PRX 第三篇：24 小时训练一个文生图模型
Photoroom 在 Hugging Face 博客发布 PRX 系列第三篇，用 32 张 H200、约 1500 美元预算在 24 小时内训练出一个文生图扩散模型。
推荐理由：Photoroom 公开了 24 小时训练文生图模型的完整配方与代码，读者可据此复现并调整各组件。
教程实践
全部主题拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。
最新精选
第 21–40 条 · 共 94 条Hugging Face Blog精选AI 评分6060
Hugging Face Blog精选AI 评分6262 Hugging Face 详解 transformers 中的 MoE 支持：权重加载重构、专家后端与专家并行
Hugging Face 发文介绍 transformers 库为 Mixture of Experts（MoE）模型所做的工程改造，涵盖权重加载重构、专家后端与专家并行三部分。
推荐理由：Hugging Face 官方拆解 transformers 为 MoE 重构的加载、后端与并行方案，并给出 v4 与 v5 的实测对比。
Hugging Face Blog精选AI 评分6262 用 Unsloth 和 Hugging Face Jobs 免费训练 AI 模型
Hugging Face 发布教程，介绍如何通过 Claude Code、Codex 等编码智能体，用 Unsloth 和 Hugging Face Jobs 微调 LiquidAI/LFM2.5-1.2B-Instruct。
推荐理由：原文给出用编码智能体提交 Unsloth 微调任务的完整命令与技能安装方式，可据此复现小模型微调流程。
Hugging Face Blog精选AI 评分6666 Hugging Face 发布 CUDA kernel Agent 技能，Claude 与 Codex 为 LTX-Video 和 Qwen3-8B 生成可用内核
Hugging Face 构建了一个 Agent 技能，教编码智能体编写生产级 CUDA kernel，并用 Claude 和 Codex 在 diffusers 的 LTX-Video 与 transformers 的 Qwen3-8B 两个真实目标上端到端生成了可用的 kernel、PyTorch 绑定和基准脚本。
推荐理由：Hugging Face 把 CUDA kernel 开发经验封装成 Agent 技能，并给出两个真实模型的端到端基准，读者可据此判断这类技能的实际收益。
Hugging Face Blog精选AI 评分6262 OpenEnv 实践：在真实环境中评测工具调用智能体
Meta 与 Hugging Face 联合推出的开源框架 OpenEnv 用于在真实系统而非模拟环境中评测 AI 智能体，Turing 为其贡献了生产级日历管理环境 Calendar Gym。
推荐理由：通过 Calendar Gym 的实测数据，读者能看到工具型智能体在多步推理、歧义消解和参数执行上的具体失败模式。
OpenAI News精选AI 评分6262 OpenAI 详解 Codex App Server：如何嵌入 Codex 智能体
OpenAI 介绍 Codex App Server，这是一个双向 JSON-RPC API，用于把 Codex 智能体嵌入到应用中。该接口支持流式进度、工具调用、审批和 diff 等能力。
推荐理由：官方拆解 Codex App Server 的双向 JSON-RPC 接口，可了解流式进度、工具调用与审批如何接入自有应用。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 upskill：用 Claude 生成 CUDA kernel 技能并教给小模型
Hugging Face 发布新工具 upskill，用大模型生成并评估 agent skill，再交给小模型使用，并以编写 CUDA kernel 为示例任务。
推荐理由：原文给出用大模型生成 Skill 再迁移到小模型的可复用流程，并附 CUDA kernel 实测数据。
Hugging Face Blog精选AI 评分6262 如何用 NVIDIA DGX Spark 和 Reachy Mini 搭建桌面智能体
Hugging Face 博客发布教程，介绍如何用 NVIDIA DGX Spark 与 Reachy Mini 复现 CES 2026 主题演讲中的桌面智能体演示。
推荐理由：原文给出从模型选型到机器人接线的完整复现步骤，读者可据此搭建一套本地可控的桌面智能体。
Hugging Face Blog精选AI 评分6262 Hugging Face 教程：用 Codex 和 HF Skills 端到端微调开源模型
Hugging Face 发布教程，展示如何让 OpenAI Codex 借助 Hugging Face Skills 仓库完成端到端机器学习实验：验证数据集格式、选择硬件、生成并更新训练脚本、提交 Hugging Face Jobs、监控 Trackio 指标、评估 checkpoint 并生成训练报告。
推荐理由：原文给出 Codex 结合 HF Skills 完成端到端微调的完整流程与成本区间，可据此判断能否把训练实验交给编码智能体。
Hugging Face Blog精选AI 评分7171 Hugging Face 让 Claude 微调开源 LLM：Skills 工具实操教程
Hugging Face 发布 Hugging Face Skills 工具，让 Claude Code、Codex、Gemini CLI 等编码智能体能够实际提交云端 GPU 训练任务、监控进度并把模型推送到 Hugging Face Hub。
推荐理由：Hugging Face 官方教程展示用 Claude Code 等编码智能体完成微调全流程，读者可据此复现从数据校验到 GGUF 转换的完整链路。
