英伟达开放 Kumo 表格数据基础模型，并与 Baker 实验室推出蛋白设计模型 RFD4-Proteina，称比 RFdiffusion3 快 13 倍

这件事意味着什么

【要点】

英伟达在 GTC 柏林发布一批新的开放模型，其中两类是首次亮相。

一、Kumo：面向表格和关系型业务数据的开放权重基础模型家族，归入新的 NVIDIA Agent Knowledge Foundation。包括 Kumo Structured（关系/表格预测、预测性分析、异常检测）和开源库 Kumo Engine。用途是让智能体直接做销量预测、欺诈评分和推荐，不用为每个任务单独建一条机器学习流水线。Coinbase、Databricks、DoorDash、Revolut、Tubi 已在试用，Snowflake 客户已在使用。已上 Hugging Face 和 build.nvidia.com。

二、BioNeMo RFD4-Proteina：英伟达与华盛顿大学 Baker 实验室（蛋白质设计研究所）合作的开放蛋白设计模型，同时生成序列和 3D 结构；英伟达称在 10 多项蛋白设计任务上领先，在 200 个氨基酸的基准中比 RFdiffusion3 快约 13 倍。已上 GitHub、Hugging Face 和 build.nvidia.com。

三、其他：Cosmos 新增后训练与优化工具，以及用于整理、标注、生成训练数据的 Cosmos Data Factory；Alpamayo 2 Edge 车端推理模型本月晚些时候开放下载；Nemotron Retriever 新增嵌入、重排、文档解析模型；Ising 量子模型接入 AWS PCS。Nemotron 3.5 Bolt E4B 4GB 版仍定于 10 月 23 日。

【可核验】

英伟达官方博客：https://blogs.nvidia.com/blog/open-models-europe-industry/

【我们的判断】

一、背景：英伟达这一年的开放模型几乎每周都有新成员，本站已报道 Nemotron 3.5 Super VL、Cosmos3-H-Dreams、Flora 等。这次值得单独看的是 Kumo 和 RFD4-Proteina：前者把开放权重延伸到企业最常见、却很少被大模型覆盖的表格数据；后者把蛋白设计领域最知名的 RFdiffusion 系列与英伟达的 Proteina 合并成一个开放模型。

二、横向比较：表格基础模型此前主要是学术方向（如 TabPFN）和 Kumo.ai 等创业公司的闭源服务，谷歌、微软多把这类能力放在云端产品里。英伟达以开放权重加 NIM 的方式推出，等于把这类模型变成 GPU 上的标准组件。蛋白设计方面，DeepMind 的 AlphaProteo 至今未开放，RFD4-Proteina 若性能属实，会成为学术界最容易获取的高端设计工具之一。

三、影响：「模型免费、算力收费」是英伟达开放模型的一贯逻辑。Kumo 进入 Databricks、Snowflake 生态，意味着传统机器学习工作负载也可能迁到 GPU 推理上；对国内厂商，表格和科学模型是开源社区相对空白的方向，值得关注是否会出现对标。

四、需要注意：13 倍速度和「领先」均为英伟达自报；文中未给出 Kumo 的参数规模、许可证和基准成绩，具体条款需以 Hugging Face 模型卡为准。