Thinking Machines 发布 Inkling 多模态大模型及 Inkling-Small
Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文、原生接收图像文本音频输入的开源多模态 MoE 模型，同时推出 276B 总参数 12B 激活的 Inkling-Small。
推荐理由：原文给出 Inkling 的架构细节、部署配置与多模态评测数据，可据此判断其推理成本与适用场景。
#开源生态
#开源生态
今日 4 条Hugging Face Blog精选AI 评分8585 Hugging Face BlogAI 评分5050 Hugging Face 推出 Real World VoiceEQ：衡量语音 AI 的人类质量基准
Hugging Face 发布 Real World VoiceEQ 基准，用于评估语音交互的人类质量，覆盖 40 多个专有与开源语音模型、15+ 评估维度和 60 多项指标，涵盖 ASR、TTS、S2S 与语音理解。
Hugging Face Blog精选AI 评分6767 vLLM 的 transformers 建模后端达到原生推理速度
Hugging Face 宣布 vLLM 的 transformers 建模后端现已达到甚至超过 vLLM 手写原生实现的吞吐，模型作者无需移植即可获得超快推理。
推荐理由：原文给出 transformers 后端在 vLLM 中达到原生速度的实测与单 flag 用法，读者可据此判断现有部署流程是否需要改动。
Hugging Face BlogAI 评分2424 Hugging Face 与 Amazon SageMaker Studio 实现一键深度链接集成
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，开发者在支持的模型页点击 Customize on SageMaker AI 或 Deploy on SageMaker AI，即可一键进入 SageMaker Studio 并预加载所选模型。
Hugging Face Blog精选AI 评分6262 微软在 Foundry Managed Compute 上线 Hugging Face 模型集合
微软在 Build 2026 宣布 Foundry Managed Compute，并在 Microsoft Foundry 模型目录中推出 Hugging Face 模型集合，每周刷新，可一键部署到托管 GPU 平台。
推荐理由：微软把 Hugging Face 开源模型的部署运维层接进 Foundry，读者可据此判断企业落地开源模型的门槛变化。
Hugging Face Blog精选AI 评分6262 SkyPilot 与 Hugging Face 联合推出零出网费存储集成
SkyPilot 与 Hugging Face 联合发布存储集成，用户可用一个 hf:// URL 和已有的 HF_TOKEN 把 Hugging Face Bucket 或任意模型、数据集、Space 仓库挂载进 SkyPilot 任务，并在 20 多个云、Kubernetes、Slurm 和本地环境上运行。
推荐理由：原文给出 hf:// 挂载与零出网费的具体机制和跨云基准数据，读者可据此判断跨云训练存储成本的变化。
Hugging Face BlogAI 评分3030 PRX Part 4：我们的数据策略
Hugging Face 发布 PRX 系列第四篇，详解其数据策略：预训练数据由公开与内部数据集混合组成，用 VLM 重新生成图像长描述，再转为可流式语料。团队用 Lance 构建、MDS 流式训练，图像统一编码为 JPEG quality 92，并将文本编码器从 T5Gemma 换成 Qwen3-VL、改为训练中实时计算文本 latent，实测吞吐仅损失约 3–4%。
Hugging Face BlogAI 评分3434 Hugging Face Kernels 项目重大更新：新增 kernel 仓库类型、可信发布者与代码签名
Hugging Face 为 Kernels 项目引入 Hub 上的 "kernel" 新仓库类型，并新增可信发布者与代码签名两层安全机制，默认只加载可信发布者的 kernel，其他来源需显式传入 trust_remote_code。CLI 方面 kernels 与 kernel-builder 职责分离，框架支持新增 Torch Stable ABI 和 Apache TVM FFI。
Mistral AI精选AI 评分6666 Mistral 发布 Leanstral 1.5：6B 激活参数的形式化验证模型
Mistral AI 发布 Leanstral 1.5，一个 Apache-2.0 许可的模型，总参数 119B、激活参数 6B，在形式化验证上大幅升级。它完全饱和 miniF2F，在 PutnamBench 上解出 587/672 题，并在 FATE-H 取得 87%、FATE-X 取得 34% 的 SOTA 成绩。
推荐理由：原文给出 Leanstral 1.5 在形式化验证基准上的成绩与每道题成本，读者可据此判断开源证明模型的性价比。
Hugging Face Blog精选AI 评分6262 Hugging Face 与 Cerebras 将 Gemma 4 引入实时语音 AI
Hugging Face 与 Cerebras 联合演示了一套实时语音到语音流水线，用 Cerebras 加速 Gemma 4 31B 的推理。该架构为开放可替换的级联栈：Nvidia Parakeet 做语音识别，Gemma 4 VLM 在 Cerebras 上推理，阿里 Qwen3TTS 做文本转语音。
