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
#Hugging Face
Hugging Face BlogAI 评分
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。
如何用 NVIDIA Isaac for Healthcare 构建医疗机器人：从仿真到部署
NVIDIA Isaac for Healthcare v0.4 发布基于 SO-ARM 的端到端入门工作流，覆盖数据采集、GR00T N1.5 后训练与真机部署，可构建自主手术助手机器人。
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。
Hugging Face 提出“语音同意门”：让语音克隆必须先获得本人明确同意
Hugging Face 提出“语音同意门”机制，让语音克隆模型只有在说话人明确说出同意语句后才会启动。该方案由语言模型生成约 20 词的同意句与中性语音多样性句，经 ASR 识别同意内容后，再由 TTS 完成克隆，并建议同意音频直接来自麦克风而非上传文件。团队已提供示例 Space 和配套代码。
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。
LeRobot v0.4.0 发布：数据集 v3.0、PI0.5 与 GR00T N1.5 及硬件插件系统
Hugging Face 发布 LeRobot v0.4.0，带来 LeRobotDataset v3.0 分块 episode 格式与流式加载，支持 OXE 级别（> 400GB）数据集，并提供 lerobot-edit-dataset CLI 用于删除、拆分、合并数据集。
推荐理由：原文列出数据集、仿真环境、多 GPU 训练与硬件插件等具体变化，读者可据此判断开源机器人学习工具链的可用性。
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。
Google Cloud C4 搭配 Intel 与 Hugging Face，让 GPT OSS 的 TCO 提升 70%
Intel 与 Hugging Face 联合测试显示，在搭载 Intel Xeon 6 处理器（Granite Rapids）的 Google Cloud C4 虚拟机上运行 OpenAI GPT OSS 大模型，总拥有成本（TCO）较上一代 C3 实例提升 1.7 倍，即 70%。
如何在 Intel CPU 上三步运行 VLM
Hugging Face 博客给出用 Optimum Intel 和 OpenVINO 在 Intel CPU 上本地运行 SmolVLM2-256M-Video-Instruct 的三步流程：导出 OpenVINO IR、量化、推理。
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。
Hugging Face 推出 BigCodeArena：通过代码执行端到端评判代码生成
Hugging Face 发布 BigCodeArena，这是首个通过实际执行来评估代码生成模型的人类参与平台，支持 10 种语言和 8 种执行环境，可实时运行模型生成的代码并投票对比。平台自 2025 年 2 月上线以来已收集超 14,000 次对话、500 多名用户和 4,700+ 偏好投票，o3-mini 与 o1-mini 在 Elo 排名中持续领先。
用 Core ML 和 dots.ocr 实现 SOTA OCR
Hugging Face 发布三部分系列文章，讲述如何将 RedNote 的 3B 参数 OCR 模型 dots.ocr 转换到端侧运行，该模型在 OmniDocBench 上超过 Gemini 2.5 Pro。
Hugging Face 推出 RTEB：面向真实场景的检索嵌入评测新基准
Hugging Face 发布 Retrieval Embedding Benchmark（RTEB）beta 版，用公开与私有数据集混合的方式评测嵌入模型的真实检索泛化能力。该基准覆盖 20 种语言，聚焦法律、医疗、代码、金融等企业领域，默认榜单指标为 NDCG@10，私有数据集由 MTEB 维护者评测，单个数据集至少含 1k 文档和 50 条查询。
在 Intel Core Ultra 上用深度剪枝草稿模型加速 Qwen3-8B 智能体
Hugging Face 用 OpenVINO.GenAI 在 Intel Core Ultra 上加速 Qwen3-8B 智能体，以 Qwen3-0.6B 作草稿模型做投机解码，生成速度提升约 1.3 倍。
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。
Swift Transformers 发布 1.0，未来将聚焦 MLX 与智能体用例
Hugging Face 的 Swift 库 swift-transformers 发布 1.0 版本，为 Apple Silicon 平台本地模型推理提供 Tokenizers、Hub 和 Core ML 模型封装等组件。
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 推出 SyGra：为 LLM 与 SLM 构建数据的一站式框架
Hugging Face 发布低代码/无代码框架 SyGra，用于为 LLM 和 SLM 生成、转换与对齐数据集，支持 vLLM、Hugging Face TGI、Triton、Ollama 等多种推理后端。该框架覆盖从 SFT 到 DPO 的偏好对生成、知识库转 Q&A、推理增强、质量过滤及跨语言转换等场景，以 Python 库形式集成到现有 ML 工作流。
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 Hub 新增 Scaleway 推理服务商
Hugging Face Hub 现已支持 Scaleway 作为推理服务商，用户可直接在模型页调用 gpt-oss、Qwen3、DeepSeek R1、Gemma 3 等开放权重模型。
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 发布 LeRobotDataset v3.0：多 episode 单文件存储并原生支持流式访问
Hugging Face 发布 LeRobotDataset v3.0，将多个 episode 打包进单个文件，并用关系型元数据在 episode 级别检索信息，解决 v2 每文件单 episode 在百万级数据集下的文件系统瓶颈。
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。
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。
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。
mmBERT：ModernBERT 走向多语言
Hugging Face 发布 mmBERT，一个基于 ModernBERT 架构的多语言编码器模型，在 1800 多种语言、超 3T token 数据上训练，成为首个在性能上超越 XLM-R 的多语言模型。
Google 发布 EmbeddingGemma 多语言嵌入模型
Google 发布 EmbeddingGemma，一个 308M 参数、2K 上下文窗口、支持 100 多种语言的多语言嵌入模型，面向端侧场景，量化后内存占用低于 200MB。
推荐理由：原文给出 308M 参数、2K 上下文与量化后 200MB 内存等指标，可据此判断端侧多语言检索的落地空间。
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。
Hugging Face 用 AoT 编译加速 ZeroGPU Spaces
Hugging Face 介绍如何在 ZeroGPU Spaces 中接入 PyTorch 提前（AoT）编译，让模型只编译一次即可即时重载，在 Flux、Wan、LTX 等模型上获得 1.3×–1.8× 加速。