Hugging Face 发布 gradio.Server，一个扩展自 FastAPI 的类，让开发者用 React、Svelte 或原生 HTML/JS 等任意前端框架，同时保留 Gradio 的排队、并发管理、SSE 流式、gradio_client 兼容和 Spaces 上的 ZeroGPU 支持。
推荐理由：官方介绍了 gradio.Server 如何让任意自定义前端继续复用 Gradio 的排队、MCP 和 ZeroGPU 能力，并附完整代码示例。
IBM 发布 Granite 4.0 3B Vision，一个面向企业文档理解的小型视觉语言模型，以 LoRA 适配器形式叠加在 Granite 4.0 Micro 上，主打表格提取、图表理解和语义键值对提取。
OpenMed 构建了覆盖结构预测、序列设计与密码子优化的端到端蛋白质 AI 流水线。在对比多种 transformer 架构后，CodonRoBERTa-large-v2 胜出，困惑度 4.10、Spearman CAI 相关性 0.40，显著超过 ModernBERT；团队随后扩展到 25 个物种，用 55 GPU 小时训练了 4 个生产模型，建立了其他开源项目没有的物种条件化系统。
Hugging Face 发文称 Anthropic 正在限制 Pro/Max 订阅者在开放智能体平台使用 Claude 模型，并给出两条迁移路径。
Mistral AI 发布首款文生语音模型 Voxtral TTS，4B 参数，支持 9 种语言，仅需约 3 秒参考音频即可适配自定义音色，并支持零样本跨语言音色迁移。
推荐理由：原文给出 9 语言、3 秒参考音色、70ms 延迟等可核验细节与人类评测对比，读者可据此评估其语音智能体方案。
Hugging Face 发布 2026 年春季开源生态分析，过去一年用户增长至 1300 万、公开模型超 200 万、公开数据集超 50 万。
推荐理由：Hugging Face 用平台自身数据刻画开源 AI 一年来的竞争、地理与社区变化，读者可以据此把握生态格局的量化走向。
H Company 发布多模态计算机使用模型 Holotron-12B，基于 NVIDIA Nemotron-Nano-2 VL 后训练约 140 亿 token，已在 Hugging Face 以 NVIDIA Open Model License 开放。
Mistral 发布 Mistral Small 4，首次将 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码能力统一到单一模型，采用 Apache 2.0 许可开源。
推荐理由：官方宣布 Small 家系统一推理、多模态与编码能力，并给出架构参数和推理效率对比，便于评估开源部署性价比。
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，计划与 NVIDIA 共同开发前沿开源模型，并发布 Mistral Small 4。
Mistral 在开源编码助手 Vibe 之上构建了一个自主 Agent，可读取 Rails 源码并生成或改进 RSpec 测试，在 CI/CD 中无人干预运行。
推荐理由：原文给出可直接复用的 AGENTS.md、skills 与自定义工具做法，以及质量分数变化，方法可迁移到其他代码测试场景。
Hugging Face 在 Hub 上推出 Storage Buckets，一种不版本控制的可变、类 S3 对象存储，用于存放 checkpoints、处理后的数据、Agent traces 等中间产物。
推荐理由：官方发布后明确解释了为什么中间产物不适合放 Git 仓库，并给出 CLI、Python、fsspec 的完整上手路径，便于迁移现有训练和数据流程。
Hugging Face LeRobot 发布 v0.5.0，合并超过 200 个 PR、新增 50 多位贡献者。
推荐理由：官方完整发布说明覆盖硬件、策略、数据集和代码库四大方向，读者可据此评估升级对机器人训练与部署的实际影响。
Google 开发的开源 AI 模型 SpeciesNet 可对相机陷阱图像中约 2,500 类（2,498 类）动物进行分类，训练数据超过 6500 万张标注图像。模型在留出测试集上能找出 99.4% 含动物的图像，可识别到物种级的预测中 94.5% 正确，标准笔记本每天约可处理 3 万张图像。过去一年，全球研究团队已用它在坦桑尼亚塞伦盖蒂、哥伦比亚、澳大利亚等地分析数百万张野生动物影像。
