H Company 发布 Holo3.1 系列 Computer Use Agent 模型
H Company 发布 Holo3.1 系列 Computer Use Agent 模型，基于 Qwen 家族，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重。
推荐理由：原文给出跨环境、跨框架与本地量化部署的具体数据，可据此判断端侧 Computer Use Agent 的落地条件。
Hugging Face
全部主题Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表。
最新精选
Hugging Face Blog精选AI 评分
JetBrains 发布 12B MoE 模型 Mellum2，Apache 2.0 开源
JetBrains 发布 Mellum2，一个从零训练、覆盖自然语言与代码的 12B 参数 MoE 模型，每个 token 仅激活 2.5B 参数，以 Apache 2.0 许可开源。官方称其在相近规模模型中基准表现有竞争力，推理速度超过 2 倍，可用于路由、RAG、摘要、子智能体和高吞吐编码场景。模型已在 Hugging Face 提供下载，技术报告发布在 arXiv（2605.31268）。
推荐理由：JetBrains 开源 12B MoE 模型，每 token 仅激活 2.5B 参数，读者可据此判断它在多模型系统中的定位。
Hugging Face 在 TRL 中实现增量权重同步，异步 RL 每步传输量降至 20-35MB
Hugging Face 在 TRL 中落地了增量权重同步（Delta Weight Sync）：只把两次 RL 优化步之间真正变化的 bf16 权重编码成稀疏 safetensors 文件，上传到 Hugging Face Bucket，再由 vLLM 拉取应用。
推荐理由：TRL 的稀疏增量权重同步把异步 RL 每步传输量压到原来的百分之几，读者可据此判断跨集群训练的成本边界。
Granite 4.1 LLM 是如何训练的：IBM 公开数据工程、预训练与强化学习全流程
IBM Granite 团队发布技术文章，详解 Granite 4.1 系列稠密 LLM（3B、8B、30B）的训练流程：约 15T tokens 五阶段预训练，上下文窗口经长上下文扩展至 512K tokens，随后用约 4.1M 条高质量样本做 SFT，并采用 on-policy GRPO 配合 DAPO loss 的多阶段强化学习。
推荐理由：Granite 4.1 团队公开了从数据配比到多阶段 RL 的完整训练细节，可对照其 8B 稠密模型追平 32B MoE 的结论。
Gemma 4 发布：面向端侧的前沿多模态智能
Hugging Face Blog 发布文章《Welcome Gemma 4: Frontier multimodal intelligence on device》，标题显示 Gemma 4 是一款面向端侧设备的前沿多模态模型。原文正文未能抓取，暂无更多细节。
H Company 发布 Holotron-12B 计算机操作智能体模型
H Company 发布 Holotron-12B，一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态计算机操作模型，已在 Hugging Face 上线，采用 NVIDIA Open Model License。
推荐理由：原文给出混合 SSM 架构带来的吞吐对比数据与 WebVoyager 提升幅度，可据此判断计算机操作智能体的部署成本。
Hugging Face Hub 推出 Storage Buckets 对象存储
Hugging Face 在 Hub 上推出 Storage Buckets，一种非版本化的 S3 式可变对象存储，用于存放 checkpoint、优化器状态、处理后的分片和 Agent traces 等中间产物。
推荐理由：原文给出 Buckets 的创建、同步与 Python 调用方式，读者可据此判断它能否替代现有中间产物存储流程。
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。
Hugging Face 推出 Modular Diffusers，用可组合模块搭建扩散流水线
Hugging Face 发布 Modular Diffusers，用可复用的 block 组合扩散流水线，作为 DiffusionPipeline 之外更灵活的替代方案。
推荐理由：原文给出可组合模块的 API 与自定义块示例，读者可据此判断扩散流水线改写的成本与迁移路径。
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。
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 介绍 Gradio gr.HTML 单文件构建任意 Web 应用
Hugging Face 博客介绍 Gradio 6 中 gr.HTML 的新能力，支持自定义模板、作用域 CSS 和 JavaScript 交互，可在单个 Python 文件中完成前端、后端与状态管理，无需构建步骤即可部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.HTML 的模板、状态同步与子类化写法，读者可据此把自定义组件直接接入现有 Gradio 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 与 Meta 的 OpenEnv 实践：在真实环境中评测工具调用智能体
Hugging Face 博客介绍 Meta 与 Hugging Face 合作的开源框架 OpenEnv，它用 gym 风格 API（reset、step、action、observations）和标准 MCP 工具调用接口，把智能体接到浏览器、代码仓库、日历等真实系统而非模拟环境中评测。
推荐理由：Meta 与 Hugging Face 的 OpenEnv 框架及 Turing 的 Calendar Gym 给出了智能体在真实权限与多步环境下的失败模式数据。
Transformers.js v4 发布并上线 NPM
Hugging Face 发布 Transformers.js v4，已上线 NPM，可通过 npm i @huggingface/transformers 安装。
推荐理由：官方披露了 WebGPU 运行时重写、构建提速与包体积变化，可据此判断浏览器端本地推理的工程成熟度。
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。
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。