OpenAI 如何将 Habitat 扩展为支撑 10 亿 ChatGPT 用户的在线存储平台

OpenAI 将内部存储系统 Habitat 从 Python 库演进为全球分布式存储平台，支撑超 10 亿 ChatGPT 用户、每秒 2200 万次请求。该平台用于应对 ChatGPT 规模增长带来的在线存储需求。

Mistral AIAI 评分3838

Cloudera 与 Mistral 达成合作，将主权 AI 引入企业数据平台

Mistral 与 Cloudera 达成合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持控制权。企业还能在受控环境中用专有数据训练自有模型，基于开放权重拥有数据和由此产生的智能。Cloudera 平台上客户管理的数据规模达 30 exabytes。

DeepSeek 开源了一些新的代码仓库，方便更容易地部署 V4.1 Flash 以及后续的开源模型，包括 github.com/deepseek-ai/deeps…、github.com/deepseek-ai/DeepS…、github.com/deepseek-ai/DeepJ… 三个仓库链接。

Hugging Face BlogAI 评分3838

Hugging Face Jobs 上用 LoRA 实现异步 GRPO：一个 Bucket、一个代理，无需 NCCL

TRL v1.14 的 AsyncGRPOTrainer 现已支持只训练并同步 LoRA adapter 到 vLLM，rank-1 adapter 仅几 MB，可通过挂载在三个 HF Jobs 上的 Storage Bucket 传输，无需 NCCL。

商汤以“Models + Token Factory + Agent Harness”策略走差异化 AI 商业化路径

商汤（SenseTime）以“Models + Token Factory + Agent Harness”策略推进 AI 商业化，不再盲目追求模型规模，转而帮客户完成真实任务。

Mistral AIAI 评分4040

Mistral 如何用 AI 智能体现代化改造复杂遗留代码

Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 迁移至 C++，对象是一个无测试套件、无集中文档的物理密集型油藏模拟器。团队先构建数值一致性校验框架，再用 Vibe CLI 调度上百个智能体解析调用树并生成文档，最终采用人工介入的 coder、tester、reviewer 智能体工作流逐模块迁移。

GitHub Blog · AI & ML精选AI 评分6666

GitHub 推出 Project HydraFusion 多模型编排研究预览

GitHub 发布 Project HydraFusion 研究预览，在运行时通过多模型编排完成任务，已面向所有 GitHub Copilot 套餐开放，可在 GitHub Copilot CLI 中通过 /experimental 启用。

本地 GGUF 推理在长上下文长度下速度最高提升 3.3 倍

Unsloth 宣布 GLM-5.3-Flash 本地运行速度提升至 3.3 倍，本地 GGUF 推理经优化解码和多 token 预测后提速 1.6–3.4×。用户可通过 Unsloth Desktop 或 llama.cpp 在 128GB 配置上运行 3-bit 版本，官方提供了指南和 GGUF 下载链接。

在你管理的机器上运行智能体，或通过受支持的沙箱提供商运行，如 AWS Lambda、Coder、Cloudflare、Daytona、E2B、Modal、Namespace 和 Vercel。 cursor.com/blog/self-hosted-…

Cursor 官方宣布现在可以在用户自己的基础设施上运行 Cursor cloud agents，包括随需求自动扩缩容的机器池。这样可以让智能体访问内部服务或专用硬件，同时智能体循环仍保留在 Cursor 中。

荣誉提名：分析数据库中标量函数的可扩展 GPU 加速：编译、基准测试与优化 分析数据库支持数百种标量函数，这些函数往往成为查询瓶颈。本工作提出一种基于编译器的方法，将生产数据库的标量函数转换为高效的 GPU kernel，同时保留其原始语义，从而为分析工作负载带来显著的性能提升。msft.it/6014aTYVo

最佳论文奖：Garnet：加速应用与服务的下一代缓存存储 Garnet 重新构想了驱动现代应用和云服务的缓存存储层，无需任何应用改动即可在大规模场景下实现数量级的性能与效率提升。Garnet 系统也已作为开源软件提供使用。msft.it/6013aTYVW

