WRITER 发布 Palmyra-mini 系列开源小模型，含两款推理变体
WRITER 发布 Palmyra-mini 系列三款开源模型，参数规模 1.5B 至 1.7B，包括非思考基座 palmyra-mini 及两款 CoT 推理变体 palmyra-mini-thinking-a 和 palmyra-mini-thinking-b。
#开源生态
#开源生态
Hugging Face BlogAI 评分
Hugging Face 详解为 gpt-oss 引入 transformers 的优化技巧
Hugging Face 官方博客介绍了为支持 OpenAI gpt-oss 系列而在 transformers 中做的一系列升级，包括可从 Hub 下载的零构建内核、MXFP4 量化、张量并行、专家并行、动态滑动窗口缓存、连续批处理与分页注意力，以及更快的模型加载。
Hugging Face Hub 上的任意 LLM 现可用 Together AI 微调
Together AI 与 Hugging Face 联合推出新能力，Hub 上任意兼容 LLM 均可通过 Together AI 基础设施微调，训练后可部署推理、下载或回传 Hub。该功能支持公开与私有仓库，100B 参数以下的 CausalLM 模型均可使用，只需几行 API 调用即可完成。Slingshot AI 等早期用户已将其接入模型开发流程，加速迭代周期。
Hugging Face 用 Jupyter Agent 训练小模型做数据分析智能体
Hugging Face 发布 Jupyter Agent 项目，通过生成高质量训练数据并微调 Qwen3-4B，让模型能在 Jupyter Notebook 中执行代码完成数据分析任务。
SandboxAQ 发布 SAIR：500 万+ AI 生成蛋白质-配体结构数据集加速药物研发
SandboxAQ 发布 Structurally Augmented IC50 Repository（SAIR），这是目前最大的共折叠 3D 蛋白质-配体结构数据集，包含超 500 万个 AI 生成的高精度结构，每个结构均配有 ChEMBL 或 BindingDB 的实验测定 IC₅₀ 标签。
NVIDIA 发布 600 万条多语言推理数据集 Nemotron Post-Training Dataset V2
NVIDIA 发布 Nemotron Post-Training Dataset V2，将英文推理数据翻译为法语、德语、意大利语、日语和西班牙语五种语言，共 600 万条多语言推理样本。
从零到 GPU：构建与扩展生产级 CUDA Kernel 指南
Hugging Face 发布 kernel-builder 库，让开发者可在本地开发自定义 CUDA kernel，再针对多种架构构建并发布到 Hugging Face Hub 供他人通过 get_kernel 直接调用。
OpenAI News精选AI 评分 OpenAI 发布开放权重模型，推进 AI 普及
OpenAI 发布其能力最强的开放权重模型，称这是让先进 AI 更开放、灵活并覆盖全球的一步。官方表示，其使命是让尽可能多的人用上 AI，此次发布是朝这一方向的重要进展。
推荐理由：OpenAI 官方说明开放权重模型发布，读者可了解其开放与可及性主张。
OpenAI NewsAI 评分 OpenAI 评估 gpt-oss 开放权重的最坏情况前沿风险
OpenAI 在论文中研究了发布 gpt-oss 的最坏情况前沿风险，提出"恶意微调"（MFT）方法，通过微调让 gpt-oss 在生物学和网络安全两个领域尽可能发挥最大能力。
OpenAI News精选AI 评分 OpenAI 发布 gpt-oss-120b 与 gpt-oss-20b 开放权重模型
OpenAI 发布 gpt-oss-120b 与 gpt-oss-20b 两款开放权重语言模型，采用 Apache 2.0 许可。官方称其在推理任务上优于同规模开放模型，具备较强工具调用能力，并针对消费级硬件的高效部署做了优化。
推荐理由：OpenAI 开放权重模型以 Apache 2.0 发布，读者可据此判断消费级硬件部署与工具调用的可行边界。
OpenAI News精选AI 评分 OpenAI 发布 gpt-oss-120b 与 gpt-oss-20b 开放权重推理模型
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重推理模型，采用 Apache 2.0 许可，并适用 gpt-oss 使用政策。
推荐理由：OpenAI 公开两款开放权重推理模型的许可与使用政策，可据此了解其开放范围与使用条件。
OpenAI 发布开源模型家族 GPT OSS
Hugging Face 博客发文欢迎 OpenAI 推出新的开源模型家族 GPT OSS。
Mistral AI精选AI 评分
Mistral 发布 Voxtral 语音理解模型，24B 与 3B 双版本 Apache 2.0 开源
