vLLM 的 transformers 建模后端实现原生推理速度
Hugging Face 宣布 vLLM 的 transformers 建模后端在多个 LLM 架构上达到甚至超过 vLLM 手写原生实现的吞吐。该后端通过 torch.fx 做静态图分析、用 ast 重写源码，在运行时动态应用推理相关的层融合，从而匹配自定义实现的性能。
推荐理由：原文给出 transformers 后端在 vLLM 中达到原生速度的实测对比与启用方式，读者可据此判断是否省去自定义移植。
#部署/工程
#部署/工程
今日 3 条Hugging Face Blog精选AI 评分6262 Hugging Face BlogAI 评分2525 Hugging Face 与 Amazon SageMaker AI 打通一键直达 SageMaker Studio
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，用户在支持的模型页点击 Customize on SageMaker AI 或 Deploy on SageMaker AI，即可一键进入 SageMaker Studio，模型已预加载、环境自动配置。
Google ResearchAI 评分4848 Google Research 用 Google Maps 路线干预缓解城市拥堵
Google Research 在 Nature Cities 发表首个大规模真实世界研究，通过修改 Google Maps 算法将不到 2% 的行程引导至相似耗时的替代路线，在美国 10 座城市测试后，目标路段行驶速度中位数提升约 2%，燃油消耗率中位数下降 0.5% 至 1.0%。
Hugging Face Blog精选AI 评分6262 微软在 Foundry Managed Compute 上线 Hugging Face 模型集合
微软在 Build 2026 宣布 Foundry Managed Compute 及 Hugging Face 模型集合，将 Hugging Face 生态的开源权重模型以每周刷新的方式一键部署到 Foundry 托管 GPU 平台。
推荐理由：微软把 Hugging Face 开源模型的部署运维层接进 Foundry，读者可据此判断开源模型进入企业生产环境的门槛变化。
Berkeley AI ResearchAI 评分3838 智能免费之后：面向 AI 智能体、由 AI 智能体构建的数据系统
UC Berkeley 团队提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分低于 $0.10，数据系统面临三大新挑战。
Hugging Face Blog精选AI 评分6868 LeRobot v0.6.0 发布：想象、评估、改进
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、奖励模型 API 和六个新仿真基准。
推荐理由：原文给出世界模型策略、奖励模型 API 与六个仿真基准，读者可据此判断机器人学习闭环的工程化程度。
Hugging Face Blog精选AI 评分6262 SkyPilot 与 Hugging Face 打通零出网费存储，可在任意云运行 AI 负载
SkyPilot 与 Hugging Face 联合推出 store: hf 存储后端，用一个 hf:// URL 和现有 HF_TOKEN 即可把 Hugging Face Bucket 或任意模型、数据集、Space 仓库挂载进 SkyPilot 任务，并在 20 多个云、Kubernetes、Slurm 和本地环境上运行。
推荐理由：原文给出 hf:// 挂载方式与免出网费的具体机制，读者可据此判断跨云训练与推理的存储成本变化。
Hugging Face BlogAI 评分3434 Hugging Face Kernels 项目重大更新：新增 kernel 仓库类型与代码签名
Hugging Face 为 Kernels 项目引入 Hub 上的 "kernel" 新仓库类型，并新增可信发布者与代码签名两层安全机制，默认只加载可信发布者的 kernel。项目还重构了 kernels 与 kernel-builder 的 CLI，新增对 Torch Stable ABI 和 Apache TVM FFI 的支持，为智能体驱动的 kernel 开发打下基础。
Hugging Face BlogAI 评分3939 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，用于评测 AI 智能体在企业级 Java 框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现、204 个迁移任务和 1331 个专家测试。评测显示最强智能体行为成功率不足 10%，Claude Code 报告 30 个应用中 29 个构建成功，实际仅 22 个通过。
OpenAI NewsAI 评分2222 OpenAI 通过大规模 core dump 分析修复 18 年历史的 bug
OpenAI 工程师利用大规模 core dump 分析排查基础设施中的罕见崩溃，同时发现了一处硬件故障和一个存在 18 年之久的软件 bug。
OpenAI NewsAI 评分2222 HP Inc. 与 OpenAI 启动 Frontier 战略合作
HP Inc. 与 OpenAI 启动 Frontier 战略合作，将 AI 部署到客户体验、软件开发和企业运营中。此次合作在双方既有 OpenAI Frontier 伙伴关系基础上升级扩展。
