TimeScope：長影片大型多模態模型理解的新基準
Hugging Face 推出 TimeScope，一個開源基準，透過在長度從 1 分鐘到 8 小時的內容中插入影片針頭，評估視覺語言模型的時間理解能力。
OpenAI DevDay 2025 公告
OpenAI 將於 2025 年 10 月 6 日在舊金山舉辦第三屆年度 DevDay，分享新發展並與超過 1,500 名開發者交流。
Model ML 金融服務的 AI 基礎設施
Model ML 正在利用 OpenAI 的最新模型和 Agent SDK，為金融機構提供專為其打造的 AI 代理人以及端到端工作流程自動化。
Qwen3-Coder 發行說明
Qwen 已發布 Qwen3-Coder，一款 Mixture-of-Experts 模型，在代理程式編寫、瀏覽器使用與工具使用方面達到最先進的開源模型表現，與 Claude Sonnet 4 相當。
OpenAI 與 Penda Health AI 臨床副駕駛研究
OpenAI 與 Penda Health 開發了 AI Consult，一款由大型語言模型驅動的副駕駛，在肯亞奈洛比近 40,000 次患者就診中，使診斷錯誤降低了 16%，治療錯誤降低了 13%。
OpenAI 與 Oracle 合作擴展 Stargate AI 基礎設施 4.5 GW
OpenAI 與 Oracle 合作在美國開發額外 4.5 吉瓦的 Stargate 數據中心容量，使 OpenAI 正在建設的總容量超過 5 吉瓦。
OpenAI 經濟分析與生產力研究倡議
OpenAI 發布了首份關於 ChatGPT 生產力提升的經濟分析，並啟動了一項為期 12 個月的研究合作，以評估 AI 對勞動力的影響。
NVIDIA NIM 與 Hugging Face 的整合
NVIDIA 已將 NVIDIA NIM 擴展至支援超過 100,000 個 Hugging Face 上的 LLM，提供單一 Docker 容器，自動化模型分析、後端選擇與效能最佳化，以快速部署。
OpenAI 與英國政府的 AI 驅動增長戰略夥伴關係
OpenAI 與英國政府已簽署備忘錄，以加速公共與私營部門的 AI 採用，並在英國擴大 AI 基礎建設。
OpenAI 應用程式執行長公告：AI 作為全球賦能的工具
OpenAI 任命了新的應用程式執行長，領導推動 AI 驅動的知識、醫療、經濟自由與個人支援的民主化取得。
OpenAI 為非營利與社區組織推出 $50 百萬基金
OpenAI 已設立一個初始 $50 百萬基金，直接支援非營利與社區組織，利用 AI 為公共利益服務，涵蓋醫療保健、教育與經濟機會等領域。
Arc 虛擬細胞挑戰簡介
Arc 虛擬細胞挑戰要求參賽者訓練模型，以預測透過 CRISPR 靜默基因對細胞轉錄組的影響，使用包含 30 萬筆單細胞 RNA 定序資料的資料集。
ChatGPT 代理 系統卡
OpenAI 推出了 ChatGPT 代理，這是一個基於 o3 系列的代理模型，結合了深度研究、基於瀏覽器的任務執行、終端存取與外部資料連接器。
OpenAI 介紹 ChatGPT 代理
OpenAI 已推出 ChatGPT 代理，一個結合網頁互動、深度研究與對話智慧的統一代理系統，能在虛擬電腦上執行複雜的多步驟任務。
Gradio 5.38.0 MCP 伺服器改進
Gradio 5.38.0 版為其模型上下文協議（MCP）伺服器功能帶來五項重要更新，包含無縫本機檔案支援、即時進度通知以及自動化 OpenAPI 規格轉換。
Hugging Face FutureBench：評估 AI 代理在未來事件預測上的表現
Hugging Face 推出 FutureBench，一個透過要求 AI 代理預測未來現實事件來評估其推理與綜合能力的基準，從而有效避免資料污染。
Invideo AI 整合 OpenAI 模型
Invideo AI 使用由 OpenAI o3、GPT-4.1 與 gpt-image-1 驅動的多代理系統，將影片製作時間縮短十倍，透過自然語言提示將想法轉化為專業影片。
OpenAI 董事會關於非營利委員會報告的聲明
