llama.cpp server 新增 router mode，无需重启即可动态加载、卸载和切换多个模型，补上类似 Ollama 的模型管理能力。该功能采用多进程架构，单个模型崩溃不影响其他模型；支持自动发现 GGUF 文件、按需加载、LRU 淘汰（默认 --models-max 4）、请求路由和 Web UI 切换。
推荐理由：原文给出 router mode 的加载与切换机制和具体命令选项，读者可以据此评估本地多模型管理的新工作流。
Hugging Face 发布教程，展示如何用 Hugging Face Skills 让 OpenAI Codex 端到端完成机器学习实验，覆盖数据验证、硬件选择、提交 Hugging Face Jobs、用 Trackio 监控训练、维护训练报告以及用 lighteval 评测。
推荐理由：官方教程给出让 Codex 端到端跑完微调、评测和 GGUF 导出的完整流程与成本参考，方法可直接迁移到自己的实验。
Mistral AI 发布开源编码模型 Devstral 2（123B）和 Devstral Small 2（24B），SWE-bench Verified 分别取得 72.2% 和 68.0%，并推出开源终端编码智能体 Mistral Vibe CLI。
推荐理由：官方公布两个尺寸开源编码模型的基准成绩、许可与部署门槛，并同步开放终端 CLI，读者可评估其替代现有方案的成本。
OpenAI 宣布联合发起 Linux Foundation 旗下的 Agentic AI Foundation，并捐赠 AGENTS.md，以支持面向安全智能体 AI 的开放、可互操作标准。
推荐理由：OpenAI 官方宣布捐出 AGENTS.md 并参与设立开放标准基金会，读者可以据此跟踪智能体互操作标准的走向。
Hugging Face 推出 Swift 软件包 swift-huggingface，为 Hugging Face Hub 提供完整客户端，后续将集成进 swift-transformers 替换其 HubApi 实现。
Intel AI 软件团队推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调并通过 smolagents 实现的数学推理智能体。模型用简短 Python 代码片段替代冗长文本推理，在沙箱中执行后回填推理上下文，输出长度最多减少 66%，同时常提升准确率。在 MATH500、AIME、HMMT、HLE 四个数据集上，GRPO 训练与智能体推理结合取得最高准确率。
Hugging Face 推出 hf-llm-trainer 技能，让 Claude Code、Codex、Gemini CLI 等编码智能体可自动选择 GPU、生成脚本、向 Hugging Face Jobs 提交微调任务并用 Trackio 监控进度，完成后模型自动推送到 Hub。
推荐理由：官方发布了让 Claude Code 等编码智能体端到端微调开源模型的 hf-llm-trainer 技能，覆盖 GPU 选择、任务提交到监控的完整流程。
Mistral 发布 Mistral 3 系列模型，包括 41B 激活、675B 总参数的 MoE 模型 Mistral Large 3，以及 3B/8B/14B 三种尺寸的 Ministral 3 小模型，全部以 Apache 2.0 协议开源。
推荐理由：官方发布涵盖 Large 3 与 Ministral 3 全系的参数规模、开源协议和部署途径，读者可以据此判断各档模型适合的场景。
Hugging Face 发布 Transformers v5.0.0rc-0，距 v4 首个 RC 五年，目前每日 pip 安装超 300 万次、累计超 12 亿次，模型架构从 40 个增至 400 多个。
推荐理由：官方详解 v5 在简洁性、训练、推理和量化上的改动，以及与主流训练推理工具的互操作设计。
Hugging Face 官方博客宣布 Diffusers 支持 FLUX.2，提供 Flux2Pipeline 和 Flux2Transformer2DModel 的完整加载与推理示例。
推荐理由：官方博客给出 FLUX.2 在 Diffusers 中的完整推理代码和量化加载方式，读者可以直接照搬运行文生图流程。
Hugging Face 的 Open ASR Leaderboard 新增多语言与长音频转写赛道，目前对比 18 个机构的 60 多个开源与闭源模型，覆盖 11 个数据集。
Hugging Face TRL 官方集成 RapidFire AI，可通过 RFSFTConfig、RFDPOConfig、RFGRPOConfig 等近乎零代码的封装并发运行多个微调/后训练配置。