Google Research精选AI 评分6262 Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 提出一种新架构，把多 Token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上，在 Pixel 9 和 10 系列上实现开箱即用的加速。
推荐理由：Google 把 MTP 头接到冻结的 Gemini Nano v3 上，读者可了解端侧推测解码如何在内存受限下提速。
Hugging Face Blog精选AI 评分6262 用一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 发布教程，介绍用一条 hf jobs run 命令在 HF Jobs 上启动私有、OpenAI 兼容的 vLLM 端点，按秒计费，无需自行配置服务器或 Kubernetes。
推荐理由：原文给出从启动到查询、清理的完整命令链路，读者可据此在 HF 基础设施上自建 OpenAI 兼容端点。
Google ResearchAI 评分2222 Google 用线性弹性缓存优化云成本：Spanner 内存用量降 15.5%
Google Research 提出线性弹性缓存，把页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小。在 Spanner 生产环境测试数月后，内存用量降低 15.5%，缓存未命中仅增加 5.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。该方法用浅层决策树预测页面 TTL，并已在 CIDR 发表。
Hugging Face Blog精选AI 评分6262 NVIDIA NeMo AutoModel 加速 Transformers MoE 微调
NVIDIA 发布开源库 NeMo AutoModel，在 HuggingFace Transformers v5 之上加入 Expert Parallelism、DeepEP 融合 all-to-all 调度和 TransformerEngine 内核，微调 MoE 模型时训练吞吐提升 3.4-3.7 倍、GPU 显存减少 29-32%，且只需改动一行 import。
推荐理由：原文给出同一 from_pretrained() 接口下的吞吐与显存对比数据，读者可据此判断 MoE 微调的迁移成本。
Mistral AIAI 评分4242 Mistral 为 Connectors 引入管理员控制、API key 作用域与调试器
Mistral 为 Connectors 推出多项新能力：按 workspace 或组织管理连接器访问权限的管理员控制、带连接器作用域的 API key、支持多账号登录的连接器均已 GA。
Mistral AI精选AI 评分7171 Mistral 发布 OCR 4，支持 170 种语言与单容器自托管
Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言、10 个语系，可打包进单个容器完全自托管。该模型在 OlmOCRBench 上取得 85.20 的总体最高分，OmniDocBench 得分 93.07，独立标注者在 600 多份文档的盲评中平均 72% 的情况下更偏好其输出。
推荐理由：OCR 4 把边界框、块分类和置信度分数一并输出，读者可据此判断文档解析如何接入 RAG 与智能体流程。
Hugging Face Blog精选AI 评分6262 Hugging Face 如何用 AI 与开源工具每周发布 huggingface_hub
Hugging Face 将 huggingface_hub 的发版周期从每 4 到 6 周缩短到每周一次，整套流程跑在单个 GitHub Actions workflow 上，由 OpenCode 驱动开放权重模型（当前为 Z.ai 的 GLM-5.2）起草 release notes 和 Slack 公告。
推荐理由：Hugging Face 公开了每周发版的完整 CI 流程，其中模型起草加确定性校验的循环可直接迁移到其他项目。
Hugging Face BlogAI 评分3434 在 Transformers.js 中试验拟议的 Cross-Origin Storage API
Google Chrome 团队开发者关系工程师 Thomas Steiner 在 Hugging Face 博客中，试验了拟议的 Cross-Origin Storage（COS）API 如何解决 Transformers.js 的跨源缓存重复问题。
Hugging Face Blog精选AI 评分6262 如何用 Gemma 和 Qwen 本地模型免费分诊 OpenClaw 仓库
Hugging Face 博客介绍了用本地模型 Gemma 和 Qwen 在 agent harness 中对 OpenClaw 仓库的 issue 和 PR 做分类分诊的方案。
推荐理由：作者用本地模型加受限 shell 做 PR 分类，给出了可复用的 agentic classification 配方与实测对比数据。
OpenAI NewsAI 评分3939 三星电子向全球员工部署 ChatGPT 和 Codex
三星电子在全球范围内向员工部署 ChatGPT Enterprise 和 Codex，这是 OpenAI 规模最大的企业 AI 落地项目之一。
Hugging Face Blog精选AI 评分6262 用 Strands Agents 和 LeRobot 把 Hugging Face Hub 数据集接到机器人硬件
