Hugging Face 在 GTC Paris 宣布与 NVIDIA 合作推出 Training Cluster as a Service，旨在让全球研究机构更易获取大型 GPU 集群以训练基础模型。
推荐理由：原文介绍了 Hugging Face 与 NVIDIA 合作推出的 Training Cluster as a Service，读者可了解其按需获取 GPU 集群以训练基础模型的具体机制。
Hugging Face 发布 ScreenSuite，这是一个包含 13 个基准测试的综合评估套件，用于评估视觉语言模型（VLM）在感知、定位、单步操作和多步智能体等方面的能力。
推荐理由：原文整合了13个GUI智能体基准并统一为纯视觉评估环境，提供了支持本地部署的Docker容器和快速启动指南。
Hugging Face 在 nanoVLM 仓库中从零实现了 KV Caching，使生成速度提升 38%。该优化通过缓存 Key 和 Value 避免自回归推理中的重复计算，将全序列重算转为增量更新。这一实践展示了如何在纯 PyTorch 代码库中高效应用 Transformer 架构的推理加速技术。
Arm 推出基于 Stable Audio Open 模型的实时 AI 声音生成应用，利用 Arm CPU 实现纯端侧推理，无需 GPU 或云端。该工具通过 PyTorch 优化多线程执行，能在数秒内根据提示词生成 .wav 文件并直接导入 Ableton Live，兼顾隐私与创作效率。
H Company 在 Hugging Face Hub 上发布了 Holo1 系列动作视觉语言模型（Action VLMs）和 WebClick 基准测试。该系列包含 Holo1-3B 和 Holo1-7B 两个版本，基于 Qwen2.5-VL 架构，其中 Holo1-7B 在通用 UI 定位基准上达到 76.2% 的平均准确率。
推荐理由：原文发布了专为GUI自动化设计的开源视觉语言模型家族及基准，提供了低成本实现网页任务自动化的具体性能数据。
Hugging Face TRL 引入 vLLM 共置（colocate）模式，允许训练和推理在同一组 GPU 上共享资源，消除了服务器模式下因进程分离导致的 GPU 空闲等待。
Hugging Face 推出 SmolVLA-450M，这是一款紧凑的开源视觉语言动作（VLA）模型，专为机器人设计且可在消费级硬件上运行。该模型仅使用 LeRobot 社区共享的数据集进行预训练，在 LIBERO、Meta-World 模拟环境及 SO100/SO101 真实任务中表现优于 ACT 等更强基线。
推荐理由：原文展示了仅用社区数据训练的紧凑视觉语言动作模型，在消费级硬件上实现高效推理并超越更大基线，为机器人研究提供了可复现的低门槛方案。
Hugging Face 发布研究指出，强制 CodeAgent 以 JSON 格式生成思考和代码能显著提升执行可靠性。在 SmolBench 基准测试中，该方法使高性能模型的准确率平均提高 2-7 个百分点，并将因解析错误导致的失败率从 2.4% 降至零。
推荐理由：原文通过对比实验量化了结构化输出对代码智能体解析错误率的降低作用，并明确了模型能力阈值，为 Agent 架构选型提供了具体依据。
用户在使用 Qwen2.5-0.5B-Instruct、DeepSpeed ZeRO3 和 bf16 精度测试 Liger GRPO loss 时，遭遇 shape mismatch 错误。
Hugging Face 推出 Python Tiny Agents，扩展 huggingface_hub SDK 使其作为 MCP Client，允许 LLM 从 MCP 服务器拉取工具并在推理中调用。
推荐理由：展示了基于 huggingface_hub SDK 构建极简 Python Agent 的方法，通过 MCP 协议连接外部工具，代码量仅约 70 行。
Hugging Face 与 Dell 在 Tech World 上发布新版 Dell Enterprise Hub，提供针对 Dell AI 服务器优化的容器化模型部署方案。
TII 推出 Falcon-H1 系列共六款开源模型（0.5B 至 34B），采用 Transformer 注意力机制与 State Space Model (SSM) 结合的混合架构。
推荐理由：TII 发布 Falcon-H1 系列混合架构开源模型，通过 Attention 与 SSM 结合实现长上下文高效推理，小参数量下性能对标大模型。
Hugging Face 推出基于 Falcon 3 架构的 7B 参数多语言模型 Falcon-Arabic，支持阿拉伯语、英语等语言及 32,000 tokens 上下文窗口。该模型在 OALL v2 基准测试中显著超越同尺寸及 4 倍规模的现有阿拉伯语 LLM，通过扩展 32,000 个阿拉伯语专用 token 和优化嵌入策略实现高性能。
Hugging Face 推出 nanoVLM，这是一个用于训练视觉语言模型（VLM）的轻量级纯 PyTorch 工具包。该项目受 nanoGPT 启发，旨在通过极简且可读的代码帮助初学者在免费 Colab 笔记本上启动 VLM 训练。
