Diffusers 原生支持 Nunchaku 4-bit 扩散推理
Hugging Face 在 Diffusers 中引入 Nunchaku Lite，可直接用 from_pretrained() 加载 Nunchaku 风格的 SVDQuant 量化检查点，无需自定义 pipeline 或本地 CUDA 编译。
推荐理由：原文给出 Nunchaku Lite 在 Diffusers 中的原生加载方式和显存与延迟对比，读者可据此判断是否替换现有量化后端。
#Hugging Face
#Hugging Face
今日 3 条Hugging Face Blog精选AI 评分6666
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 Grabette：录制机器人操作数据的开源系统
Hugging Face 发布开源系统 Grabette，用手持夹爪在几分钟内录制操作任务，并自动转换为可训练的 LeRobot 数据集。Grabette 配备广角鱼眼相机与 RGBD 相机，硬件 BOM 成本约 490€，配套的机器人夹爪 Gripette 成本约 120€，硬件、采集软件、处理流程均已开源。
推荐理由：原文给出了一套低成本采集操作数据的完整开源方案，读者可以据此了解机器人学习数据瓶颈的另一种解法。
Hugging Face Blog精选AI 评分9191 Hugging Face 披露一起由自主 AI 智能体驱动的安全入侵事件
Hugging Face 披露本周检测到一起针对其部分生产基础设施的入侵，该入侵由一套自主 AI 智能体系统端到端驱动。攻击始于数据处理管线，恶意数据集滥用远程代码数据集加载器和数据集配置中的模板注入两条代码执行路径在 worker 上运行代码，随后攻击者提权至节点级、窃取云与集群凭证并于周末横向移动至多个内部集群。
推荐理由：Hugging Face 披露由自主智能体端到端驱动的入侵及处置，并说明防御方模型选型受限的经过。
Hugging Face BlogAI 评分4444 模型路由并不简单：Hugging Face 谈智能体路由为何是系统优化问题
Hugging Face 在 AppWorld Test Challenge 的 417 个任务上用同一 CodeAct 智能体实测发现，Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却要 155 美元（0.37 美元/任务），近乎翻倍，原因在缓存而非标价。
Hugging Face BlogAI 评分4949 Hugging Face 推出 Real World VoiceEQ：衡量语音 AI 的人类品质
Hugging Face 发布 Real World VoiceEQ 基准，用于评估语音交互的人类品质，覆盖 40 多个领先闭源与开源语音模型、15+ 个评估维度和 60+ 项指标，涵盖 ASR、TTS、S2S 与语音理解。
Hugging Face Blog精选AI 评分8585 Thinking Machines 开源多模态大模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布 Inkling 及 Inkling-Small 两款开源多模态大模型。
推荐理由：原文列出了 Inkling 与 Inkling-Small 的架构参数、部署显存门槛和多引擎支持，读者可据此判断自部署可行性。
Hugging Face BlogAI 评分2222 PyTorch 性能分析（第三部分）：注意力机制全剖析
Hugging Face 发布 PyTorch 性能分析系列第三篇，聚焦注意力机制。文章从朴素注意力实现出发，展示矩阵乘法、缩放、因果掩码等操作在 profiler 中的 kernel 表现，并指出将 masked_fill 改为原地操作 masked_fill_ 可省去每次前向的 Memcpy kernel。所有脚本在 NVIDIA A100-SXM4-80GB 上运行。
Hugging Face Blog精选AI 评分6262 vLLM 的 transformers 建模后端实现原生速度
Hugging Face 宣布 vLLM 的 transformers 建模后端现在在许多 LLM 架构上达到或超过 vLLM 手写实现的速度。该后端通过 torch.fx 做静态图分析并借助 ast 在运行时重写算子、融合为 vLLM 优化内核，模型作者只需加 --model-impl transformers 一个参数即可用上极速 vLLM 推理。
推荐理由：原文给出了让 transformers 模型免改代码即可达到 vLLM 原生推理速度的机制与实测对比，读者可据此判断自建部署的迁移成本。
Hugging Face BlogAI 评分2828 Hugging Face 与 Amazon SageMaker Studio 一键直连集成发布
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，支持从模型页一键跳转至 SageMaker Studio，模型预加载、环境已配置。
Hugging Face BlogAI 评分5151 微软 Foundry Managed Compute 上架 Hugging Face 模型
微软在 Build 2026 上发布 Foundry Managed Compute 与 Hugging Face 模型集合，把 Hugging Face 生态的开源权重模型纳入 Foundry Model Catalog，每周刷新，可一键部署到托管 GPU 平台。
Hugging Face Blog精选AI 评分7676 LeRobot v0.6.0 发布：世界模型策略、奖励模型 API 与六套仿真基准
Hugging Face 发布 LeRobot v0.6.0，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、一批新 VLA（GR00T N1.7、MolmoAct2、EO-1、Multitask DiT、EVO1）以及统一奖励模型 API（Robometer、TOPReward）。
推荐理由：原文给出世界模型策略、奖励模型 API 与六套仿真基准的完整清单，读者可据此判断机器人学习闭环的现状与可用入口。
Hugging Face Blog精选AI 评分6161 Hugging Face 与 SkyPilot 联合推出零出网存储集成
Hugging Face 与 SkyPilot 联合发布集成，用户可用一个 hf:// URL 将 Hugging Face Bucket 或模型、数据集、Space 仓库挂载进 SkyPilot 任务，并在 20 多个云、Kubernetes 和本地集群上运行。
推荐理由：原文给出 hf:// 挂载方式与免费出网机制，读者可据此判断跨云训练工作流的存储成本变化。
Hugging Face BlogAI 评分3030 PRX Part 4：数据策略详解
