GitHub 用 Copilot agent 将 Copilot agent runtime 从 TypeScript 完整重写为 832,378 行生产 Rust，AI 编写了大部分代码，历时约 14.5 周、128 个 PR，采用原地逐组件替换而非一次性切换，性能有数量级提升。
推荐理由：一手复盘给出原地迁移策略、缓存命中率与子会话协作细节，对规划大规模 agent 辅助重写有可借鉴方法。
NVIDIA Vera Rubin NVL72 首次参加 MLPerf Inference v6.1 预览提交即取得领先性能：在 Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上使用 TensorRT-LLM 最高达 2.5 倍。
Emerald AI、Google 与 NVIDIA 宣布成立 AI Energy Management Alliance（AEMA），推动数据中心根据电网状况动态调节用电，使 AI 基础设施与电网协同。
曼彻斯特大学团队利用 NVIDIA Earth-2 的 CorrDiff 生成式模型训练出覆盖全英国、分辨率 2-3 平方公里的空气污染预报模型，训练仅在 Isambard-AI 超算的单个 8-GPU 节点上耗时两天完成。
IBM Research 在 ALTK-Evolve 中推出 Consistency Analyzer 和一致性指南，针对智能体重复执行同一任务的稳定性问题。
Mistral 与 Cloudera 宣布合作，将 Mistral 模型集成到 Cloudera 混合数据平台中。企业可在私有云、公有云、本地乃至完全物理隔离（air-gapped）环境中部署推理，并基于自有专有数据训练定制模型，同时保留数据与模型的所有权。
Hugging Face 博客介绍 TRL v1.14 的 AsyncGRPOTrainer 支持 LoRA 训练并仅向 vLLM 同步几 MB 的 adapter，训练与推理以独立 HF Jobs 运行，通过 Storage Bucket 挂载共享 adapter，前置代理负责加鉴权头、按 KV 前缀路由 rollout 并向所有副本广播 adapter 加载。
推荐理由：原文给出了跨机 LoRA GRPO 的完整架构与五轮瓶颈调优数据，500 步从 3 小时 27 分压到 53 分钟，方法可直接复用。
Google DeepMind 推出 Fairwind 计划，向政府机构和受信任的合作伙伴开放先进的网络防御能力。该计划将 Gemini 3.8 Flash Cyber 模型与 CodeMender 结合，可自主查找、验证并修复漏洞，在几分钟内生成就绪的补丁，初始访问面向政府、关键基础设施运营商和核心技术平台。
Hugging Face WebAI 团队发布 @huggingface/kernels 库和 207 个 WebGPU 内核（Apache-2.0），每个内核以带版本号的独立仓库发布，包含 manifest、正确性测试、基准用例和 WGSL shader 模板。
推荐理由：官方介绍了 207 个 WebGPU 内核的发布方式和与 ORT WebGPU 的实测对比，读者可以据此评估浏览器端推理优化的可用路径。
Sentence Transformers v6.0 引入第四种模型类型 MultiVectorEncoder，支持 ColBERT 式后期交互检索及完整训练流程。
推荐理由：作者实测比较了六种训练起点和各训练超参，给出可在单张消费级 GPU 上数小时完成的完整多向量模型微调配方。
Multiverse Computing 发布 Quantization-Aware Healing（QAH）方法，将 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，模型在 9 项基准中的 7 项超过其 bfloat16 全精度版本，AA-LCR 提升 7.4 分、AIME 2025 提升 5.6 分。
Hugging Face 在 Gradio 中推出 gr.Workflow，把 AI 应用的多步骤流水线描述为类型化节点图，并提供可拖拽画布，每个节点可运行、中间结果可见。
推荐理由：原文来自官方，给出 gr.Workflow 的节点图机制、多个可复制的在线示例和 REST API 用法，读者可以直接上手复用这套搭建 AI 流水线的方法。
METR 研究发现 AI 在网络安全领域带来重大加速、对数学研究是小幅加速，而对 AI 研究本身优化无可测加速。华盛顿大学、斯坦福等多校团队发布 SPADE 框架，通过自博弈共同进化环境生成与智能体能力，在 Qwen3-30B-A3B 上使游戏环境套件平均分达 58.3，较基座高 +8.1。
Hugging Face 团队详解 Papers with Code 混合搜索架构：PostgreSQL 全文检索加 pgvector 语义召回，经加权 RRF 融合，语义向量用 Qwen/Qwen3-Embedding-0.6B 生成 256 维 Matryoshka 截断向量。
