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 重构官方命令行工具 hf CLI，使其同时服务人类用户和编码智能体，通过环境变量自动识别 Claude Code、Codex、Cursor 等智能体并切换输出格式。
推荐理由：官方给出 hf CLI 面向智能体重构的细节与基准数据，可据此判断命令行工具如何适配编码智能体。
DharmaOCR 团队将 Direct Preference Optimization（DPO）用于结构化 OCR 任务，把正确转录设为 chosen、重复退化循环设为 rejected，在 SFT 之后追加第二阶段训练，使所有测试模型家族的文本退化率平均下降 59.4%，最佳达 87.6%（Nanonets-OCR2–3B 从 1.61% 降至 0.20%）。
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。
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。
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。
Hugging Face 发布 PyTorch 性能分析系列第一篇，讲解如何用 torch.profiler 分析矩阵乘法与加法。
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。
Hugging Face 在 TRL 中落地 Delta Weight Sync：只把 RL 优化器步之间真正变化的 bf16 权重编码成稀疏 safetensors 文件，上传到 Hugging Face Bucket，再由 vLLM 拉取应用。
推荐理由：TRL 把稀疏增量权重同步落到可 pip 安装的实现，读者可据此判断跨机房异步 RL 的部署成本变化。
Hugging Face 发布 AI Agent 术语表，重点厘清 harness 与 scaffold 的区别：scaffold 是定义模型行为的系统提示词、工具描述与上下文管理层，harness 是调用模型、处理工具调用并决定何时停止的执行层，社区常用「Agent = Model + Harness」概括。
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。
Hugging Face 发布 OlmoEarth v1.1，通过将 Sentinel-2 多分辨率 token 合并为单一 token 缩短序列长度，在保持 v1 性能的同时将计算成本最多降低 3 倍。该系列包含 Base、Tiny 和 Nano 三个尺寸，权重与训练代码已开放，微调与推理速度显著提升，但部分任务存在性能回退。
Hugging Face 发布六款 Ettin Reranker 系列 Sentence Transformers CrossEncoder 重排序模型，参数量从 17m 到 1b，均在其规模上达到 SOTA。模型基于 Ettin ModernBERT 编码器，采用以 mxbai-rerank-large-v2 分数为目标的逐点 MSE 蒸馏配方训练，并同步开源训练数据与完整训练流程。
PaddleOCR 3.5 发布，支持通过设置 engine="transformers" 让 PP-OCRv5、PaddleOCR-VL 1.5 等模型以 Hugging Face Transformers 作为推理后端运行。
Hugging Face 发布两款基于 ModernBERT 的 Apache 2.0 多语言嵌入模型：97M 参数的 granite-embedding-97m-multilingual-r2 在 MTEB Multilingual Retrieval 上得分 60.3。
Hugging Face 发文解析如何在连续批处理中实现异步化，通过 CUDA stream 将 CPU 批次准备与 GPU 批次计算解耦并行，消除同步批处理中两者轮流等待的空闲间隙。
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。
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。
DeepInfra 正式加入 Hugging Face Hub 的 Inference Provider 生态，首批支持对话与文本生成任务，可调用 DeepSeek V4、Kimi-K2.6、GLM-5.1 等开源权重模型。
OpenAI 本周在 Hugging Face Hub 发布开源 PII 检测器 Privacy Filter，可在单次 128k 上下文前向传播中标注八类个人信息。
推荐理由：文章用三个可运行示例拆解了把 PII 检测模型接入 Web 应用的工程分工，适合参考其前后端拆分方式。
Hugging Face 发布 Transformers.js 浏览器扩展教程，演示如何在 Manifest V3 约束下用 Gemma 4 E2B 构建本地 AI 功能。
Hugging Face 发布 QIMMA قِمّة，一个先验证基准质量再评测模型的开源阿拉伯语 LLM 排行榜，整合 14 个来源基准的 109 个子集、超 52,000 条样本，覆盖 7 大领域且 99% 为原生阿拉伯语内容。
Hugging Face 发文指出，Mythos 这类前沿 AI 模型嵌入特定系统后可快速发现并修补软件漏洞，其能力并非来自单一模型，而是算力、代码数据、漏洞探测脚手架与系统自主性组合的结果。文章认为开源生态能把检测、验证、协调与补丁分发分散到社区，避免闭源单点失效，并主张用可审计的半自主 AI 智能体构建防御。
Hugging Face 将 RLVE 框架从单轮推理题扩展到多轮、工具增强的电商对话，推出 EcomRLVE-GYM，包含产品发现、替代品、购物车搭建、退货、订单追踪、政策问答、组合规划、多意图旅程 8 个可验证环境，每个环境配备程序化题目生成、12 轴难度课程和算法可验证奖励。
