Gradio 6 gr.HTML：一次性 Web 应用开发
Gradio 6 引入了对 gr.HTML 的增强支持，支持自定义模板、作用域 CSS 和 JavaScript 交互，使得能够在单个 Python 文件中创建复杂的网页组件。
Hugging Face CUDA 内核代理技能
Hugging Face 推出了一项代理技能，使 Claude、Codex 等编码代理能够编写、基准测试并集成用于 transformers 和 diffusers 库的可投入生产的 CUDA 内核。
Transformers.js v4 发布说明 / 新功能
Hugging Face 发布了 Transformers.js v4，引入了全新用 C++ 重写的 WebGPU 运行时，以在浏览器和服务器端运行时实现硬件加速，并提供了一个独立的 tokenizers 库。
Hugging Face 社区评估
Hugging Face 推出了社区评估，这是一套去中心化的系统，可在 Hub 上直接报告和汇总模型基准分数，以提升透明度和可复现性。
H Company Holo2-235B-A22B 预览版发布
H Company 已发布 Holo2-235B-A22B 预览版，这是一款在 Screenspot‑Pro 和 OSWorld G 基准上实现了最新技术水平表现的 UI 本地化模型。
全球开源 AI 生态系统的未来：从 DeepSeek 到 AI+
Hugging Face 分析了开源如何成为中国 AI 组织的主导策略，已从孤立的模型突破转向模型、硬件和基础设施的可扩展、集成生态系统。
文本到图像模型的训练设计：消融实验的经验教训
由于 429 Too Many Requests 错误，提供的 Hugging Face 关于文本到图像模型训练设计的源材料不可用。
介绍 Daggr：以可视化检查方式以编程方式链式连接 AI 应用
Hugging Face 发布了 Daggr，这是一款开源的 Python 库，允许开发者以编程方式将 Gradio 应用、机器学习模型和自定义函数串联成工作流，并自动生成可视化画布用于调试和状态管理。
Hugging Face Upskill：通过 Agent Skills 将专家能力转移到更小的模型
Hugging Face 推出了 upskill，这是一款利用 Claude Opus 4.5 等高能力模型生成经过验证的“代理技能”，以提升更小或开源模型在复杂任务（如 CUDA 内核开发）上的性能和 token 效率的工具。
中国开源 AI 生态系统的架构选择：从 DeepSeek R1 到硬件优先、MoE 驱动的格局
DeepSeek R1 开源发布一年后，中国 AI 社区的焦点从追求最大单模型性能转向构建灵活、成本效益高且硬件感知的 AI 系统。混合专家（Mixture‑of‑Experts，MoE）成为默认架构，通过在每次请求中仅激活部分专家，使超大模型保持可负担。多模态竞争爆发，文本‑到‑图像、视频、音频、3‑D 与智能体等开源发布均配套完整工具链。小模型（≤30 B）因易于本地部署和微调而激增，大型 MoE 模型则充当蒸馏的教师网络。Apache 2.0 与 MIT 许可证成为主流，消除法律摩擦，加速商业落地。硬件优先思路兴起：发布时附带针对国产芯片（华为 Ascend、寒武纪、昆仑等）的量化、推理与服务栈，训练流水线也公开文档。竞争优势已从原始模型规模转向系统设计、部署效率以及开源生态的深度融合。
Alyah：阿联酋方言基准用于阿拉伯语大型语言模型
Hugging Face 与合作伙伴推出了 Alyah，这是一套手工收集的 1,173 条样本基准，旨在评估阿拉伯语大型语言模型在阿联酋方言下的语言和文化能力。
GPT-OSS Agentic RL 训练：一次实践回顾
Hugging Face 和 LinkedIn 研究人员详细阐述了为使 GPT-OSS 模型实现稳定的 agentic 强化学习所需的工程修复，重点关注 MoE 路由、注意力 sink 和内存效率。
AssetOpsBench：弥合 AI 代理基准与工业现实之间的差距
Hugging Face 与 IBM Research 推出 AssetOpsBench，这是一套综合基准，旨在评估工业资产生命周期管理中的多代理 AI 系统，重点关注安全关键的故障模式和运营约束。
自DeepSeek Moment以来的一年：中国开源AI生态的崛起
Hugging Face 分析了 DeepSeek R1 的发布如何催化了中国向开源 AI 的巨大转变，导致高性能开源模型激增，如今这些模型在全球下载指标中占据主导地位。
差分 Transformer V2
提供的 Differential Transformer V2 源材料由于 429 Too Many Requests 错误而不可用，且未检索到任何技术内容。
Waypoint-1：来自 Overworld 的实时交互式视频扩散模型
Overworld 已发布 Waypoint-1，这是一款在 10,000 小时游戏素材上训练的实时交互式视频扩散模型，能够通过文本、鼠标和键盘实现零延迟的世界交互。