Mistral AI 发布 Voxtral 语音理解模型，提供 24B 和 3B 两个版本，均以 Apache 2.0 协议开源并上线自家 API。模型支持 32k token 上下文，可处理最长 30 分钟音频转写或 40 分钟音频理解，具备内置问答与摘要、多语言自动检测和语音触发函数调用能力，并保留 Mistral Small 3.1 的文本能力。
推荐理由：官方给出两款语音理解模型的尺寸、开源协议与 API 定价，可对照 Whisper、GPT-4o mini 等基准判断其成本位置。
Mistral AI 推出 AI for Citizens 计划，助力各国政府自主掌控 AI
Mistral AI 推出 AI for Citizens 协作计划，帮助各国政府和公共机构战略性地运用 AI 改造公共服务、推动创新并保障竞争力。该计划提供开放模型、自托管部署、数据主权保障及定制化研发，已与法国、卢森堡、新加坡、荷兰、英国、瑞士等国政府及公共机构合作。
Gemma 3n 在开源生态中全面开放
Hugging Face 博客宣布 Gemma 3n 已在开源生态中全面开放。
Mistral AI 与 All Hands AI 发布智能体编码模型 Devstral，Apache 2.0 开源
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体 LLM Devstral，以 Apache 2.0 许可开源。
推荐理由：官方给出 Devstral 在 SWE-Bench Verified 的分数与开源许可，读者可据此判断它能否用于本地或企业代码智能体。
Falcon-Edge 系列 1.58bit 语言模型发布，支持通用微调
Hugging Face Blog 发布 Falcon-Edge 系列，这是一系列强大、通用且可微调的 1.58bit 语言模型。
Hugging Face 收购 Pollen Robotics，将开卖开源机器人
Hugging Face 收购 Pollen Robotics，并计划借此销售开源机器人。
Llama 4 Maverick 与 Scout 上线 Hugging Face
Hugging Face 发布博客欢迎 Llama 4 Maverick 与 Scout 上线，正文内容未能获取。
Mistral AI 发布 Mistral Small 3.1，支持多模态与 128k 上下文
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens 每秒，以 Apache 2.0 许可开源。
推荐理由：官方给出 Mistral Small 3.1 的基准对比、128k 上下文与单卡部署门槛，可据此判断小模型选型。
Google 发布 Gemma 3：多模态、多语言、长上下文开源大模型
Google 发布 Gemma 3，官方将其定位为多模态、多语言、长上下文的开源大模型。Hugging Face 博客以“Welcome Gemma 3”为题介绍该模型，原文正文未抓取到，具体参数与能力细节暂缺。
LeRobot 进入驾驶学校：全球最大开源自动驾驶数据集
Hugging Face 博客发布 LeRobot 相关新内容，标题称其为全球最大的开源自动驾驶数据集。
Hugging Face 开源 DeepResearch 搜索智能体
Hugging Face 发布开源项目 DeepResearch，将搜索智能体开放出来供免费使用。
Mistral AI 发布 Apache 2.0 许可的 24B 模型 Mistral Small 3
Mistral AI 发布 Mistral Small 3，一个 24B 参数、Apache 2.0 许可的延迟优化模型，官方称其性能与 Llama 3.3 70B instruct 相当，同硬件上速度超过 3 倍。
推荐理由：24B 模型对标 3 倍参数竞品并给出本地部署门槛，可据此判断小模型在自有硬件上的可用边界。
Open-R1：DeepSeek-R1 的完全开源复现项目
Hugging Face 发布 Open-R1，对 DeepSeek-R1 进行完全开源的复现。原文正文抓取失败，仅标题可用。
Hugging Face 发布 ModernBERT，作为 BERT 的替代方案
Hugging Face 发布 ModernBERT，称其为 BERT 的替代方案。
Falcon 3 系列开源模型发布
Hugging Face 发布 Falcon 3 系列开源模型。
Mistral AI 发布 124B 开源多模态模型 Pixtral Large
Mistral AI 发布 Pixtral Large，一个基于 Mistral Large 2 构建的 124B 开放权重多模态模型，含 1B 参数视觉编码器和 128K 上下文窗口，可容纳至少 30 张高分辨率图像。
推荐理由：原文给出 Pixtral Large 的基准成绩与开放权重入口，读者可据此判断开源多模态模型与闭源前沿的差距。
Hugging Face 上 5 个最被低估的工具
Hugging Face 博客盘点了 Hub 上 5 个常被忽视的工具：ZeroGPU、多进程 Docker、Gradio API、Webhooks 和 Nomic Atlas。