推荐理由：原文给出了可复用的开源语音到语音流水线架构，读者可据此了解各模块如何组合与替换。
Hugging Face Blog精选AI 评分6262 Hugging Face 模型页展示 Every Eval Ever 评测结果
Every Eval Ever（EEE）与 Hugging Face Community Evals 现已互通，评测结果可交叉发布并链接回完整记录。
推荐理由：原文给出 EEE 与 Community Evals 互通的转换器和审核流程，读者可据此判断评测结果如何统一上报与溯源。
Hugging Face BlogAI 评分2222 DiScoFormer：一个 Transformer 同时估计任意分布的密度与 score
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个无需重训练、单次前向即可从数据点估计分布密度与 score 的模型。
Hugging Face Blog精选AI 评分6262 用一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 发布教程，介绍用一条 hf jobs run 命令在 HF 基础设施上启动私有、兼容 OpenAI API 的 vLLM 端点，按秒计费，无需自行配置服务器或 Kubernetes。
推荐理由：原文给出从启动到查询、SSH 调试和接入编码智能体的完整命令，可据此复现私有 vLLM 端点。
Hugging Face BlogAI 评分4242 Hugging Face 与 Treble Technologies 推出 FFASR 远场 ASR 排行榜
Hugging Face 与 Treble Technologies 发布首个开放、社区驱动的远场 ASR 评测榜 FFASR，覆盖 14 个模拟房间，并设有 Lab Measured 与 Lab Simulated 两列做 sim-to-real 验证。
Hugging Face BlogAI 评分3434 在 Transformers.js 中试验拟议的 Cross-Origin Storage API
Google Chrome 团队开发者关系工程师 Thomas Steiner 在 Hugging Face 博客展示如何用 Cross-Origin Storage（COS）扩展在 Transformers.js 中试验跨源缓存。
Hugging Face Blog精选AI 评分6262 Hugging Face 如何用 AI 与开源工具每周发布 huggingface_hub
Hugging Face 将 huggingface_hub 的发布周期从每 4 到 6 周一次改为每周一次，整条流水线跑在单个 GitHub Actions workflow 上，由 OpenCode 驱动开源权重模型（当前为 Z.ai 的 GLM-5.2）起草 release notes 和 Slack 公告，经 HF Inference Providers 提供服务。
推荐理由：Hugging Face 公开了每周发版流水线的完整结构，其中确定性校验加人工审核的循环可迁移到其他生成任务。
Hugging Face Blog精选AI 评分6262 PP-OCRv6 上线 Hugging Face：1.5M 到 34.5M 参数支持 50 语言 OCR
PaddleOCR 发布新一代通用 OCR 模型家族 PP-OCRv6，已在 Hugging Face 上线，提供 tiny、small、medium 三档，参数量从 1.5M 到 34.5M，其中 small 和 medium 支持 50 种语言。
推荐理由：原文给出三档模型参数、检测与识别指标及多后端接入方式，便于读者按部署场景选型。
OpenAI NewsAI 评分4040 OpenAI 推出 Patch the Planet，用 AI 帮开源维护者修复漏洞
OpenAI 推出 Daybreak 计划下的 Patch the Planet，帮助开源维护者借助 AI 与专家审核发现、验证并修复漏洞。
Hugging Face Blog精选AI 评分6262 如何用本地模型免费分诊 OpenClaw 仓库的 PR 与 Issue
Hugging Face 博客分享了用本地模型对 OpenClaw 仓库的 Issue 和 PR 做实时分诊的方案：在 Pi 智能体框架中运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b，通过受限的 reposhell 只读命令补充上下文，再用 final_json 输出分类标签。
推荐理由：原文给出本地模型做 PR/Issue 分类的完整架构与 330 行评测数据，可迁移到其他高吞吐筛选场景。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 agent-eval：用自有工具评测开源模型的智能体能力
Hugging Face 发布 agent-eval 评测工具，用 transformers 作为案例，在 bare、clone、skill 三种配置下跨模型和版本测量智能体完成任务所需的轮次、token 和错误率。
推荐理由：用 transformers 做案例，展示如何按模型规模和版本评测工具对智能体的友好度，并给出可复用的评测工具。
