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。
OpenAI 政府計畫啟動
OpenAI 已推出 OpenAI for Government，這是一項整合的計畫，為美國聯邦、州及地方政府提供安全的 AI 工具、客製化模型，以及與美國國防部合作的 2 億美元試點計畫。
Groq 與 Hugging Face 推理提供者的整合
Hugging Face 已將 Groq 加入支援的推理提供者，使用者可直接透過 Hub 使用 LPU 高速推理，支援 Llama 4 與 QWQ-32B 等模型。
優化大型語言模型效能：解決長提示阻塞與解碼延遲問題
Hugging Face 探討長提示如何阻塞請求佇列並放慢 token 生成，並提出請求平行預填與分離式預填作為降低延遲的解決方案。
Featherless AI 與 Hugging Face 推理提供者的整合
Hugging Face 已將 Featherless AI 加入為支援的推理提供者，讓使用者能以無伺服器方式存取龐大的開源文字與對話模型目錄。
OpenAI 與 Mattel 的 AI 驅動玩具合作夥伴關係
OpenAI 與 Mattel 合作，將 AI 能力整合至 Mattel 的玩具品牌，並在內部業務運營中部署 ChatGPT Enterprise。
Hugging Face Kernel Hub 發佈
Hugging Face 推出了 Kernel Hub，一個集中式倉庫，可直接在 Python 應用程式中載入預編譯、最佳化的計算核心，以加速 GPU 運算，無需本地編譯。
NVIDIA Isaac GR00T N1.5：LeRobot SO-101 手臂的後訓練
NVIDIA 已發布 Isaac GR00T N1.5，這是一個開放的基礎模型，用於類人機器人的推理與技能，且可針對特定機器人形態（如 LeRobot SO-101 手臂）進行後訓練。
Hugging Face 與 NVIDIA 推出訓練叢集即服務
Hugging Face 與 NVIDIA 已推出訓練叢集即服務，這項合作旨在為研究機構提供彈性、按需存取大型 NVIDIA GPU 叢集，以訓練基礎模型。
OpenAI 外部協調披露政策
OpenAI 推出了一項外部協調披露政策，以負責任的方式報告其 AI 系統和研究人員發現的第三方軟體安全漏洞。
Hugging Face ScreenSuite 發布
Hugging Face 已發布 ScreenSuite，一個綜合性的 GUI 代理評估套件，統合了 13 個基準，用於評估視覺語言模型（VLM）在感知、定位與行動能力方面的表現。
OpenAI 資料保留更新：回應《紐約時報》訴訟
OpenAI 已在 2025 年 9 月 26 日法律命令到期後，結束對消費者 ChatGPT 與 API 資料的無限期保留，但仍持續保存 2025 年 4 月至 9 月的有限歷史資料。
Qwen3 嵌入與重排序模型發布
Qwen 已發布 Qwen3 嵌入系列，這是一套基於 Qwen3 基礎模型的專有模型，旨在提供最先進的文本嵌入、檢索與重排序，支援超過 100 種語言。
OpenAI 阻止 AI 惡意使用報告（2025 年 6 月）
OpenAI 2025 年 6 月的報告詳細說明了 AI 作為調查團隊的力量倍增器，用於偵測與阻止包括隱蔽影響行動與網路間諜在內的惡意活動。
nanoVLM 中的 KV 快取實作
Hugging Face 從頭在 nanoVLM 倉庫中實作了 KV 快取，使其視覺語言模型的生成速度提升了 38%。