Hugging Face 通过 Packing 与 Flash Attention 2 提升训练效率
Hugging Face Transformers 新增 DataCollatorWithFlattening，使无 padding 的 packing 训练与 Flash Attention 2 兼容，避免跨样本注意力。
ggml 入门指南：面向 Transformer 推理的 C/C++ 机器学习库
Hugging Face 发布 ggml 入门指南，介绍这个用 C/C++ 编写、专注 Transformer 推理的开源 ML 库。ggml 核心库自包含在不到 5 个文件中，编译后二进制小于 1MB，支持 x86_64、ARM、Apple Silicon、CUDA 等硬件及量化张量。ollama、LM Studio、GPT4All 等项目均基于 ggml 实现端侧 LLM。
Hugging Face 收购 XetHub，将用其技术替换 Hub 的 Git LFS 存储后端
Hugging Face 宣布收购西雅图公司 XetHub，其 12 人团队将加入并帮助 Hub 从 Git LFS 切换到自研的存储与版本管理后端。XetHub 的分块存储与去重技术可让 10GB Parquet 文件只重传新增行所在的少量分块，GGUF 模型文件改一个元数据值也只需重传几 KB。
推荐理由：Hugging Face 收购 XetHub 并计划替换 Git LFS 存储后端，读者可了解 Hub 大文件版本管理将如何变化。
Llama 3.1 发布：8B、70B、405B 三尺寸，支持 128K 上下文与多语言
Meta 发布 Llama 3.1 系列，包含 8B、70B、405B 三个尺寸的 base 与 instruct 版本共六个开放权重模型，均支持 128K token 上下文和英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语、泰语 8 种语言，并新增工具调用能力。
推荐理由：Hugging Face 官方梳理了 Llama 3.1 三个尺寸的显存需求、量化方案与微调路径，可据此估算部署成本。
Hugging Face 教程：用 Core ML 在 Mac 上运行 Mistral 7B
Hugging Face 发布教程，介绍如何借助 WWDC 24 的新 Core ML 特性在 Mac 上运行 Mistral 7B，并用 4-bit 分块量化把模型压到约 3.8G，低于 float16 转换的 14G。
Hugging Face TGI 推出 Multi-LoRA 服务：一次部署可服务 30 个模型
Hugging Face 为 TGI 推出 Multi-LoRA 服务，只需部署一次基础模型，即可按请求中的 adapter_id 动态调用多个 LoRA 适配器。
推荐理由：Hugging Face 官方给出 TGI Multi-LoRA 的部署步骤与成本数据，读者可据此评估单次部署承载多适配器的可行性。
Hugging Face 发布 Docmatix：面向文档视觉问答的超大规模数据集
Hugging Face 发布 Docmatix，一个包含 240 万张图像、950 万问答对（源自 130 万份 PDF）的文档视觉问答数据集，规模是此前数据集的 240 倍。
Mistral AI 发布数学推理模型 Mathstral 7B
Mistral AI 发布专攻 STEM 的数学推理模型 Mathstral 7B，基于 Mistral 7B，在 MATH 上得分 56.6%、MMLU 上得分 63.47%。
NuminaMath 如何赢得首届 AIMO 进步奖
Numina 与 Hugging Face 合作的 NuminaMath 7B TIR 赢得首届 AIMO 进步奖，在私有测试集 50 题中解出 29 题。方案基于 DeepSeekMath-Base 7B 做两阶段微调，先学自然语言链式推理，再用 GPT-4 生成的工具集成推理数据训练模型调用 Python REPL。
推荐理由：NuminaMath 团队复盘了夺冠方案的两阶段微调、SC-TIR 解码与内部验证集设计，可供做数学推理微调的人参考。
Hugging Face 与 KerasHub 集成：Transformers 模型可直接加载
Hugging Face 与 KerasHub 实现共享模型保存格式，Hub 上 30 万+ Transformers 模型现可直接加载进 KerasHub，首批支持 Gemma 1/2、Llama 3 和 PaliGemma。
Banque des Territoires × Polyconseil × Hugging Face：用主权数据方案升级法国大型环保项目
Banque des Territoires、Polyconseil 与 Hugging Face 合作，为法国 EduRénov 校园生态改造计划搭建基于 RAG 的主权数据方案，项目第一阶段已完成。