Hugging Face Blog精选AI 评分6262 用 Strands Agents 和 LeRobot 从 Hugging Face Hub 走到机器人硬件
AWS 开源 SDK Strands Robots（Apache 2.0）把 LeRobot 栈封装成 AgentTools，用单个 Strands 智能体串起从 Hub 数据集到实体机器人的流程。
推荐理由：AWS 团队给出从 Hub 数据集到实体机器人的完整五步流程，可据此判断智能体编排机器人栈的落地方式。
Hugging Face Blog精选AI 评分8888 GLM-5.2 发布：面向长周期任务，支持 1M 上下文
智谱发布旗舰模型 GLM-5.2，面向长周期任务，首次在 1M token 上下文上稳定支持长程工作，并采用 MIT 开源许可。新架构 IndexShare 让每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下将每 token FLOPs 降低 2.9 倍，MTP 层改进使投机解码接受长度最高提升 20%。
推荐理由：GLM-5.2 把 1M 上下文落到长周期编码任务上，并给出与闭源前沿模型的基准对比，可据此判断开源模型在长程工程任务中的位置。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Agentic Resource Discovery 参考实现 Discover Tool
Hugging Face 发布 Agentic Resource Discovery（ARD）规范的参考实现 Discover Tool，为 Skills、ML 应用和 MCP Server 提供搜索访问。
推荐理由：Hugging Face 给出 ARD 规范的参考实现与 CLI、REST、MCP 三种接入方式，读者可据此判断智能体能力发现如何从预装转向运行时检索。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的智能体多模态模型，介于边缘端 E4B 与 26B MoE 之间，可在 16GB VRAM 或统一内存上本地运行。
推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，读者可据此判断本地智能体的可行边界。
Hugging Face Blog精选AI 评分6262 如何把 GitHub CI 迁移到 Hugging Face Jobs
Hugging Face 发布教程，介绍如何让 GitHub Actions 把 CI 任务调度到 Hugging Face Jobs 上运行，只需把 runs-on 从 ubuntu-latest 改成 hf-jobs-cpu-upgrade 或 hf-jobs-t4-small 等标签。
推荐理由：原文给出把 GitHub Actions 任务改跑在 Hugging Face Jobs 上的完整步骤与 Trackio 实测数据，可迁移到需要 GPU 的 CI 场景。
Hugging Face Blog精选AI 评分6262 OpenEnv 转为委员会共管，成为智能体 RL 的开源环境协议层
Hugging Face 宣布 OpenEnv 改由委员会协调，成员包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk，项目地址迁至 huggingface/OpenEnv。
推荐理由：OpenEnv 从单一项目转为多方共管的协议层，读者可据此判断开源智能体 RL 环境标准化的路径。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，把多模态输入、多语言覆盖、自定义企业策略执行和可审计推理统一到一次推理调用中。
推荐理由：NVIDIA 把多模态、多语言、自定义策略与可审计推理合并进一次推理调用，并公开训练数据集，便于企业评估安全护栏的落地成本。
Hugging Face BlogAI 评分2828 Reachy Mini 通过 MCP 接入 Hugging Face Spaces 远程工具
Reachy Mini 对话应用现可调用托管在公开 Hugging Face Spaces 上、通过 MCP 协议通信的工具，用户只需执行 reachy-mini-conversation-app tool-spaces add 命令即可为机器人添加天气查询、网页搜索等能力，无需改动应用代码。
Hugging Face Blog精选AI 评分7272 H Company 发布 Holo3.1 系列 computer-use 模型，支持本地量化推理
H Company 发布 Holo3.1 系列 computer-use 模型，基于 Qwen 家族，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重用于本地推理。
推荐理由：Holo3.1 给出跨环境、跨框架与本地量化部署的具体数据，可据此判断 computer-use 智能体在端侧落地的可行性。
Hugging Face Blog精选AI 评分6060 JetBrains 发布 Mellum2：12B MoE 模型，每 token 仅激活 2.5B 参数
JetBrains 发布 Mellum2，一个从零训练、面向自然语言与代码的 12B 参数 MoE 模型，每个 token 仅激活 2.5B 参数，采用 Apache 2.0 许可。官方称其相比同规模模型推理速度超过 2 倍，可用于路由、RAG、摘要、子智能体和高吞吐编码场景，模型已在 Hugging Face 开放下载。