Hugging Face 发布 Modular Diffusers，将扩散流水线拆成文本编码、去噪、解码等可独立运行、自由增删互换的可复用块，作为现有 DiffusionPipeline 的灵活补充。
推荐理由：原文展示了用可组合积木搭建扩散流水线的完整用法，包括自定义块、模块化仓库和 Mellon 可视化集成，方法可直接复用。
Photoroom 以约 $1500 算力预算（32 张 H200，$2/小时/GPU）在 24 小时内完成文生图扩散模型训练，并开源 PRX 训练代码与实验框架。
Hugging Face 博客介绍 transformers 库如何让 MoE 稀疏架构成为一等公民，涵盖权重加载重构、Expert Backend、专家并行和 MoE 训练支持。
Hugging Face 发布教程，讲解如何用编码智能体（Claude Code、Codex、Open Code）配合 Unsloth 在 HF Jobs 上微调 LiquidAI/LFM2.5-1.2B-Instruct。
推荐理由：官方教程给出用编码智能体加 Unsloth 在 HF Jobs 上微调小模型的完整流程，含脚本、命令和各尺寸 GPU 的每小时成本参考。
GGML 及 Georgi Gerganov 团队宣布加入 Hugging Face，以保障本地 AI 的长期开源发展。团队将继续全职维护 llama.cpp，保持技术方向与社区自治，项目继续 100% 开源、社区驱动；双方计划让 transformers 中的模型定义能近乎一键地在 llama.cpp 中落地，并改进基于 ggml 的软件的打包与用户体验。
推荐理由：收购方官方说明团队加入后的自治安排与技术方向，读者可据此评估 llama.cpp 社区的连续性与本地推理生态走向。
Hugging Face 官方博客介绍 Gradio 6 中 gr.HTML 支持自定义模板、scoped CSS 和 JavaScript 交互，可让 LLM 一次性生成前端、后端和状态管理都在单个 Python 文件里的应用。
推荐理由：原文由官方讲解 gr.HTML 的模板机制和 API，并结合多类应用示例说明如何用单个 Python 文件构建交互式组件。
Turing 在 Meta 与 Hugging Face 的开源框架 OpenEnv 上构建了生产级日历管理环境 Calendar Gym，用于在访问控制、时间推理和多智能体协调等真实约束下评估工具调用智能体。
Google Research 在 ACM UIST 2025 上推出开源原型框架 DialogLab，用于编写、模拟和测试动态的人-AI 群组对话。框架通过“author-test-verify”三阶段工作流，将社交设置与对话时间推进解耦，提供拖放画布、human control 模式和可视化验证仪表盘。
Hugging Face 发布 Transformers.js v4，已可在 NPM 安装，核心变化是采用 C++ 重写的 WebGPU Runtime，同一套代码可运行于浏览器、Node、Bun 和 Deno。
推荐理由：官方发布说明完整列出 WebGPU 运行时重写、新架构支持和构建性能数据，读者可评估在浏览器或服务端本地跑模型的可行性。
Mistral 发布 Voxtral Transcribe 2 系列，包含批处理转写模型 Voxtral Mini Transcribe V2 和实时模型 Voxtral Realtime。
推荐理由：官方发布了两个语音转写模型的具体性能、价格和开放权重信息，读者可以据此对比现有转写方案的成本与延迟。
Hugging Face 在 Hub 上推出 Community Evals 功能，评测数据集（MMLU-Pro、GPQA、HLE 已上线）可托管排行榜，模型分数存于模型仓库的 .eval_results/*.yaml 并展示在 Model Card 上。
H 公司发布其最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 达到 78.5%、OSWorld G 达到 79.0%，创下 SOTA 纪录。该模型采用智能体定位方式迭代修正预测，带来 10-20% 相对提升，已作为研究版本在 Hugging Face 开放。训练使用 SkyPilot 统一管理跨云的 Kubernetes 集群任务。
