Hugging Face 推出 Falcon-H1-Arabic：混合架构阿拉伯语模型家族
Hugging Face 发布 Falcon-H1-Arabic 阿拉伯语模型家族，含 3B、7B、34B 三个规模，采用 Mamba 与 Transformer 注意力并行的 Falcon-H1 混合架构。
#开源生态
#开源生态
Hugging Face BlogAI 评分
Transformers v5 如何重新设计 tokenization：更简单、更清晰、更模块化
Transformers v5 重新设计了 tokenizer 的工作方式，将 tokenizer 架构与训练好的词表分离，类似 PyTorch 把网络结构与学习到的权重分开。新设计带来更清晰的内部结构、干净的类层级和单一快速后端，让 tokenizer 可检查、可定制、可从零训练。
NVIDIA Nemotron 3 Nano 30B A3B 如何用 NeMo Evaluator 实现开放评测
NVIDIA 发布 Nemotron 3 Nano 30B A3B，并公开其完整评测配方，基于开源库 NeMo Evaluator 构建，任何人可复现评测流程并独立核查结果。
IBM Research 的 CUGA 上线 Hugging Face Spaces，开源可配置通用智能体
CUGA（Configurable Generalist Agent）是 IBM Research 推出的开源可配置通用智能体，采用 Apache 2.0 许可，现已集成到 Hugging Face Spaces 供试用。
Google ResearchAI 评分Google 赞助的非洲健康数据科学 Ideathon 揭晓六个获奖项目
Google 联合 SisonkeBiotik、Ro'ya 和 DS-I Africa 举办非洲健康数据科学 Ideathon，从 30 多份提交中选出六支决赛团队，围绕 MedGemma、TxGemma 和 MedSigLIP 等开放健康 AI 模型开发解决方案。
llama.cpp 新增模型管理功能：router 模式支持动态加载与切换模型
llama.cpp server 新增 router 模式，可在不重启服务的情况下动态加载、卸载和切换多个模型，实现类似 Ollama 的模型管理。
推荐理由：llama.cpp server 新增 router 模式，读者可了解本地多模型动态加载与切换的具体用法和配置项。
Hugging Face 让 Codex 通过 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 仓库完成端到端模型微调实验。
推荐理由：原文给出可复用的 HF-skills 配置与端到端微调流程，读者可据此把训练实验交给编码智能体执行。
Mistral AI精选AI 评分
Mistral 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布新一代编码模型家族 Devstral 2，包含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者均为开源模型，分别采用修改版 MIT 和 Apache 2.0 许可。
推荐理由：官方给出两款开源编码模型的参数、许可与 SWE-bench 成绩，并附与闭源模型的对比，便于判断开源编码模型的当前水位。
OpenAI News精选AI 评分 OpenAI 联合发起 Agentic AI Foundation，并将 AGENTS.md 捐赠给该基金会
OpenAI 在 Linux 基金会下联合发起 Agentic AI Foundation，并将 AGENTS.md 捐赠给该基金会。该基金会旨在支持开放、可互操作的标准，以推动安全智能体 AI 的发展。
推荐理由：OpenAI 把 AGENTS.md 捐给 Linux 基金会下的新基金会，读者可据此了解智能体标准与开源治理的走向。
Mistral 发布 Mistral 3 系列，含 675B 参数 Mistral Large 3 与 3B/8B/14B Ministral 3
Mistral AI 发布 Mistral 3 系列，包括 Mistral Large 3 和 3B、8B、14B 三个尺寸的 Ministral 3，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 一次性放出从 3B 到 675B 的 Apache 2.0 模型家族，读者可据此判断开源权重在端侧与前沿两端的覆盖范围。