Liquid AI 为 LFM2.5 系列三个模型（LFM2.5-1.2B-Instruct、LFM2.5-2.6B、LFM2.5-8B-A1B）发布 DSpark 草稿模型检查点，采用投机解码在不改变输出质量的前提下大幅加速解码。
推荐理由：官方给出 DSpark 草稿模型的具体加速数据、质量等价原理和 llama.cpp 与 SGLang 的用法，端侧部署可直接迁移。
IBM Research 在 Hugging Face 博客发布 ALTK-Evolve 研究，在 AppWorld 上测试八种模型后提出智能体记忆应按模型能力校准注入剂量，而非全量累积。
Hugging Face 构建了一个约束感知 GPU 分配器，在 7 个基准场景中与 FIFO 调度器对比。相同硬件和负载下，利用率从 52–85% 提升至 72–88%，最高提升 33 个百分点；优先级加权产出每个场景均上升，增幅 24.6%–105.1%，平均 52%。最强案例是 8 GPU 的训练密集型负载：利用率从 53.6% 升至 87.0%，产出提升 105%。
Strands Robots 推出流式数据环，在一个 Agent 内完成录制机器人演示、直接从 Hub 流式读取训练、再把 checkpoint 部署回硬件，全程保持 LeRobot 格式。
Mistral 推出三项主权 AI 举措：Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲或美国运行；Mistral Priority Tier 进入公开预览，提供自定义速率限制和 uptime SLA。
NVIDIA 发布 Magpie TTS Multilingual，364M 参数开源权重模型，新增现代标准阿拉伯语、韩语和巴西葡萄牙语，共支持 12 种语言。
Baseten 正式成为 Hugging Face Hub 支持的 Inference Provider，为 Hub 模型页面增强 serverless 推理能力。初始集成支持对话和文本生成任务，可调用 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开放权重 LLM。用户可设置自己的 API key 直连或经 HF 路由计费，PRO 用户每月获 $2 推理额度。
Hugging Face 撰文指出，AI 的下一个真正约束不是智能而是 GPU 利用率，正如航空业的历史证明决定盈亏的是飞机停场时间而非机队规模。GPU 按日历小时产生融资、折旧、电力和冷却成本，产出却只按计算小时计，企业即便买下集群，也必须解决“如何让 GPU 保持忙碌”的新问题。文章认为利用率几乎取决于所有基础设施决策，是比容量承诺更难解决的问题。
IBM Research 与 UC Berkeley Sky Lab 基于开源 K-Search 框架构建结构化 CUDA 到 MLX 翻译层，用演化搜索为 Apple Silicon 生成高质量内核。
NVIDIA 发布 Cosmos-H-Dreams，一个动作条件驱动的手术机器人实时生成式仿真器，将 Cosmos-H-Surgical-Simulator 蒸馏为因果、少步数的学生模型，并通过 FlashDreams 流式推理库在单张 NVIDIA RTX PRO 6000 上从约每秒10帧提升到约160帧的交互运行。
Hugging Face 宣布 Diffusers 原生支持 Nunchaku 的 SVDQuant 4-bit 推理，通过 Nunchaku Lite 集成路径直接用 from_pretrained() 加载量化 checkpoint，无需独立推理引擎或本地 CUDA 编译。
推荐理由：Diffusers 原生集成 Nunchaku，W4A4 量化在降显存的同时也降低推理延迟，是可复现的部署方案变化。
IBM Research 团队在博文中提出，模型路由不是分类问题而是系统优化问题。他们在 AppWorld Test Challenge 上用同一 CodeAct agent 跑 417 个任务。
推荐理由：作者基于 417 个 AppWorld 任务的一手实测说明标价、缓存和基础设施如何左右路由成本，并把路由从分类问题转为优化问题，方法可迁移。
Hugging Face 发布 Profiling in PyTorch 系列第三篇，用 A100 GPU 对比 naive attention、in-place 掩码、SDPA math/efficient/flash/cuDNN 六种实现的 profiler trace。