推荐理由：原文提供了基于纯 PyTorch 的极简 VLM 训练代码库及 Colab 入口，适合开发者快速理解视觉语言模型架构与训练流程。
Hugging Face Blog 发布文章，详细评测了 bitsandbytes、torchao、Quanto、GGUF 和 FP8 Layerwise Casting 等量化后端在 Flux-dev 模型上的性能表现。
推荐理由：原文对比了多种量化后端在显存占用和推理速度上的具体表现，并给出了结合CPU卸载等技术的选型建议。
微软在 Build 大会上宣布与 Hugging Face 扩大合作，在 Azure AI Foundry 中提供超过 10,000 个 Hugging Face 模型的快速部署能力。
Hugging Face 推出 Falcon-Edge 系列，这是基于 BitNet 架构的 1.58bit 三元权重语言模型。该系列提供 1B 和 3B 参数版本，包含基础与指令微调模型，并支持 bfloat16、原生 BitNet 及预量化变体以方便微调。Falcon-Edge 在同等规模模型中表现优异，旨在实现边缘设备上的高效部署。
Hugging Face 宣布将 Transformers 库打造为机器学习生态系统的核心枢纽，旨在统一模型定义标准。目前该库支持超过 300 种模型架构，并已与 vLLM、SGLang、llama.cpp 等主流推理引擎及 Axolotl、Unsloth 等训练框架深度集成，实现“一次贡献，全生态可用”。未来团队将进一步简化建模代码 API，降低新模型接入门槛，推动从训练到部署的全链路互操作性。
推荐理由：Hugging Face 将 Transformers 定位为跨框架的模型定义标准，通过简化贡献流程实现与主流推理引擎及训练框架的深度互操作。
Kaggle 上线与 Hugging Face 的集成，支持在 Notebook 中直接加载 HF 模型并自动生成对应页面。用户可通过“Use this model”按钮无缝跳转，私有或受限模型需正常认证。双方正开发离线竞赛支持方案以保障数据完整性。
Hugging Face 在 Inference Endpoints 上推出基于 vLLM 的 OpenAI Whisper 优化部署，性能提升高达 8x。该方案针对 NVIDIA L4/L40s GPU 进行 torch.compile、CUDA graphs 及 float8 KV cache 等底层优化，在保持转录质量的同时显著降低延迟。
Hugging Face 发布博客详细回顾了过去一年视觉语言模型（VLMs）的技术演进，重点解析了 Any-to-any 模型、推理模型、小型化模型及 Mixture-of-Experts 解码器等新趋势。
LeRobot 正通过简化录制与上传流程，推动 Hugging Face Hub 上社区贡献数据集快速增长，旨在构建机器人领域的“ImageNet”。目前 So100 和 Koch 机械臂数据占主导，涵盖抽屉操作、下棋等多样化任务。该举措致力于解决 VLA 模型泛化能力受限于数据多样性的问题，降低硬件门槛以实现更广泛的数据共享。
Hugging Face 博客通过分析 Qwen-3 的 Jinja chat template，指出其相比前代模型在架构上的四项改进。文章展示了 Qwen-3 如何通过 `enable_thinking` 标志实现可选推理，利用滚动检查点机制动态管理上下文以保留多步工具调用的思维链，优化了工具参数的序列化逻辑以避免双重转义，并移除了默认的系统提示词。
Hugging Face 发布指南介绍如何使用 Gradio 库在几行 Python 代码内构建 Model Context Protocol (MCP) 服务器。
推荐理由：原文提供了将 Gradio 应用快速转化为 MCP 服务器的具体代码与配置方法，适合开发者参考以扩展 LLM 的工具调用能力。
Intel 推出 AutoRound，一种用于大语言模型（LLM）和视觉语言模型（VLM）的权重后训练量化（PTQ）方法。该方法通过联合优化权重舍入和裁剪范围，在 INT2-INT8 低比特量化下保持高精度，例如在 INT2 精度下相对准确率比流行基线高 2.1 倍。
Meta 发布 Llama Guard 4，这是一个从 Llama 4 Scout 剪枝而来的 12B 稠密多模态安全模型，支持检测图像和文本中的不安全内容。同时推出两个轻量级 Llama Prompt Guard 2 模型（86M 和 22M 参数），专门用于检测提示词注入和越狱攻击。
推荐理由：原文详细说明了 Llama Guard 4 的架构剪枝来源、多语言分类能力及与上一代在单图和多图场景下的性能对比数据。
ServiceNow Research 在 Hugging Face 博客宣布开源实验性强化学习实现 PipelineRL，旨在解决大规模 LLM RL 训练中推理吞吐量与在线数据收集之间的权衡问题。
推荐理由：原文开源了通过飞行中权重更新解决 RL 训练吞吐与数据新鲜度权衡的实现，并展示了在简化算法下达到竞争性基准结果的技术细节。