Hugging Face 发布 PRX 系列第四篇，披露其数据策略：预训练数据由公开与内部数据集混合组成，用 VLM 重新生成图像长描述，再转为可流式语料。训练文本编码器换为 Qwen3-VL 并改为实时计算 latent，仅带来约 3–4% 吞吐损失；图像统一以 JPEG quality 92 编码。
Hugging Face BlogAI 评分3434 Hugging Face 发布 Kernels 项目重大更新：新增 kernel 仓库类型并加强安全
Hugging Face 为 Kernels 项目引入 Hub 上的 "kernel" 仓库类型，并默认只加载受信任发布者的 kernel，其他来源需通过 trust_remote_code 显式开启。同时加入基于 Sigstore cosign 的代码签名，并新增对 Torch Stable ABI 与 Apache TVM FFI 的支持。
Mistral AI精选AI 评分6666 Mistral 发布 Leanstral 1.5 形式化验证模型，Apache-2.0 开源
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、总参数 119B、激活 6B 的形式化验证模型，miniF2F 达到 100%，PutnamBench 解出 587/672 题，FATE-H 87%、FATE-X 34%。
推荐理由：官方给出多基准成绩、训练流程和每解题成本，读者可对照其开源权重与免费 API 判断形式化验证的实用门槛。
Hugging Face Blog精选AI 评分6262 Hugging Face 与 Cerebras 将 Gemma 4 引入实时语音 AI
Hugging Face 与 Cerebras 联合演示了一条实时语音到语音流水线，采用开源可替换的级联架构。语音识别用 Nvidia 的 Parakeet，语言模型用 Google DeepMind 的 Gemma 4 31B 在 Cerebras 上推理，文本转语音用 Alibaba 的 Qwen3TTS。
推荐理由：Hugging Face 与 Cerebras 联合演示开源语音到语音流水线，读者可了解各层组件如何组合与何处替换。
Hugging Face BlogAI 评分2929 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布开源基准 ScarfBench（Self-Contained Application Refactoring Benchmark）。
Hugging Face BlogAI 评分3434 为什么专业化不可避免：优化理论、生物学与机器学习给出的同一答案
Dharmam AI 解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，指出专业化是有限资源下的必然结果。
Google Research精选AI 评分6969 Google Research 发布 TabFM：面向表格数据的零样本基础模型
Google Research 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习（ICL）问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：TabFM 把零样本思路带到表格分类与回归，读者可据此了解免训练预测在企业数据场景的落地方式。
Hugging Face BlogAI 评分5757 Every Eval Ever 结果接入 Hugging Face 模型页
Every Eval Ever（EEE）与 Hugging Face Community Evals 实现互通，评测结果可以跨平台发布并互相解读。EEE 的标准化 JSON 记录可与 Community Evals 的 YAML 结果对接，提交后分数会显示在模型页和基准榜单上，并带有指向完整 EEE 记录的来源徽章。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开放模型 DiffusionGemma，基于 Gemma 4 与 Gemini Diffusion 研究，用文本扩散同时生成整块 token，在专用 GPU 上最高提速 4 倍，单张 NVIDIA H100 超 1000 tokens/秒、RTX 5090 超 700 tokens/秒。
推荐理由：原文给出扩散文本生成的速度收益、硬件门槛与质量取舍，读者可据此判断它适合哪类本地推理场景。
Mistral AI精选AI 评分7171 Mistral AI 发布 Voxtral TTS 语音合成模型
Mistral AI 发布首款文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语共 9 种语言的语音生成。
推荐理由：原文给出了架构、延迟与定价，读者可据此判断它在企业语音工作流中的位置。
Mistral AI精选AI 评分6464 Mistral 发布 Voxtral Transcribe 2 语音转写模型系列
Mistral 发布 Voxtral Transcribe 2，包含面向批处理的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime 两款语音转写模型。
推荐理由：Mistral 一次放出批处理与实时两款语音转写模型，并给出延迟、错误率与单价对比，可据此判断实时语音应用的落地成本。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral 3 系列模型，含 675B 参数 MoE 大模型 Mistral Large 3
Mistral 发布 Mistral 3 系列，包含 3B、8B、14B 三个 Ministral 3 密集模型，以及总参数 675B、激活 41B 的稀疏 MoE 模型 Mistral Large 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 的全系开源模型，读者可据此判断小模型与 MoE 大模型的分工。
Mistral AI精选AI 评分7171 Mistral AI 与 All Hands AI 发布编码智能体模型 Devstral
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，以 Apache 2.0 许可开源。
推荐理由：官方给出 SWE-Bench Verified 46.8% 的横向对比与单卡本地部署门槛，便于判断开源编码智能体的可用边界。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Small 3.1：128k 上下文、多模态、Apache 2.0 开源
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本表现、多模态理解，上下文窗口扩展至 128k tokens，推理速度 150 tokens 每秒，以 Apache 2.0 许可证开源。
推荐理由：Mistral Small 3.1 以 128k 上下文和 Apache 2.0 开源发布，读者可据此判断小模型在端侧多模态任务上的可用边界。