Hugging Face 发布 Transformers v5.0.0rc-0
Hugging Face 发布 Transformers v5.0.0rc-0，距 v4 首个候选版已五年，如今该库每天通过 pip 安装超过 300 万次，累计安装量超过 12 亿次。
推荐理由：官方梳理了 v5 在模型定义、训练、推理与量化上的取舍，可据此判断现有工作流是否需要迁移。
Diffusers 支持 FLUX.2，官方给出 4bit 量化推理示例
Hugging Face Diffusers 宣布支持 FLUX.2，并给出基于 diffusers/FLUX.2-dev-bnb-4bit 仓库的完整推理示例，transformer 与 Mistral3 文本编码器均以 bfloat16 加载并启用 CPU offload。
推荐理由：Diffusers 接入 FLUX.2 的示例代码与 4bit 量化仓库地址，可帮读者判断本地部署门槛与显存需求。
Hugging Face TRL 集成 RapidFire AI，微调实验提速最高 20 倍
Hugging Face TRL 正式集成 RapidFire AI，用户可并发运行多个微调与后训练配置并近乎实时比较结果。RapidFire AI 通过自适应分块调度在单张 GPU 上同时跑多个配置，官方基准显示达到同等最佳训练 loss 的时间相比顺序比较提速 15 至 20 倍，并支持 SFT、DPO、GRPO 的 drop-in 配置与 MLflow 仪表盘上的停止、克隆、修改等操作。
Hugging Face Open ASR Leaderboard 新增多语言与长音频赛道，并发布 ASR 趋势预印本
Hugging Face 的 Open ASR Leaderboard 新增多语言与长音频转录赛道，并发布基于 60+ 模型的 ASR 趋势预印本。
AnyLanguageModel 发布：为 Apple 平台本地与云端 LLM 提供统一 API
AnyLanguageModel 是一个 Swift 包，作为 Apple Foundation Models 框架的 drop-in 替代，只需把 import FoundationModels 换成 import AnyLanguageModel 即可保持同一套 API。
Mistral AI 与 SAP、Helsing 达成合作，推进德国主权 AI 布局
Mistral AI 宣布与 SAP 建立多年合作，为德国和欧洲提供完全主权的 AI 技术栈，将其模型集成进 SAP 的 AI Foundation，并联合开发面向复杂行业与政府机构的定制方案。同时与 Helsing 合作加速面向国防与安全应用的视觉-语言-动作模型研发。Mistral AI 还将大幅扩充德国本地团队，并于未来数月内在德国开设办公室。
Google DeepMindAI 评分Google DeepMind 在新加坡开设新研究实验室，扩展亚太布局
Google DeepMind 在新加坡开设新研究实验室，聚焦推进 Gemini 核心能力与亚太语言文化包容性研究，其亚太团队过去一年规模已翻倍以上。新实验室将与当地政府、企业和学术机构合作，此前已与 AI Singapore 推出东南亚语言开放数据平台 Project Aquarium，并支持基于 Gemma 3 多模态能力构建的 SEA-LION v4 发布。
如何用 Hugging Face kernels 构建并分享 ROCm 内核
Hugging Face 的 kernels 库支持用 kernel-builder 构建并分享 ROCm 内核，可运行在 AMD GPU 上并集成进 PyTorch。指南以 RadeonFlow 的 FP8 GEMM 内核为例，该内核针对 AMD Instinct MI300X 优化，采用 e4m3fnuz 格式与分块缩放，曾获 AMD Developer Challenge 2025 大奖。
AMD 联合 Hugging Face 举办开放机器人黑客松，东京与巴黎两站
AMD、Hugging Face 与 Data Monsters 联合举办 AMD Open Robotics Hackathon，首站 12 月 5-7 日在东京，第二站 12 月 12-14 日在巴黎。
Hugging Face 与 Google Cloud 达成新合作，共建开放模型 AI 未来