Hugging Face 博客发布了名为 Tiny Agents 的实现指南，展示如何用约 50 行 TypeScript 代码构建一个基于 MCP（Model Context Protocol）的智能体。
推荐理由：原文展示了基于 MCP 协议构建极简 Agent 的完整代码逻辑，为开发者提供了理解智能体核心机制的可复用实现方案。
TNG 基于 olmOCR-7B-0225-preview 微调出能忠实提取文档页眉页脚信息的 OCR 引擎，解决了原模型忽略关键业务数据的问题。团队利用 Qwen2.5-VL-72B-Instruct 生成 8,000 份含完整结构的数据集进行训练，在保留表格解析能力的同时实现了全量信息抽取。该微调模型已在 Hugging Face 开源。
Hugging Face 详解大语言模型推理中 Prefill（并行处理输入）与 Decode（串行生成输出）两阶段的差异及其对延迟和吞吐量的影响。文章指出 Prefill 阶段计算密集，而 Decode 阶段受限于 GPU 内存带宽，需通过批处理提升利用率。针对 TNG 在 24 张 H100 GPU 上的部署案例，分析了如何平衡交互应用所需的低延迟与非交互式场景的高吞吐量需求。
Cohere 成为首个在 Hugging Face Hub 直接分享并服务模型的提供商，支持通过 Inference Providers 运行 serverless 推理。
Gradio 是面向机器学习模型的交互框架，而非单纯的 UI 库。其 v4.26 引入 API Recorder，v5.0 支持服务端渲染（SSR）以优化加载性能。Gradio 自动提供 REST API 端点、SDK 及针对 GPU 任务的队列管理，实现从界面到接口的无缝开发体验。
Hugging Face 联合普林斯顿大学推出 HELMET 基准，旨在解决现有长上下文语言模型（LCLM）评估中合成任务与真实性能脱节的问题。该研究评测了 59 款最新 LCLM，发现前沿模型在复杂任务上仍受限，且简单合成任务无法反映下游表现。HELMET 通过多样性、可控性和可靠性三大维度改进评估体系，并支持通过 HuggingFace Transformers 或 TGI 快速部署使用。
Protect AI 与 Hugging Face 合作六个月，已扫描 Hub 上 141 万个仓库中的 447 万模型版本，识别出 35.2 万个不安全或可疑问题。Guardian 新增 PAIT-ARV-100、PAIT-JOBLIB-101、PAIT-TF-200 和 PAIT-LMAFL-300 四个威胁检测模块，覆盖更多文件格式并检测 Keras CVE-2025-1550 等漏洞。
Hugging Face 宣布收购拥有 9 年开源机器人研发经验的 Pollen Robotics，这是其第五次收购。双方将共同推进开源机器人战略，目前提供的首款产品是面向研究和教育的开源人形机器人 Reachy 2，支持 VR 遥操作，售价为 70,000 美元。
推荐理由：原文披露了收购细节及首款开源人形机器人 Reachy 2 的定价与能力，为观察 AI 巨头布局实体硬件提供了具体样本。
Language Technologies Lab 发布 Visual Salamandra，将 Salamandra LLM 扩展至图像与视频多模态任务。该模型基于 70 亿参数基础架构，集成 Google SigLIP 编码器与 MLP 投影器，支持 VQA、OCR 及数学推理等应用。其训练涵盖 610 万指令微调实例，重点强化欧洲语言多样性与多模态对齐能力。
Hugging Face 与 Cloudflare 达成合作，让 FastRTC 开发者通过 Hugging Face token 直接接入企业级 WebRTC 基础设施。该集成在 FastRTC v0.0.20+ 版本可用，每月免费提供 10GB 数据流量，旨在解决 AI 应用部署中 TURN 服务器维护难题并支持低延迟实时音视频流。
Hugging Face 与 MBZUAI 合作上线 Arabic-Leaderboards，新增首个公开阿拉伯语指令遵循基准及 AraGen-03-25。AraGen 数据集扩充至 340 对问答，o1-2024-12-17 以 69.49% 的 3C3H 得分保持榜首，gpt-4o-2024-08-06 排名显著上升。
Hugging Face 正式上架 Meta 发布的 Llama 4 Maverick (~400B) 和 Llama 4 Scout (~109B) 模型权重。
推荐理由：原文详细披露了 Llama 4 Maverick 和 Scout 的 MoE 架构、超长上下文支持及在 Hugging Face 上的集成方式，为开发者提供了从权重下载到推理部署的具体技术路径。
Gradio 月活跃开发者已超 100 万，成为构建 AI Web 应用的主流工具。Hugging Face 团队指出，其成功源于坚持底层原语设计、聚焦机器学习垂直领域以及快速迭代策略。该库通过 Blocks API 支持复杂工作流，并借助 Hugging Face Spaces 实现病毒式传播。