LeRobot v0.5.0 发布：支持 Unitree G1 人形机器人并新增六种策略
LeRobot v0.5.0 发布，自 v0.4.0 以来合并 200 多个 PR、新增 50 多位贡献者，首次加入 Unitree G1 人形机器人支持，涵盖运动、操作、遥操作与全身控制。
推荐理由：从人形机器人支持到策略库与数据管线提速，读者可据此判断开源机器人栈当前覆盖的硬件与训练能力。
#开源生态
#开源生态
Hugging Face Blog精选AI 评分
Ulysses 序列并行：如何用百万 token 上下文训练大模型
Hugging Face 博客详解源自 Snowflake AI Research 的 Ulysses 序列并行（ALST 协议的一部分），通过注意力头并行与 all-to-all 通信把长序列切分到多 GPU，突破单卡显存限制。
Google ResearchAI 评分Google Research 发布 WAXAL：覆盖 27 种非洲语言的大规模开放语音数据集
Google Research 发布 WAXAL，一个覆盖 27 种撒哈拉以南非洲语言、服务超 1 亿使用者的开放语音数据集，采用 CC-BY-4.0 许可。该数据集包含约 1,846 小时 ASR 转写语音和超 565 小时 TTS 高保真录音，由非洲学术与社区机构主导采集，2021 年起历时多年完成。
Photoroom 用 32 张 H200 在 24 小时内训练出文生图模型 PRX
Photoroom 发布 PRX 系列第三篇，用 32 张 H200、约 1500 美元算力预算在 24 小时内完成一次文生图模型训练，并开源训练代码与实验框架。
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。
Hugging Face 详解 transformers 中的 MoE 支持
Hugging Face 发文介绍 transformers 库如何为 MoE 模型重构支持，涵盖权重加载、专家后端、专家并行与训练四部分。权重加载引入 WeightConverter 与惰性物化，将 256 个独立专家张量打包为单个连续张量；在 Qwen1.5-110B-Chat 上，v5 异步加载耗时 20.71s，v4 为 66.24s，张量并行下为 10.1s。
GGML 与 llama.cpp 团队加入 Hugging Face，推动本地 AI 长期发展
Hugging Face 宣布 GGML（llama.cpp 的创建者）加入 HF，Georgi Gerganov 及团队一同加入，目标是持续支持 ggml 与 llama.cpp 社区，让未来 AI 保持开放。
推荐理由：GGML 与 llama.cpp 团队加入 Hugging Face，读者可了解本地推理项目在资源与维护模式上的变化。
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微调任务的完整命令与技能安装步骤，读者可据此复现小模型训练流程。
Hugging Face 发布 CUDA 内核 Agent Skill，Claude 与 Codex 为 LTX-Video 和 Qwen3-8B 生成内核
Hugging Face 发布 cuda-kernels Agent Skill，让 Claude、Codex 等编码智能体为 diffusers 和 transformers 项目编写生产级 CUDA 内核，并生成 PyTorch 绑定与基准脚本。
推荐理由：原文给出可安装的 CUDA 内核技能与完整基准数据，读者可据此判断智能体写内核的可行边界。
Hugging Face 推出 SyGra Studio：可视化合成数据生成环境
Hugging Face 发布 SyGra 2.0.0 的 Studio，把合成数据生成搬到画布上，可视化编排流程并自动生成 SyGra 兼容的图配置与任务执行脚本。
Mistral AI精选AI 评分
Mistral 发布 Voxtral Transcribe 2 语音转写模型家族
Mistral AI 发布 Voxtral Transcribe 2，包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime 两款语音转文字模型。
推荐理由：原文给出两款语音转写模型的延迟、价格与开源许可，读者可据此判断实时语音应用的选型空间。
Hugging Face 上线 Community Evals，数据集仓库可托管排行榜
Hugging Face 推出 Community Evals，基准数据集仓库现在可以注册为 benchmark 并在数据集卡片上展示排行榜，模型仓库通过 .eval_results/*.yaml 存放自己的评测分数。
推荐理由：Hugging Face 把评测分数从黑箱榜单搬到 Hub 仓库，读者可了解社区提交与复现机制如何运作。
H Company 发布 Holo2-235B-A22B Preview，UI 定位刷新 SOTA