Hugging Face 宣布与 Google Cloud 建立更深层合作，让企业用开放模型构建自己的 AI。
Hugging Face 分析全球算力格局变迁：中国国产芯片与开源模型的双向推动
Hugging Face 发布分析文章，指出中国开源权重模型的推理已开始由华为昇腾、寒武纪等国产芯片承载，部分模型开始用国产芯片训练。文章认为美国出口管制与中国芯片产能提速高度相关，芯片稀缺也促使 DeepSeek 的 MLA、GRPO 等算力效率创新走向开源。
推荐理由：梳理中国算力从被限制到自建全栈的路径，帮助读者理解开源模型与国产芯片如何互相推动。
用 NVIDIA Isaac 从仿真到部署构建医疗机器人
NVIDIA 发布 Isaac for Healthcare v0.4，提供基于 SO-ARM 的端到端入门工作流，覆盖数据采集、训练与真机部署，可构建自主手术辅助机器人。
OpenAI NewsAI 评分 OpenAI 发布 gpt-oss-safeguard 技术报告
OpenAI 发布 gpt-oss-safeguard 技术报告，介绍 gpt-oss-safeguard-120b 和 gpt-oss-safeguard-20b 两个开放权重推理模型。二者基于 gpt-oss 模型后训练，能依据给定策略进行推理并对内容打标，报告同时给出以原 gpt-oss 模型为基线的安全评估结果。
IBM 发布 Granite 4.0 Nano：最小模型能小到什么程度？
IBM 发布 Granite 4.0 家族中迄今最小的 Granite 4.0 Nano，面向边缘与端侧应用，含 4 个 instruct 模型及对应 base 版本。
huggingface_hub v1.0 发布：迁移到 httpx 与 hf_xet，CLI 全面重写
Hugging Face 发布 huggingface_hub v1.0，这是该库五年来的首个大版本，带来多项破坏性变更。主要变化包括底层从 requests 迁移到 httpx、文件传输全面改用 hf_xet 取代 hf_transfer，以及用基于 Typer 的 hf CLI 替换已弃用的 huggingface-cli。
推荐理由：官方梳理了 huggingface_hub v1.0 的破坏性变更与迁移路径，可据此评估自家依赖库的升级成本。
Hugging Face 改进 datasets 流式加载，请求量减少 100 倍
Hugging Face 发布 datasets 与 huggingface_hub 的流式加载改进，load_dataset(streaming=True) 接口保持不变即可获得性能提升。
推荐理由：官方给出流式加载的请求量、解析速度与吞吐变化，可据此判断大规模训练的数据管线是否值得切换。
Meta 与 Hugging Face 联合推出 OpenEnv Hub 智能体环境共享平台
Meta 与 Hugging Face 合作推出 OpenEnv Hub，一个面向智能体环境的开放共享社区平台，环境定义智能体完成任务所需的工具、API、凭证和执行上下文。
推荐理由：Meta 与 Hugging Face 联合推出智能体环境共享 Hub，并同步开放 0.1 规范 RFC，读者可据此了解智能体训练与部署的标准化路径。
Sentence Transformers 正式加入 Hugging Face
Sentence Transformers 从 TU Darmstadt 的 UKP Lab 转由 Hugging Face 维护，Hugging Face 的 Tom Aarsen 自 2023 年底起已负责该项目并将继续领导。
Hugging Face 与 VirusTotal 合作加强 AI 安全
Hugging Face 宣布与威胁情报平台 VirusTotal 合作，即日起对 Hub 上 220 万+ 公开模型和数据集仓库进行持续扫描。用户访问仓库或文件页面时，Hub 会自动将文件哈希与 VirusTotal 威胁情报库比对，返回检测数量、已知恶意关联等元数据，且不共享原始文件内容。组织可将 VirusTotal 检查集成到 CI/CD 或部署流程中，在下载或集成文件前识别恶意资产。
Hugging Face 发布开源 OCR 模型选型与部署指南
Hugging Face 发布指南，梳理 Chandra、OlmOCR-2、PaddleOCR-VL、DeepSeek-OCR、dots.ocr、Granite-Docling-258M。