Hugging Face 开放响应推理标准
Hugging Face 推出了 Open Responses，这是一种基于 Responses API 的开放推理标准，旨在取代用于代理式 AI 工作流的 Chat Completion 格式。
NVIDIA Cosmos Reason 2 发布说明 / 新功能
NVIDIA 已发布 Cosmos Reason 2，这是一款面向物理 AI 的开放推理视觉语言模型，位居 Physical AI Bench 和 Physical Reasoning 排行榜首位。
Falcon-H1-Arabic 发布说明
Hugging Face 宣布了 Falcon-H1-Arabic，这是一系列三种混合 Mamba-Transformer 模型（3B、7B 和 34B），在扩展上下文窗口最高可达 256K tokens 的情况下，为阿拉伯语自然语言处理设定了新的最先进基准。
NVIDIA DGX Spark 和 Reachy Mini 集成指南
NVIDIA 通过结合 DGX Spark 硬件、Reachy Mini 机器人技术以及使用开放推理和视觉模型的 NeMo Agent Toolkit，推出了一种创建真实世界 AI 代理的框架。
AprielGuard：现代大型语言模型系统中的安全与对抗鲁棒性护栏
Hugging Face 和 ServiceNow AI 推出了 AprielGuard，这是一款拥有 8B 参数的安全防护模型，旨在检测 16 类安全风险以及在单独提示、多轮对话和代理工作流中的广泛对抗攻击。
Transformers v5 分词更新
Hugging Face 在 Transformers v5 中重新设计了分词系统，将分词器的架构与已训练的词表分离，从而实现更容易的检查、定制和从头训练。
NVIDIA Nemotron 3 Nano 开放评估配方与 NeMo Evaluator
NVIDIA 发布了 30B Nemotron 3 Nano 模型，并提供基于 NeMo Evaluator 的完全开放评估配方，使任何人都能够复现其基准分数并审计整个评估流水线。
CUGA 在 Hugging Face 上：让可配置的 AI 智能体普及
IBM Research 发布了 CUGA（可配置通用智能体），这是一个开源智能体框架，在 AppWorld 和 WebArena 基准测试中实现了针对复杂 API 和 Web 任务的最先进性能。
llama.cpp 模型管理和路由器模式
llama.cpp 服务器引入了路由器模式，使得可以在不重启服务器的情况下动态加载、卸载和切换多个 GGUF 模型。
Hugging Face 集成 Codex 以实现端到端 ML 实验
Hugging Face 通过提供对 HF-skills 仓库的访问，使 OpenAI Codex 能够执行端到端机器学习实验，从而让代理能够自动化微调、评估和部署。
swift-huggingface 发行说明 / 新功能
Hugging Face 已发布 swift-huggingface，这是一个面向 Hugging Face Hub 的全面 Swift 客户端，引入了可靠的模型下载、与 Python 兼容的缓存以及 OAuth 2.0 支持。
Hugging Face Skills：使能 AI 代理微调 LLMs
Hugging Face 推出了 Hugging Face Skills，这是一个工具，使得像 Claude Code 这样的编码代理能够管理整个 LLM 微调生命周期，从硬件选择到模型部署。
DeepMath: 基于 smolagents 的轻量级数学推理 Agent
DeepMath 是基于 Qwen3-4B Thinking 的数学推理代理，通过 GRPO 微调，用简洁的 Python 代码片段替换冗长文本以实现确定性计算，将输出长度降低多达 66%，同时提高准确率。
Hugging Face Transformers v5 发行说明 / 新功能
Hugging Face 发布了 Transformers v5，重点在于互操作性、以 PyTorch 为中心的模型定义，以及对量化和大规模预训练的一流支持。
Diffusers FLUX.2 集成
Hugging Face 已将 FLUX.2 集成到 Diffusers 库中，使得可以使用 FLUX.2-dev-bnb-4bit 模型并配合 Mistral3 文本编码。
Hugging Face: 从第一原则理解连续批处理
Hugging Face 解释了连续批处理，这是一种通过结合 KV 缓存、分块预填充和带动态调度的不规则批处理来最大化 LLM 吞吐量、消除填充浪费的技术。
Tavily Deep Research: 在AI研究代理中实现最先进的水平
Tavily 已开发出一种最先进的研究代理，通过实施基于类人信息蒸馏的线性上下文工程方法，相比 Open Deep Research 将 token 消耗降低了 66%。