Hugging Face 博客宣布 AnyLanguageModel，一个 Swift 包，作为 Apple Foundation Models 框架的 drop-in 替代，支持多模型供应商。
推荐理由：原文解释了为何以 Apple Foundation Models API 为模板设计，并给出换 import 即切换本地或云端模型的实际用法。
SLAM Lab 发布 Apriel-H1 系列，将 15B 推理模型部分注意力层替换为 Mamba，旗舰 Apriel-H1-15b-Thinker-SFT 以 76.8B token 训练实现 2.1 倍吞吐且推理质量损失很小。
Hugging Face 的 kernels 库支持构建和分享可在 AMD GPU 上运行的 ROCm kernel，文章以获 AMD Developer Challenge 2025 大奖的 RadeonFlow GEMM kernel 为例，讲解项目结构、build.toml 配置与打包流程。
AMD、Hugging Face 与 Data Monsters 联合举办 AMD Open Robotics Hackathon，首站 2025 年 12 月 5-7 日在东京举行，第二站 12 月 12-14 日在巴黎举行。
Hugging Face 宣布与 Google Cloud 达成更深入的合作，帮助企业在 Google Cloud 上用开放模型构建自己的 AI。
Google 发布 provably private insights（PPI）系统，结合 LLM、差分隐私和可信执行环境分析 GenAI 使用数据，保证个体数据不可查看、聚合结果匿名。
MiniMax 团队成员分享 MiniMax M2 后训练中智能体对齐的关键经验。结论包括：智能体需要 Interleaved Thinking，思考可在任务任意阶段发生以应对工具输出等外部扰动。
Hugging Face 发布长文分析全球算力格局变化，指出中国开源权重模型的进展正与国产 AI 芯片的快速发展相互推动。近几个月华为昇腾、寒武纪等国产芯片已开始支撑热门开源模型的推理，蚂蚁集团、百度等开始在国产硬件上训练模型。
推荐理由：文章把美国出口管制与中国芯片进展、开源模型效率创新放在同一条线索里梳理，帮助读者理解算力格局变化的来龙去脉。
OpenAI 发布 gpt-oss-safeguard-120b 和 gpt-oss-safeguard-20b 两个开放权重推理模型，由 gpt-oss 模型后训练而来，可根据给定策略推理并对内容进行标注。技术报告描述了其能力，并以底层 gpt-oss 模型为基线提供了安全评估结果。
推荐理由：原文给出两个安全审核模型的训练思路和基线安全评估来源，读者可以据此了解其按策略标注内容的能力定位。
OpenAI 发布 gpt-oss-safeguard，是用于安全分类的开源权重推理模型。开发者可以在其上应用并迭代自定义安全策略。
推荐理由：原文说明这是面向安全分类的开源权重推理模型，开发者可自定义安全策略并迭代，适合关注安全工程的人参考。
NVIDIA Isaac for Healthcare v0.4 提供 SO-ARM 入门工作流，帮助开发者构建自主手术助理机器人，覆盖数据采集、训练与部署全流程。
IBM 发布 Granite 4.0 Nano，这是 Granite 4.0 家族中参数最小的模型，含 Granite 4.0 H 1B（约 1.5B）、Granite 4.0 H 350M（约 350M）及对应传统 transformer 版本，采用 Apache 2.0 许可。
Hugging Face 发布 huggingface_hub v1.0，该库现支持 20 万依赖库，并提供超过 200 万公开模型、50 万公开数据集和 100 万公开 Spaces 的访问。
推荐理由：官方完整梳理了 huggingface_hub 五年演进与 v1.0 的破坏性变更，含兼容性影响和迁移指引，对依赖该库的开发者有直接参考价值。
Hugging Face 发布 datasets 与 huggingface_hub 库的流式加载优化，一行 streaming=True 即可免下载训练多 TB 数据集。
推荐理由：官方给出 streaming 后端的具体优化指标和可复现代码，适合据此评估是否直接用流式替代本地下载来训练大规模数据集。
Hugging Face 团队发布 LeRobot v0.4.0，引入支持超过 400GB 数据集的 LeRobotDataset v3.0 分块格式与流式加载，并集成 Physical Intelligence 的 pi0、pi0.5 和 NVIDIA 的 GR00T N1.5 等 VLA 模型。