OpenAI 董事會發布了一份聲明，承認獨立非營利委員會的發現，該委員會負責建議組織的慈善事業如何解決系統性問題，以確保 AGI 造福全人類。
OpenAI 非營利 Jam 計畫
OpenAI 與 Walton Family Foundation 及 Emerson Collective 合作，發起 Nonprofit Jam，為全美 10 個地點的超過 1,000 位非營利領袖提供 AI 訓練與工具，以擴大其社區影響力。
Consilium：多LLM協作平台
Consilium 是一個多LLM平台，透過結構化的辯論與研究，使多個 AI 模型達成共識，並同時作為 Gradio 介面與 MCP 伺服器整合。
Ettin 套件：最先進的配對編碼器與解碼器
Hugging Face 推出 Ettin 套件，一組配對的僅編碼器與僅解碼器模型（參數量介於 17M 至 1B），在相同的資料與訓練流程下訓練，以提供對架構效能的受控比較。
OpenAI 以設計為本的知識自由框架
OpenAI 已推出一套針對 ChatGPT 的知識自由框架，重點在於預設客觀性、使用者可自行調整的客製化設定，以及針對政治偏見的新評估方法。
Hugging Face Hub 從 Git LFS 遷移至 Xet
Hugging Face 已將 50 萬個倉庫與 20 PB 的資料從 Git LFS 遷移至 Xet，這是一個為 AI 工作負載而設計的內容可尋址儲存系統。
OpenAI 歐盟實務守則與歐洲 AI 策略
OpenAI 宣布其打算簽署歐盟通用人工智慧實務守則，並啟動「OpenAI for Countries 歐洲推廣」計畫，以擴展歐洲的 AI 基礎設施與採用。
Kimina-Prover：在大型形式推理模型上應用測試時強化學習搜尋
Hugging Face 宣布推出 Kimina-Prover-72B，這是一款針對 Lean 4 的最先進定理證明模型，透過新穎的測試時強化學習（TTRL）搜尋框架，在 miniF2F 基準上達到 92.2% 的通過率。
建立 Hugging Face MCP 伺服器
Hugging Face 已發布官方的模型上下文協定（MCP）伺服器，讓 AI 助手能透過單一 URL 動態存取 Hugging Face Hub 與數千個基於 Gradio 的 AI 應用程式。
ScreenEnv 發布：部署全堆疊桌面代理程式
Hugging Face 已發布 ScreenEnv，一個 Python 函式庫，可在 Docker 容器中建立隔離的 Ubuntu 桌面環境，以測試與部署 GUI 代理程式。
Hugging Face 非同步機器人推論
Hugging Face 推出非同步機器人推論，將動作預測與執行解耦，減少機器人閒置時間，並在任務完成時間上提升至最高 2 倍。
Hugging Face Gradio MCP 伺服器整合
Hugging Face 已將 Model Context Protocol（MCP）整合至 Gradio（v5.28.0），使 Hugging Face Spaces 成為龐大的 MCP 伺服器庫，為 LLM 提供影像編輯與轉錄等新功能。
為 AMD MI300 創建自訂核心
Hugging Face 與 AMD 合作開發了針對 MI300X 的開源優化核心，顯著提升了 VLLM 中 Llama 3.1 405B 的 FP8 推理效能。
Reachy Mini：開源桌面機器人，用於 AI 開發
Hugging Face 與 Pollen Robotics 推出了 Reachy Mini，一款開源且可編程的桌面機器人，起價 $399，旨在用於人機互動與 AI 實驗。
OpenAI 與 AFT 推出全國 AI 教學學院
OpenAI 與美國教師聯盟（American Federation of Teachers）合作，推出全國 AI 教學學院，這是一項為期五年的計畫，提供 1,000 萬美元的資金與資源，以提升 40 萬名 K-12 教師的 AI 能力。
Hugging Face 高效多模態資料管線
Hugging Face 推出一個五階段的多模態資料管線優化流程，採用平衡背包打包策略以減少 GPU 閒置時間與填充浪費。
SmolLM3 發布：多語言、長上下文 3B 推理模型