Hugging Face 发布三部曲系列的第三篇也是收官篇，分析 2025 年 1 月“DeepSeek Moment”以来中国开源 AI 社区的演进路径，并展望开源的未来方向。
Photorium 发布 PRX 文生图训练系列第二篇，在统一的 Flow Matching 基线上系统消融各类训练技巧。
Hugging Face 发布 upskill 工具，用 Claude Opus 4.5 生成和评估 agent 技能，再供更小、更便宜或本地模型使用。流程为用 Claude Code 完成任务并导出 trace、从 trace 生成 SKILL.md 技能文件并自动生成测试用例，然后用 upskill eval 对比模型有无技能的表现。
推荐理由：原文给出了用大模型生成技能再迁移到小模型的完整流程和实测数字，方法可直接复用于领域任务。
Hugging Face 发布三篇系列博客的第二篇，分析 2025 年 1 月 DeepSeek 时刻以来中国开源社区的架构与硬件选择。
Hugging Face 团队探索以 GPT-OSS（性能对标 OpenAI o3-mini 和 o4-mini）作为智能体应用骨干模型，用 verl 框架开展智能体强化学习训练。
Hugging Face 发布系列博客首篇，复盘 DeepSeek R1 发布一年来中国开源 AI 生态的变化。R1 通过 MIT 许可证和公开推理路径降低了技术、采用和心理三重门槛，成为 Hugging Face 史上最受欢迎模型。
Overworld 发布实时交互式视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘交互生成可进入的虚拟世界。
推荐理由：原文给出训练方法、推理库与帧率数据，并解释它与微调路线世界模型在控制延迟上的差异。
Hugging Face 发布开放推理标准 Open Responses，扩展并开源 OpenAI 的 Responses API，面向 Agent 时代的推理需求。
NVIDIA 发布 Cosmos Reason 2，一个面向物理 AI 的开源推理视觉语言模型，登顶 Physical AI Bench 和 Physical Reasoning 排行榜，成为视觉理解排名第一的开源模型。
推荐理由：官方发布给出模型规格、上下文长度和评测变化，读者可据此评估其是否适合机器人与视频分析场景。
Hugging Face 博客宣布推出 Falcon-H1-Arabic 阿拉伯语模型家族，包含 3B、7B、34B 三种规格，采用融合 Mamba（State Space Model）与 Transformer 注意力的混合架构。
Hugging Face 发布分步教程，教你在 CES 2026 演示基础上用 NVIDIA DGX Spark 和 Reachy Mini 搭建桌面私人助理。
Hugging Face 博客详解 Transformers v5 对分词器的重新设计：将分词器架构（normalizer、pre-tokenizer、算法类型、post-processor、decoder）与训练好的词表和 merges 分离，类似 PyTorch 分离模型结构与权重。
推荐理由：文章来自 transformers 团队，解释 v5 将分词器架构与训练词表分离的设计，便于读者直接检查组件或训练自定义分词器。
NVIDIA 以开放评测方式发布 Nemotron 3 Nano 30B A3B，并公开其完整的评测 recipe。该 recipe 基于 NeMo Evaluator 开源库构建，任何人都可以重跑评测流水线、查看配置与产物并独立验证结果。NeMo Evaluator 将多个评测 harness 统一在同一接口下，评测流程与推理后端解耦，并可生成结构化结果与日志以便审计。
IBM Research 宣布开源可配置通用智能体 CUGA 接入 Hugging Face Spaces，提供基于 CRM 场景、含 20 个预配置工具的 Demo。
推荐理由：IBM Research 介绍 CUGA 接入 Hugging Face Spaces，读者可以据此了解其架构能力、开放模型选项和上手路径。
Google 联合 SisonkeBiotik、Ro'ya 和 DS-I Africa 举办全非健康数据科学 Ideathon，参赛团队基于 Google 开源健康模型 MedGemma、TxGemma 和 MedSigLIP 解决现实健康挑战，从 30 多份提交中选出六支决赛队伍。