Sentence Transformers 现已支持训练和微调多模态嵌入与重排序模型，作者以 Qwen/Qwen3-VL-Embedding-2B 微调视觉文档检索（VDR）为例演示流程。
Hugging Face 发布一个 Skill 和配套测试框架，帮助贡献者把 transformers 模型移植到 mlx-lm，使模型加入 transformers 后能较快在 MLX 上可用。
推荐理由：原文给出可复用的 Skill 与测试框架，读者能了解如何把 transformers 模型快速移植到 mlx-lm。
Hugging Face 发布 VAKRA 基准，用于评估 AI 智能体在企业级环境中的推理与行动能力，覆盖 62 个领域、8,000+ 本地托管 API，任务需 3-7 步推理链。
HCompany 发布 HoloTab，一款 Chrome 扩展，可在浏览器内像人一样操作网页，自动完成跨网站任务，无需任何配置或技术技能。HoloTab 支持 routines 功能，用户录制一次操作流程后即可重复运行或定时执行，其底层运行视觉模型、动作规划和界面理解。该扩展基于 3 月 31 日发布的 Holo3 computer-use 模型，目前免费开放使用。
推荐理由：HCompany 把自家 computer-use 模型做成免费 Chrome 扩展，读者可据此判断浏览器内自动化任务的门槛变化。
Sentence Transformers v5.4 更新后，可用同一套 API 对文本、图像、音频和视频进行编码与比较，并支持多模态重排模型对混合模态文档打分。
推荐理由：Sentence Transformers v5.4 把文本、图像、音频、视频统一进同一套嵌入与重排 API，读者可据此判断多模态检索管线的落地方式。
Overworld 发布实时视频世界模型 Waypoint-1.5，在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境，并新增面向更广消费级硬件的 360p 档位，后续将支持 Apple Silicon Mac。
推荐理由：Waypoint-1.5 给出 720p 与 360p 两档本地实时世界模型，读者可据此判断消费级硬件跑交互式生成世界的门槛。
Safetensors 已作为 Linux 基金会旗下 PyTorch 基金会托管项目，与 DeepSpeed、Helion、Ray、vLLM 和 PyTorch 并列，商标、仓库与治理权归属 Linux 基金会而非单一公司。
Google DeepMind 的 Gemma 4 多模态模型家族已在 Hugging Face 上线，采用 Apache 2 许可，支持图像、文本和音频输入并生成文本，共五个尺寸：E2B、E4B、12B Unified、31B 和 26B A4B。
推荐理由：Gemma 4 五档尺寸与 12B 无编码器统一多模态的架构取舍，为端侧多模态选型提供了具体参照。
阿布扎比 TII 的 Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早期融合 Transformer，用自然语言提示做开放词汇定位与分割，在 SA-Co 上达到 68.0 Macro-F1，高于 SAM 3 的 62.3，但在存在性校准上落后（MCC 0.64 对 0.82）。
推荐理由：原文给出 0.6B 早期融合模型在 SA-Co 与 PBench 上的分项对比，可据此判断单栈架构相对模块化流水线的取舍。
Hugging Face 发布 gradio.Server，它扩展 FastAPI，让开发者用 React、Svelte 或原生 HTML/JS 等自定义前端，同时保留 Gradio 的排队、SSE 流式、并发控制、MCP 支持和 Spaces 上的 ZeroGPU。
推荐理由：原文给出 gradio.Server 的完整后端示例，读者可据此判断自定义前端如何接入 Gradio 的队列与 ZeroGPU。
IBM 发布 Granite 4.0 3B Vision，一个面向企业文档理解的紧凑型视觉语言模型，以 LoRA 适配器形式叠加在 Granite 4.0 Micro 之上，采用 Apache 2.0 许可并在 Hugging Face 上线。
推荐理由：Granite 4.0 3B Vision 以 LoRA 适配器形式发布，并给出图表与表格抽取的基准对比，可据此判断小模型在企业文档场景的可用性。
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，其中 CodonRoBERTa-large-v2 以困惑度 4.10、Spearman CAI 相关性 0.40 明显优于 ModernBERT。团队随后扩展到 25 个物种，用 55 GPU-hours 训练出 4 个生产模型，并搭建了目前其他开源项目未提供的物种条件化系统。
Hugging Face 发布 TRL v1.0，将这一原本的研究代码库正式定位为带稳定性承诺的后训练库，目前实现超过 75 种后训练方法，月下载量 300 万次。
推荐理由：TRL v1.0 把稳定核心与实验层分开，并给出与同类后训练库的横向对比，便于判断选型。
Anthropic 正在限制 Pro/Max 订阅者在开放智能体平台中使用 Claude 模型，Hugging Face 给出两条把 OpenClaw、Pi 或 Open Code 智能体迁到开源模型的路径。
推荐理由：给出托管与本地两条迁移路径和具体命令，读者可据此把被限制的智能体切到开源模型。
ServiceNow 在 Hugging Face 发布 EVA，一个面向对话式语音智能体的端到端评测框架，同时给出 EVA-A（准确率）和 EVA-X（体验）两个分数，并称是首个联合评估任务成功与对话体验的框架。
Mistral AI 发布首个文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言，具备情感表达与零样本跨语言音色适配能力。
推荐理由：原文给出 4B 参数、9 种语言与 70ms 延迟等具体指标，读者可据此判断语音智能体的成本与可用性。