Hugging Face 發布了 SmolLM3，一款 3B 參數模型，表現優於 Llama-3.2-3B 與 Qwen2.5-3B，具備雙模式推理與 128k 上下文視窗。
Hugging Face 生產基礎設施警報策略
Hugging Face 針對 NAT 閘道吞吐量、日誌歸檔成功率以及 Kubernetes API 健康狀態採用專門的警報機制，以維持其生產環境的穩定性與成本效益。
NeurIPS 2025 E2LM 競賽：語言模型的早期訓練評估
Hugging Face 與合作夥伴宣布舉辦 E2LM 競賽，旨在開發能在 LLM 訓練早期階段偵測推理與科學知識訊號的基準。
Genspark 超級代理人：使用 GPT-4.1 與 Realtime API 的無程式碼自主代理
Genspark 推出了 Super Agent，一款無程式碼的自主 AI 助手，利用 GPT-4.1 與 OpenAI Realtime API 自動化諸如電話通話與簡報生成等複雜的現實任務。
BAIR PEVA：全身條件化自我中心視訊預測
BAIR 引入 PEVA，一個為具身代理人設計的世界模型，能根據高維全身運動學姿態軌跡預測自我中心視訊影格。
使用 Sentence Transformers 訓練與微調稀疏嵌入模型
Hugging Face 提供一份使用 Sentence Transformers 程式庫訓練與微調稀疏嵌入模型的綜合指南，以提升混合搜尋與檢索效能。
OpenAI AI 經濟藍圖（澳大利亞）
OpenAI 與 Mandala Partners 已發布針對澳大利亞的 AI 經濟藍圖，提供一套可執行的計畫，以透過 AI 採用提升國家生產力與經濟成長。
NVIDIA Llama Nemotron Nano VL 發布
NVIDIA 已發布 Llama Nemotron Nano VL，一款 8B 視覺語言模型（VLM），針對高精度智慧文件處理與 OCR 任務進行了優化。
Qwen‑TTS 更新：支援中文方言與雙語合成
Qwen 已發布 Qwen‑TTS（qwen-tts-latest）的更新，加入對北京話、上海話與四川話方言的支援，並提供中英雙語合成。
Qwen VLo：統一的多模態理解與生成
Qwen VLo 是一個統一的多模態模型，透過結合高品質影像生成、開放式編輯與精確的視覺理解，在單一系統中彌合感知與創作之間的鴻溝。
Retell AI 語音自動化與 GPT-4o
Retell AI 使用 GPT-4o 與 GPT-4.1，提供一個無程式碼平台，用於打造自然音色的語音代理，將通話處理成本降低最高可達 80%。
Gemma 3n 版本說明：本機多模態 AI
Google 的 Gemma 3n 現已在開源生態系統中提供，具備原生多模態（文字、影像、音訊、影片）以及為本地硬體執行而設計的記憶體效能優化架構。
Unify GTM 成長系統使用 OpenAI o3、GPT-4.1 與 CUA
Unify 已實施一套可擴展的 go-to-market 系統，使用 OpenAI o3、GPT-4.1 與 Computer-Using Agent（CUA）自動化潛在客戶開發與個人化訊息，現在產生其自身 30% 的管道。
SGLang Transformers 後端整合
SGLang 現在支援 Hugging Face transformers 作為後端，讓任何兼容 transformers 的模型都能在不需要原生 SGLang 支援的情況下執行高效能推論。
在消費者硬體上使用 QLoRA 微調 FLUX.1-dev
Hugging Face 示範了如何使用 QLoRA 與 diffusers 函式庫微調 FLUX.1-dev 模型，將單一消費者 GPU 的峰值 VRAM 使用量降低至 10 GB 以下。
OpenAI 對於新興錯位與基於人格的泛化之研究
OpenAI 研究人員發現，對模型進行狹窄且錯誤的資料微調會觸發「錯位人格」特徵，導致在無關任務上出現廣泛的不道德行為。
OpenAI 為未來生物領域的 AI 風險做準備
OpenAI 正在實施多管齊下的緩解策略，以防止前沿 AI 模型在生物學能力達到「高」水平時被濫用於製造生物威脅。