推荐理由：JetBrains 开源 12B MoE 模型，激活 2.5B 参数并主打低延迟，可据此判断它在多模型系统中的定位。
Mistral AI精选AI 评分6262 Mistral AI 发布开源 Search Toolkit 公开预览版
Mistral AI 发布 Search Toolkit 公开预览版，这是一个用于构建 AI 应用生产级搜索管线的可组合框架，将摄取、检索与评测统一到共享接口下，开源且可部署在云端、本地或边缘。
推荐理由：Mistral 把摄取、检索与评测收进同一框架，读者可据此判断自建 RAG 检索链路的整合成本。
Hugging Face BlogAI 评分5050 Reachy Mini 实现完全本地运行：Hugging Face 发布本地语音对话方案
Hugging Face 为 Reachy Mini 推出完全本地化的语音对话方案，基于其 speech-to-speech 级联管线（VAD → STT → LLM → TTS），无需云端和 API key。
Mistral AI精选AI 评分8080 Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体
Mistral 发布 Mistral Medium 3.5，这是一个 128B 稠密模型，采用修改版 MIT 许可开放权重，支持 256k 上下文窗口，在 SWE-Bench Verified 上得分 77.6%，官方称最少四块 GPU 即可自托管。
推荐理由：Mistral 把编码智能体搬到云端并同步开源 128B 新模型，读者可据此判断自托管与异步编码的可行边界。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini for Science 科学工具与实验
Google DeepMind 推出 Gemini for Science，包含 Google Labs 上三个实验性工具和 Google Antigravity 中的 Science Skills。
推荐理由：原文给出三类科学智能体工具的能力分工与开放入口，读者可据此判断科研工作流的可迁移环节。
Hugging Face BlogAI 评分2222 在 AWS 上构建基础模型训练与推理的积木：基础设施、编排与可观测性解析
AWS 发布系列文章，解析基础模型训练与推理在 AWS 上的分层架构，涵盖加速计算、高带宽网络、分布式存储、资源编排与可观测性。
Hugging Face BlogAI 评分2828 vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标
PipelineRL 在 vLLM V0 到 V1 迁移中通过修复四项问题让 V1 与 V0 参考对齐：改用 processed_logprobs、显式设置 V1 运行时默认值、调整 inflight 权重更新路径，以及最终投影使用 fp32 lm_head。
Hugging Face BlogAI 评分3434 Hugging Face 为 Open ASR Leaderboard 引入私有数据集以抵御 benchmaxxing
Hugging Face 联合 Appen Inc. 和 DataoceanAI 为 Open ASR Leaderboard 引入高质量私有英文 ASR 数据集，覆盖多口音的朗读与对话语音，以防止 benchmaxxing 和测试集污染。榜单默认平均 WER 仍仅基于公开数据集计算，用户可通过开关选择是否纳入私有数据集。该榜单自 2023 年 9 月上线以来访问量已超 710K 次。
Google ResearchAI 评分2222 Google Research 如何通过全球合作与开放资源推动科学影响
Google Research 披露其开源工具与开放数据集已服务全球超 25 万名研究者和开发者。其中 DeepVariant、DeepConsensus、DeepPolisher 已支持处理 250 万人的外显子组和全基因组，MedGemma 等 HAI-DEF 模型下载量超 480 万次，Open Health Stack 已在 10 多个国家落地、覆盖超 6500 万受益者。
Hugging Face Blog精选AI 评分6060 Granite 4.1 LLM 是如何构建的：五阶段预训练、SFT 与多阶段 RL 全流程
IBM Granite 团队发布 Granite 4.1 系列稠密 decoder-only LLM（3B、8B、30B），基于约 15T token 的五阶段预训练流程，上下文窗口最长扩展至 512K token，并以 Apache 2.0 许可开源。
推荐理由：Granite 4.1 完整披露五阶段预训练、SFT 与多阶段 RL 的数据配比和训练配置，可对照其 8B 稠密模型追平 32B MoE 的结论。
Hugging Face Blog精选AI 评分7171 NVIDIA 发布 Nemotron 3 Nano Omni：面向文档、音频与视频智能体的长上下文全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni，一款覆盖文本、图像、视频与音频的全模态理解模型，基于 Nemotron 3 Nano 30B-A3B 骨干，搭配 C-RADIOv4-H 视觉编码器和 Parakeet-TDT-0.6B-v2 音频编码器。
推荐理由：NVIDIA 开源的全模态模型，给出架构、训练配方与多榜单对比，可据此判断长文档与音视频智能体的选型空间。