医疗机构现可将 EHR 及行业数据接入 ChatGPT

OpenAI 宣布医疗机构可将 EHR 及更多行业数据接入 ChatGPT，让临床医生安全获取患者背景信息与医学研究资料。ChatGPT 由此可连接可信医疗数据，用于临床场景中的信息调取。

律所 Gilbert + Tobin 如何用 OpenAI 治理并规模化 AI

澳大利亚律所 Gilbert + Tobin 借助 CEO 主导的投入、严格治理与人工问责机制，在全所范围规模化部署 ChatGPT Enterprise 和 Codex。该案例展示了律所如何在扩展 AI 应用的同时保持人类对结果的负责。

郭明錤指出MediaTek最新公告反复使用rack-scale一词，验证了他两个多月前研究的核心结论：MediaTek已将AI业务战略定位从IC / ASIC设计升级为系统级设计。

联发科发布公告宣布深化与 Nvidia 的长期合作，郭明錤指出公告反复出现的 rack-scale 是理解关键，并称这验证了他两个多月前研究的核心判断：联发科已将 AI 事业策略定位从 IC / ASIC 设计提升至系统级设计。

Hugging Face Blog精选AI 评分6262

Hugging Face 发布 @huggingface/kernels：207 个 WebGPU kernel 与 Fleet 基准工具

Hugging Face 发布 @huggingface/kernels，一个从 Hugging Face Hub 加载并运行优化 WebGPU kernel 的 JavaScript 库，同时上线 207 个 kernel 的初始集合，均以 Apache-2.0 许可发布在 webgpu-kernels 组织下。

⚡ 直接在 NVIDIA Jetson 上微调和量化 AI 模型。 我们的新 Jetson AI Lab 教程展示了如何使用 Unsloth 和内存高效的 QLoRA 定制模型、导出量化 GGUF 文件，并使用 llama.cpp 在本地运行。 按照动手示例操作： 🔹 在 Jetson AGX Thor 上运行 NVIDIA Nemotron 3.5 Lightning 🔹 在 Jetson Orin Nano 上运行 Qwen3.5-4B 开始优化：nvda.ws/45YagAq

郭明錤表示，行业调研显示 Nvidia 已恢复此前被认为被砍掉的 Rubin CPX 项目，预计 1Q27 量产，且 prefill 性能较旧设计更强。

郭明錤称其最新产业调查显示，Nvidia 已重启此前被认为被移出产品蓝图的 Rubin CPX，预计于 1Q27 开始生产，重启版 prefill 效能更强，GPU 规格与机柜架构均有明显改变。

作者在单张 24GB RTX 4090 上运行 Qwen 3.8 Flash Next (MoE) 125B A6B，实现 250,000 上下文窗口，decode 21 tokens/sec、prefill 364 t/s，未用 mtp、dflash 和 kv cache 量化。

一个高性能 125B 模型现在仅用 75GB RAM 即可本地运行！感谢 @UnslothAI 的 day-0 支持。🥳

Hugging Face BlogAI 评分5555

IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档

IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，全部以 Apache 2.0 许可开源。

OpenAI 自研推理芯片 Jalapeño 首批结果公布：AI 推理速度与能效领先业界

OpenAI 公布自研推理芯片 Jalapeño 的首批结果，称其在 AI 推理上实现业界领先的速度与能效。该定制芯片面向现代模型提供更高吞吐量和更低延迟，同时更省电。

OpenAI 为 ChatGPT Work 和 Codex 推出 Admin 插件

OpenAI 为 ChatGPT Work 和 Codex 推出 Admin 插件，用于分析工作区用量、管理成员与权限、调整限额并处理管理请求。

Mistral AIAI 评分3636

Mistral 与 HUMAIN 宣布战略合作，推进沙特及中东主权 AI

Mistral 与 HUMAIN 宣布战略合作，覆盖 AI 基础设施、先进模型开发与 AI 解决方案部署，初期聚焦网络安全和语音，并计划开发阿拉伯语表现强劲的前沿模型，合作规模达数亿欧元。Mistral 将探索使用 HUMAIN 数据中心基础设施，双方还计划在沙特面向受监管行业制定联合市场策略，以满足对主权 AI 的需求。