推荐理由：梳理了当前开源 OCR 模型的输出格式、基准与本地部署方式，可据此为具体文档场景选型。
Hugging Face AI Sheets 新增视觉支持，可在表格中提取、生成和编辑图像
Hugging Face 为开源工具 AI Sheets 发布重大更新，新增视觉支持，可在表格中查看、分析图像并提取信息、生成和编辑图像，无需写代码。图像列支持提取文字、图像问答、目标检测、上色、添加文字等操作，文字列支持摘要、关键词提取和翻译，每个 AI 动作由提示词和模型定义，底层通过 Inference Providers 调用数千个开放模型。
Hugging Face 发起 AI for Food Allergies 项目：用 AI 推进食物过敏研究
Hugging Face 发起 AI for Food Allergies 项目，计划打造首个社区驱动的研究实验室，探索 AI 如何推进食物过敏研究。全球约 2.2 亿人患有至少一种食物过敏，美国约占总人口 10%。项目将连接前沿 AI 与生物医学，开发开放协作项目，服务研究者、临床医生与患者。
NVIDIA 发布 Nemotron-Personas-India：面向主权 AI 的合成印度人设数据集
NVIDIA 发布 Nemotron-Personas-India，首个对齐印度真实人口、地理与文化分布的开放合成 Indic 人设数据集，采用 CC BY 4.0 许可。
Arm 将参展 PyTorch Conference，邀开发者共探 AI 部署
Arm 将于 10 月 22-23 日参展 PyTorch Conference，展示如何用 PyTorch 和 ExecuTorch 构建与部署 AI 应用。
NVIDIA 发布 Nemotron-Personas-Japan：面向主权 AI 的日语合成数据集
NVIDIA 发布首个面向日本的主权 AI 开源合成数据集 Nemotron-Personas-Japan，含 600 万条日语合成人物画像（100 万条记录、每条 6 个画像），总 token 约 14 亿，覆盖约 95 万个独特姓名和 1500 以上职业类别，以 CC BY 4.0 许可开放商用。
Hugging Face 发布 Smol2Operator：面向 Computer Use 的 GUI 智能体后训练方案
Hugging Face 开源 Smol2Operator，以 SmolVLM2-2.2B-Instruct 为基线，通过两阶段训练将无 grounding 能力的视觉语言模型变为可操作 GUI 的智能体。
Hugging Face 发布 Gaia2 智能体基准与 ARE 研究环境
Hugging Face 发布 GAIA 的后续智能体基准 Gaia2，并配套开源 Meta Agents Research Environments（ARE）框架，用于运行、调试和评估智能体。
推荐理由：Gaia2 把智能体评测从只读检索扩展到读写交互，并给出各模型在歧义、适应性和时间推理上的差距。
Hugging Face 联合发起 RiskRubric.ai：为 AI 模型提供标准化风险评估
Cloud Security Alliance 与 Noma Security 牵头、Haize Labs 和 Harmonic Security 参与，推出 RiskRubric.ai，对 Hugging Face 上超 50 万模型按透明度、可靠性、安全、隐私、安全性与声誉六大维度打分，输出 0-100 分及 A-F 等级。
Public AI 成为 Hugging Face Inference Providers 新成员
Public AI 现已作为 Inference Provider 接入 Hugging Face Hub，用户可直接调用 Swiss AI Initiative、AI Singapore 等机构的公共主权模型。
Hugging Face 用 Gradio 为 AI 生成内容添加可见水印
Hugging Face 在 Gradio 中推出可见水印功能，只需在 gr.Image、gr.Video 或 gr.Chatbot 组件中加入 watermark 参数即可为 AI 生成的图像、视频和文本添加水印。水印支持文件名、图像或 numpy 数组，还可使用 QR 水印承载更多信息；文本水印会在用户复制 AI 回复时自动显示，以增强 AI 透明度与披露。