Hugging Face Blog精选AI 评分6262 用 Core ML 和 MLX 在端侧运行 dots.ocr 的转换实践
Hugging Face 博客发布三部分系列文章，记录如何将 RedNote 的 3B 参数 OCR 模型 dots.ocr 转换到端侧运行，组合使用 Core ML 跑视觉编码器和 MLX 跑 Qwen2.5-1.5B 语言模型主干。
推荐理由：记录了把 3B OCR 模型从 PyTorch 转换到 Core ML 的完整排错过程，对端侧部署有可迁移的参考价值。
Hugging Face Blog精选AI 评分6060 如何用 PyTorch 提前编译让 ZeroGPU Spaces 提速
Hugging Face 发布教程，介绍如何在 ZeroGPU Spaces 中用 PyTorch 提前编译（AoT）替代 torch.compile，避免短生命周期进程反复编译，在 Flux、Wan、LTX 等模型上取得 1.3×–1.8× 加速。
推荐理由：Hugging Face 官方给出 ZeroGPU 上 AoT 编译的完整接入步骤与实测加速数据，可直接迁移到自己的 Space。
Hugging Face Blog精选AI 评分6262 用 Diffusers 和 PEFT 实现 Flux 的快速 LoRA 推理
Hugging Face 发布教程，介绍如何用 Diffusers 和 PEFT 优化 Flux.1-Dev 的 LoRA 推理速度，在 H100 上通过 Flash Attention 3、torch.compile 和 FP8 量化实现约 2.23 倍加速，并借助 hotswap 避免重新编译。
推荐理由：原文给出 Flux LoRA 推理的完整优化配方与实测数据，读者可据此在 H100 或消费级 GPU 上复现加速。
Hugging Face Blog精选AI 评分6262 用 Gradio MCP Servers 为 LLM 添加新能力
Hugging Face 博客介绍如何通过 Gradio 的 MCP 支持，把 Hugging Face Spaces 上的数千个 AI 应用接入 LLM 作为工具使用。
推荐理由：以 Flux.1 Kontext 为例演示如何把 Hugging Face Spaces 上的 MCP 服务器接入 LLM，方法可直接复用。
Hugging Face Blog精选AI 评分6262 在消费级硬件上用 QLoRA 微调 FLUX.1-dev
Hugging Face 发布教程，介绍如何用 QLoRA 配合 diffusers 在单张 GPU 上微调 FLUX.1-dev，峰值显存约 10GB 以内。
推荐理由：给出在单张消费级 GPU 上微调 FLUX.1-dev 的完整配置与显存实测数据，方法可直接复用。
Hugging Face Blog精选AI 评分6262 如何用 LeRobot SO-101 机械臂后训练 Isaac GR00T N1.5
NVIDIA 发布 Isaac GR00T N1.5，这是 Isaac GR00T N1 的首次重大更新，可通过后训练适配具体本体、任务和环境。博客给出完整教程，演示如何用单台 SO-101 机械臂的遥操作数据微调 GR00T N1.5，涵盖环境安装、数据集准备、微调、开环评估和真机部署五步。
推荐理由：原文给出用单臂遥操作数据微调 GR00T N1.5 的完整命令流程，可迁移到其他机器人本体。
Hugging Face Blog精选AI 评分6262 TRL 引入 vLLM 同卡部署，GRPO 训练吞吐最高提升 1.73 倍
TRL 从 v0.18.0 起支持 vLLM 与 GRPO 训练同卡部署（colocate），训练和推理共享同一批 GPU 并轮流执行，不再需要单独的推理服务器。
推荐理由：TRL 把 vLLM 与 GRPO 训练放在同一批 GPU 上，读者可据此判断在线学习训练的显存与吞吐取舍。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Python Tiny Agents：约 70 行代码实现 MCP 驱动的智能体
Hugging Face 发布 Python 版 Tiny Agents，将 huggingface_hub 客户端 SDK 扩展为 MCP Client，可从 MCP 服务器拉取工具并在推理时传给 LLM，核心智能体代码约 70 行。
推荐理由：Hugging Face 把 MCP 客户端并入 huggingface_hub，读者可据此用约 70 行代码搭出可复用工具调用的智能体。
Hugging Face Blog精选AI 评分6060 Hugging Face 开源 nanoVLM：用纯 PyTorch 训练视觉语言模型的最简仓库
Hugging Face 发布 nanoVLM，一个用纯 PyTorch 训练视觉语言模型（VLM）的轻量工具包，可在免费 Colab 上启动训练，灵感来自 nanoGPT。
推荐理由：Hugging Face 开源 nanoVLM，用纯 PyTorch 和可读代码把 VLM 训练流程拆解到可复现，适合想理解多模态对齐细节的读者。
Hugging Face Blog精选AI 评分6262 如何用 Gradio 构建 MCP Server
Gradio 官方发布指南，介绍如何用几行 Python 把 Gradio 应用启动为 MCP Server，让 LLM 以工具形式调用其中的函数。只需在 launch() 中设置 mcp_server=True，函数 docstring 会自动生成工具描述与参数，MCP 端点位于 /gradio_api/mcp/sse，可配置到 Cursor、Cline 等 MCP 客户端。
推荐理由：Gradio 官方给出把任意 Python 函数变成 MCP 工具的最短路径，并列出资源、提示词与鉴权等新增能力。