构建和部署 AI 应用最重要的技能。

Hugging Face BlogAI 评分2222

Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 的搜索

Papers with Code 的混合搜索系统用 Hugging Face Jobs 做全量论文嵌入、Storage Buckets 做持久化中转、Inference Endpoints 提供在线查询的低延迟嵌入，目前维护超过 11 万篇来自 arXiv 和 Daily Papers 的论文嵌入。

Hugging Face Blog精选AI 评分6060

Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍

Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在 GPU 上最高提升 3.18 倍吞吐、端侧最高 2.87 倍，且不改变输出质量。

Hugging Face BlogAI 评分3434

同一集群利用率提升 33 个百分点：Hugging Face 约束感知 GPU 调度器如何改变分配顺序

Hugging Face 构建了约束感知的 GPU 分配器，在相同硬件和负载下对比 FIFO 调度器，七个基准场景中 GPU 利用率最高提升 33 个百分点，优先级加权产出最高提升 105%。在五个真实争用场景中，利用率从 52–85% 提升至 72–88%，优先级加权价值平均提升 52%。核心变化不在硬件，而在于分配决策的顺序：实时推理按需求曲线逐时间步分配，批式任务按优先级跨整个调度周期排布。

微软很荣幸成为 SIGCOMM 2026 的一部分。查看我们的会议内容，涵盖网络流量工程、新的负载均衡策略、自适应光子交换调度、AI 网络模拟等。msft.it/6018aKgfp

Hugging Face BlogAI 评分3838

用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 一站式录制、训练与部署

AWS 开源 SDK Strands Robots（Apache 2.0）演示了机器人数据闭环：用 Robot("so100") 录制 LeRobotDataset 并同步到 Hugging Face Storage Buckets。

OpenAI 预览 Ultrafast 模式：GPT-5.6 Sol 最高提速 14 倍

OpenAI 预览新的 API 服务层级 Ultrafast，运行 GPT-5.6 Sol 时最高可提速 14 倍。该服务由 Cerebras 提供支持，输出速度最高可达每秒 750 个 token。

RingCentral 如何用 ChatGPT Work 与 Codex 构建 AI 原生工作流

RingCentral 借助 ChatGPT Work 和 Codex 加速 AI 产品开发，并在工程与运营之间集中化运营智能。该实践覆盖从工程到运营的 AI 原生工作流程。

Mistral AI精选AI 评分6060

Mistral 推出区域推理端点与 Priority Tier，并支持第三方开源模型 GLM-5.2

Mistral 宣布三项推进 AI 主权的举措：Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲或美国运行；Mistral Priority Tier 进入公开预览，为关键业务负载提供承诺服务等级、自定义速率限制和 uptime SLA。

OpenAI Daybreak 模型现已上线 AWS

OpenAI 与 AWS 合作，通过 Amazon Bedrock 提供 Daybreak 网络安全能力，以支持企业安全相关工作流。

黄仁勋发文称 NVIDIA 已从造芯片跨越到创造新的可投资资产类别 AI 工厂基础设施，并称每家公司都会被其驱动、每个国家都会建设它。

Hugging Face Blog精选AI 评分6262

NVIDIA 发布 Magpie TTS 多语言语音模型，开放权重支持 12 种语言

NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，参数量 364M，支持英语、西班牙语、法语、德语、意大利语、越南语、普通话、印地语、日语等 12 种语言，新增现代标准阿拉伯语、韩语和巴西葡萄牙语。

Hugging Face BlogAI 评分3838

Hugging Face 论文：用离线 Top-K Logits 与融合分块 KL 损失降低 LLM 知识蒸馏成本

Hugging Face 最新论文提出两项系统改动，让 LLM 知识蒸馏成本大幅下降：先离线缓存教师模型的 top-100 logits，使教师模型无需与学生模型同时驻留显存；再用融合分块 KL 损失，避免生成完整的词表×序列长度矩阵。