OVHcloud 在 Hugging Face 推理提供商
OVHcloud 现在是 Hugging Face 上的受支持推理提供商，通过 HF UI 和 SDK 提供对 gpt-oss、Qwen3、DeepSeek R1 和 Llama 等模型的无服务器访问，按 token 计费，起价为每百万 token 0.04 欧元。
Hugging Face 开放 ASR 排行榜趋势与洞察
Hugging Face 为开放 ASR 排行榜添加了新的多语言和长文本轨道，揭示了 Conformer 编码器与 LLM 解码器的组合目前在英语准确率方面领先，而 CTC/TDT 解码器则提供了更高的吞吐量。
Hugging Face TRL 和 RapidFire AI 集成
Hugging Face TRL 现在与 RapidFire AI 集成，以实现多个 LLM 配置的并行微调，提供最高 24 倍的实验吞吐量提升。
AnyLanguageModel: 适用于 Apple 平台的统一 LLM API
Hugging Face 已引入 AnyLanguageModel，这是一个 Swift 包，通过充当 Apple Foundation Models 框架的直接替换，为在 Apple 平台上集成本地和远程 LLMs 提供统一 API。
Apriel-H1: 通过Mamba混合架构蒸馏高效推理模型
ServiceNow AI 推出 Apriel-H1，这是一系列通过转换为 Mamba 混合架构的 15B 推理模型，通过蒸馏高质量推理轨迹而非通用预训练数据，实现了 2.1 倍吞吐量提升，同时质量损失最小。
轻松使用 Hugging Face 构建和共享 ROCm 内核
Hugging Face 介绍了一种使用 kernels 库和 kernel-builder 的简化工作流程，以在 Hugging Face Hub 上构建、打包和共享 ROCm 兼容的 GPU 内核。
AMD 开放机器人黑客马拉松
AMD、Hugging Face 和 Data Monsters 在东京和巴黎举办 AMD 开放机器人黑客马拉松，以鼓励使用 LeRobot 和 AMD AI 硬件开发创新的机器人解决方案。
Hugging Face 和 Google Cloud 战略合作伙伴关系
Hugging Face 和 Google Cloud 已进入深化的战略合作伙伴关系，以简化在 Google Cloud 基础设施上部署开放模型，特点是新增 CDN 网关以实现更快的模型下载，并通过 Google Threat Intelligence 提升安全性。
MiniMax M2 代理对齐与泛化
MiniMax M2 实现了交错思考和全轨迹泛化，以弥合基准性能与真实世界代理可用性之间的差距。
变化的全球算力格局：中国在 AI 硬件与软件领域的崛起
Hugging Face 分析了美国出口管制如何矛盾地加速了中国开发国产 AI 芯片和高计算效率开源权重模型的过程，从而创造了一个平行的 AI 基础设施。
NVIDIA Isaac for Healthcare v0.4：从仿真到部署构建医疗机器人
NVIDIA Isaac for Healthcare v0.4 引入了一种端到端工作流，通过使用 SO-ARM starter 工作流，将合成仿真数据与现实世界训练相结合，用于构建自主手术助手。
NVIDIA Isaac for Healthcare v0.4 发布
NVIDIA Isaac for Healthcare v0.4 引入了一个开发者框架和 SO-ARM 起始工作流，以实现从仿真到真实世界部署的端到端 AI 医疗机器人开发。
IBM Granite 4.0 Nano 发布说明
IBM 发布了 Granite 4.0 Nano，这是一系列专为边缘和设备端应用设计的高性能小型语言模型（SLM），并在 Apache 2.0 许可证下发布。
Hugging Face Voice Cloning with Consent
Hugging Face 推出了语音同意门控，这是一种系统基础设施，要求说话者通过录制的短语明确表达同意，之后语音克隆模型才能被激活。
huggingface_hub v1.0：五年构建开放机器学习基础
huggingface_hub 在五年后已达到 v0.1，提供对超过 200 万模型、50 万数据集和 100 万 Spaces 的核心访问，同时引入了诸如 httpx、hf_xet 以及重新设计的 CLI 等破坏性变更，以支持下一个十年的开放机器学习。
Hugging Face 流式数据集更新
Hugging Face 已优化 datasets 库的流式功能，将启动请求减少了 100 倍，并将数据解析速度提高了 10 倍，以实现无需本地下载即可高效训练多 TB 数据集。
LeRobot v0.4.0 发布说明 / 新功能
Hugging Face 发布了 LeRobot v0.4.0，引入了可扩展的 Datasets v3.0、PI0.5 和 GR00T N1.5 等 VLA 模型，以及用于简化硬件集成的插件系统。