理框架与安全约束。
OpenClaw-RL提出异步框架，将任何代理交互产生的"下一状态信号"同时变成训练数据，实现"边用边学"的自我进化，无需暂停、无需额外标注。
在刚刚圆满落幕的 NVIDIA GTC 2026 大会上，全场最引人注目的时刻并非单纯的显卡算力发布，而是当 NVIDIA 首席执行官黄仁勋与迪士尼研究中心（Disney Research）共同展示的那只身高不足一米的"雪宝"（Olaf）机器人。