推荐理由：Hugging Face 官方详述 LeRobot v0.4.0 各项升级，读者可以据此评估新的数据格式、VLA 模型集成和硬件插件如何用于自己的机器人学习项目。
Meta-PyTorch 与 Hugging Face 联合推出 OpenEnv Hub，一个共享开放的智能体环境社区平台，同时发布 OpenEnv 0.1 规范（RFC）征集社区反馈。
Sentence Transformers（SBERT）正式从 TU Darmstadt 的 UKP Lab 移交至 Hugging Face，由 2023 年底起接手维护的 Tom Aarsen 继续领导。该开源库自 2019 年由 Nils Reimers 创建，Hub 上已有超过 16,000 个模型，月独立用户超百万。项目将继续以 Apache 2.0 许可证保持社区驱动的开源模式。
Hugging Face 与威胁情报平台 VirusTotal 合作，对 Hub 上 220 万个以上的公开模型和数据集仓库进行持续安全扫描。访问仓库或文件页面时会自动比对文件哈希与 VirusTotal 威胁情报数据库，返回检测结果和威胁情报元数据，且不共享文件原始内容以保护隐私。用户可在下载前查看文件是否被标记，企业也能将检测集成到 CI/CD 流程中。
Hugging Face 宣布其开源无代码工具 AI Sheets 新增视觉支持，可在表格中分析图片、提取结构化数据、从文本生成图像并用 Qwen-Image-Edit 等模型编辑图像。
推荐理由：官方发布带来图像提取、生成与编辑能力，教程演示了手写菜谱数字化等具体用法，便于读者评估是否引入自己的数据工作流。
Hugging Face 发布开源 OCR 模型指南，新增 Chandra 和 OlmOCR-2 及其 OlmOCR Benchmark 得分。
推荐理由：指南基于 OlmOCR Benchmark 等公开基准对比了 9 个开源 OCR 模型的格式、大小与成本，并给出按使用场景选型的具体方法。
Hugging Face 发布 Retrieval Embedding Benchmark（RTEB）测试版，旨在可靠评估嵌入模型在真实应用中的检索准确性。它采用开放与私有数据集结合的混合策略来检测基准过拟合，覆盖 20 种语言和法律、医疗、代码、金融等企业领域，默认榜单指标为 NDCG@10，榜单已上线于 MTEB 排行榜的检索板块。
作者发布 VibeGame，一个建立在 three.js、rapier 和 bitecs 之上、面向 AI 辅助游戏开发的高层声明式游戏引擎。
推荐理由：作者先实测 Roblox、Unity 和 web 三条 vibe coding 游戏路线，再据此设计出兼顾抽象与开放性的引擎，方法可迁移。
Hugging Face 与 Intel 基于 OpenVINO 在 Intel Core Ultra 集成 GPU 上加速 Qwen3-8B：用 Qwen3-0.6B 作草稿模型的投机解码带来约 1.3× 提速，再从草稿模型 28 层中剪掉 6 层并用 Qwen3-8B 生成的 500k 提示词数据微调后，提速提升至约 1.4×。
Hugging Face 的 Swift 库 swift-transformers 发布 1.0 版本，为开发者在 Apple Silicon 平台（含 iPhone）上运行本地 LLM 提供支持。
Hugging Face 发布 Smol2Operator 方案，将无 GUI 定位能力的 SmolVLM2-2.2B-Instruct 通过两阶段 SFT 训练为 GUI 智能体，在 ScreenSpot-v2 上从基线 0 提升到 61.71%。
Hugging Face 介绍了 SyGra，一个用于 LLM 与 SLM 数据集创建、转换与对齐的低代码/无代码框架。它以 Python 库形式提供，支持 vLLM、Hugging Face TGI、Triton、Ollama 等多种推理后端，用户只需专注于提示词工程。该框架可覆盖 Q&A 生成、DPO 偏好对、推理增强、多语言转换、质量过滤及 RAG 场景等多种数据构建需求。
Meta 的 Hugging Face 团队发布 GAIA 后续基准 Gaia2 和配套开源框架 Meta Agents Research Environments（ARE），Gaia2 数据集采用 CC BY 4.0 许可，ARE 采用 MIT 许可。
推荐理由：官方发布新基准 Gaia2 和开源评估框架 ARE，含七类任务和主流模型结果，便于开发者调试和评估自己的 Agent。
Scaleway 已正式成为 Hugging Face Hub 支持的 Inference Provider，用户可通过 Hub 直接访问 gpt-oss、Qwen3、DeepSeek R1、Gemma 3 等开源权重模型。