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 上以 78.5% 刷新 SOTA，OSWorld G 达 79.0%，已在 Hugging Face 开放。
从 DeepSeek 到 AI+：全球开源 AI 生态的未来走向
Hugging Face 博客第三篇中国开源 AI 系列文章指出，开源已成为中国 AI 机构未来一段时间的主流路线。Qwen 在 Hugging Face 上的衍生模型超过 113k、相关仓库超 200k，远超 Llama 的 27k 和 DeepSeek 的 6k；DeepSeek 与 Qwen 分别是 Hugging Face 关注度第一和第四的组织。
Gradio 团队推出开源 Python 库 Daggr，用代码串联 AI 工作流并自动生成可视化画布
Gradio 团队发布开源 Python 库 Daggr，用于把 Gradio 应用、ML 模型和自定义函数串联成 AI 工作流，并自动生成可视化画布。它支持检查任意节点输出、修改输入并单独重跑某一步，还提供状态持久化和 sheets 多工作区，安装只需 Python 3.10 以上并执行 pip install daggr。
推荐理由：原文给出代码优先的编排方式和可视化画布，读者可据此判断它是否适合替代现有调试脚本。
Hugging Face 发布 upskill：用 Claude 生成 CUDA kernel 技能并教给开源模型
Hugging Face 发布新工具 upskill，可用大模型生成并评测 agent skill，再交给更小或本地模型使用。文章以用 Claude Opus 4.5 编写 diffusers 模型 CUDA kernel 为例，upskill 会基于 agent trace 生成技能和测试用例，并对比有无技能时的准确率与 token 消耗。
推荐理由：原文给出用大模型生成并评测 agent skill 再迁移到小模型的完整流程，可复用到其他专业任务。
中国开源 AI 生态的架构选择：超越 DeepSeek 之后
中国开源模型社区已近乎一致转向 MoE 架构，Kimi K2、MiniMax M2、Qwen3 均采用该路线，以在成本约束下兼顾能力与灵活部署。开源活动从文本扩展到多模态与智能体，StepFun 的 Step-Audio-R1.1 语音模型性能超越闭源模型，腾讯开源 Hunyuan Video 与 Hunyuan 3D。
Hugging Face 发布 Alyah 基准：评估阿拉伯语 LLM 的阿联酋方言能力
Hugging Face 团队推出 Alyah（阿联酋方言中意为"北极星"）基准，用于评估阿拉伯语 LLM 对阿联酋方言的语言、文化与语用理解能力。该基准包含 1,173 个由阿联酋母语者手工收集的多选题样本，覆盖问候语、诗歌、 heritage 知识等七类内容。
解锁 GPT-OSS 的智能体 RL 训练：一次实践复盘
Hugging Face 博客复盘了用 verl 框架对 GPT-OSS 进行智能体强化学习训练时遇到的问题与修复。团队发现 GPT-OSS-20B 训练初期出现 KL 散度和熵爆炸、奖励不升，根因是 MoE 架构下双前向传播导致新旧 log-prob 不一致，使 PPO 的 importance sampling ratio 偏离 1；修复后该方案同样适用于 GPT-OSS-120B。
堆内存会说谎：排查 vLLM 内存泄漏
Mistral AI 团队在 vLLM 上排查一起内存泄漏，问题只在 Mistral Medium 3.1、开启图编译的 Prefill/Decode 分离部署中出现，系统内存以每分钟 400 MB 线性增长，数小时后触发 out of memory。Memray、Guppy 3 均未发现泄漏，Heaptrack 显示堆内存稳定但峰值 RSS 存在差异，说明泄漏发生在堆之外。
Hugging Face 回顾 DeepSeek R1 发布一年后的中国开源生态
Hugging Face 发布系列博客第一篇，回顾 DeepSeek 于 2025 年 1 月发布 R1 模型一年来中国开源 AI 生态的变化。文章称 R1 通过公开推理路径与后训练方法、采用 MIT 许可，降低了技术、采用和心理三重门槛，并成为 Hugging Face 历史上获赞最多的模型。
NVIDIA 发布 Cosmos Reason 2 推理视觉语言模型
NVIDIA 发布面向物理 AI 的开源推理视觉语言模型 Cosmos Reason 2，提供 2B 和 8B 两种参数规模，并在 Physical AI Bench 与 Physical Reasoning 榜单上成为排名第一的开源模型。
推荐理由：Cosmos Reason 2 把上下文从 16K 扩到 256K 并新增轨迹与 2D/3D 定位能力，可据此判断物理 AI 智能体的视频理解边界。
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。
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 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。