Mistral 推出 Studio，为企业的 Prompts 与 Skills 提供统一的 system of record，实现版本化、明确归属和全程可追溯。每个资产拥有不可变版本、审计日志和分类标签，支持快速迭代与受控上线，业务人员无需工程师也能直接改进生产指令。该功能现已向 Mistral Studio 客户开放，Skills 可作为 MCP servers 从 Studio 直接调用。
Hugging Face 宣布 vLLM 的 transformers modeling backend 在多类 LLM 架构上已达到甚至超过 vLLM 手写原生实现的吞吐。
推荐理由：原文给出三档 Qwen3 模型的吞吐对比和实现原理，读者可据此评估 transformers backend 能否替代手写 vLLM 实现来省掉移植成本。
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，开发者点击模型页上的 "Customize on SageMaker AI" 或 "Deploy on SageMaker AI" 按钮，即可直接进入 SageMaker Studio，模型已预加载、环境已配置。
Microsoft 在 Build 2026 上推出 Foundry Managed Compute，并在 Foundry 模型目录中上线 Hugging Face 精选模型集，数以千计的开源权重模型每周更新，可一键部署到 NVIDIA A100、H100 或 AMD MI300X 加速器。
推荐理由：原文来自双方官方博客，详细说明了精选目录、curation 流程、运行时选择和部署模板，读者可以据此评估在 Foundry 上部署开源模型的实际路径。
SkyPilot 与 Hugging Face 联合推出 store: hf，用一条 hf:// URL 即可将 Hugging Face Bucket 或任意 Hub 仓库挂载进 SkyPilot 任务，作业可调度到 20+ 云、Kubernetes 和本地集群。
推荐理由：原文给出 hf:// 挂载、零 egress 读费与 Xet 去重的具体数字，读者可据此评估多云 GPU 任务的数据存储方案。
Hugging Face 官方博客总结 🤗 Kernels 项目近几个月的重大更新。Hub 新增 kernel 仓库类型，可查看内核支持的加速器、操作系统和后端版本；默认只加载受信任发布者的内核，非受信来源需显式传 trust_remote_code=True，并引入基于 Sigstore cosign 的代码签名（加载时尚未默认验证）。
Hugging Face 与 Cerebras 发布开源级联语音到语音管线，语音识别用 Nvidia Parakeet，语言模型为 Google DeepMind Gemma 4 31B 并在 Cerebras 上推理，语音合成用 Qwen3TTS。
Hugging Face 发布教程，用一条 hf jobs run 命令即可在 HF 基础设施上启动私有 OpenAI 兼容的 vLLM 端点，无需配置服务器或 Kubernetes，按秒计费（a10g-large 为 $1.50/hour）。
推荐理由：官方教程给出一条命令在 HF Jobs 上起 vLLM 服务的完整路径，含定价、权限、SSH 调试和接 coding agent 等可复用细节。
Google Research 在 CIDR 发表 linear elastic caching，将缓存页淘汰建模为 ski rental 问题，用轻量级机器学习动态调整缓存大小以最小化 TCO。
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具，此前该能力仅以独立 Gemini 2.5 computer use 模型提供。
推荐理由：原文说明 computer use 从独立模型转为 Gemini 3.5 Flash 内置工具，并给出 API 入口和企业级安全防护选项。
Mistral 发布 Mistral OCR 4，除文本外返回边界框、分类型块（标题、表格、公式、签名等）和逐页逐词置信度分数，支持 10 个语系下 170 种语言。
推荐理由：官方公布了能力细节、定价和基准方法论，还主动列出自动评测的打分缺陷，读者可据此判断在自己场景中怎么用。
Google Chrome 团队的 Thomas Steiner 在 Transformers.js 中实验了尚处早期提案阶段的 Cross-Origin Storage API。
Hugging Face 在官方博客详解如何把 huggingface_hub 的发布节奏从每 4 到 6 周一次提升到每周一次，整条流程跑在一个 GitHub Actions 工作流里，使用开源工具、开源权重模型（当前为 Z.ai 的 GLM-5.2）和 HF Inference Providers，单次发布的模型成本约 $0.25。
推荐理由：Hugging Face 官方复盘自身发布流水线，给出可复用的确定性校验加人工把关模式，其他开源维护者可以照搬适配。