AWS 开源的 Strands Robots SDK（Apache 2.0）把 LeRobot 栈封装成 AgentTools，让一个 Strands 智能体在单次循环里完成仿真录制演示、推送 LeRobotDataset 到 Hub、跑策略、再以改一个关键字参数的方式部署到实体 SO-101，并通过 Zenoh 对等网格广播指令到多台机器人。
推荐理由：AWS 团队给出从 Hub 数据集到实体机器人的五步流程，可看到仿真与真机共用同一数据集格式的工程取舍。
OpenAI NewsAI 评分5555 OpenAI 推出合作伙伴网络，投入 1.5 亿美元
OpenAI 宣布推出 Partner Network，并投入 1.5 亿美元，帮助全球合作伙伴加速企业级 AI 的采用、部署与转型。
Google ResearchAI 评分3939 Google 支持加州大学圣地亚哥分校用 2000 台退役 Pixel 手机搭建低碳计算平台
加州大学圣地亚哥分校在 Google 支持下，正用 2000 台退役 Pixel 手机的主板搭建数据中心，为数百名师生提供低成本、低碳的云计算。SPEC 基准显示 25-50 台手机约等于一台现代服务器，手机主板占硬件隐含碳排约 50%。该系统预计 2026 年秋季上线。
Hugging Face BlogAI 评分2222 PyTorch 性能剖析（二）：从 nn.Linear 到融合 MLP
PyTorch 性能剖析系列第二部分用 nn.Linear（bias=True）替换手写的 matmul-add，并堆叠三层加激活构成 MLP，在 NVIDIA A100-SXM4-80GB 上分析 profiler trace。
OpenAI NewsAI 评分2222 通过 Oracle 云承诺额度访问 OpenAI 模型与 Codex
OpenAI 模型与 Codex 现可通过 Oracle Cloud 访问，企业可使用现有云承诺额度来构建和部署 AI。该方式提供企业级安全与治理能力。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 DiffusionGemma 文本扩散模型，推理速度最高提升 4 倍
Google DeepMind 发布实验性开放模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：官方给出 26B MoE 文本扩散模型的开放权重与硬件门槛，读者可据此判断本地低并发推理的适用边界。
Hugging Face BlogAI 评分5252 如何把 GitHub CI 迁移到 Hugging Face Jobs
Hugging Face 发布教程，介绍如何保留 GitHub Actions 调度、把 CI 任务放到 Hugging Face Jobs 上运行，通过 huggingface/jobs-actions 桥接把 GitHub Actions 任务变成 HF Job 内的临时自托管 runner。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，将多模态输入、多语言覆盖、自定义企业策略执行和可审计推理链统一到一次推理调用中。
推荐理由：NVIDIA 发布 4B 多模态安全模型，支持自定义策略与可审计推理链，并公开训练数据集。
Hugging Face Blog精选AI 评分6262 Hugging Face 将 hf CLI 重构为面向智能体优化的 Hub 命令行工具
Hugging Face 重构官方命令行工具 hf CLI，使其同时适配人类用户和编码智能体，通过环境变量自动识别 Claude Code、Codex、Cursor 等智能体并切换输出格式。
推荐理由：官方给出 hf CLI 面向智能体重构的细节与基准数据，可据此判断命令行工具如何适配编码智能体。
Google Research精选AI 评分6060 Google 开源水文建模框架，支持机构自建 AI 洪水预报
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象与水文机构用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
推荐理由：Google 把驱动 Flood Hub 的水文模型架构与训练流程开源，读者可了解其能力边界与接入方式。
Hugging Face Blog精选AI 评分7171 Hcompany 发布 Holo3.1 系列 computer-use 模型，支持本地量化推理
Hcompany 发布 Holo3.1 系列 computer-use 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 量化权重用于本地推理。
推荐理由：Holo3.1 给出跨环境、跨框架与本地量化的具体数据，可据此判断端侧 computer-use 智能体的部署成本。
Hugging Face Blog精选AI 评分6262 JetBrains 发布 Mellum2：12B MoE 模型，Apache 2.0 开源
JetBrains 发布 Mellum2，一个从零训练的 12B 参数 Mixture-of-Experts 模型，覆盖自然语言与代码，每个 token 仅激活 2.5B 参数，以 Apache 2.0 许可开源。官方称其面向路由、RAG、摘要、子智能体和高吞吐编码等低延迟场景，相比同规模模型推理速度提升 2 倍以上。模型已在 Hugging Face 开放下载，架构、训练与评测细节见技术报告。
推荐理由：JetBrains 开源 12B MoE 模型，激活 2.5B 参数并主打 2 倍以上推理速度，可据此判断轻量模型在 RAG 与子智能体中的定位。
Hugging Face BlogAI 评分2222 超越 LLM：为什么可扩展的企业级 AI 落地依赖 Agent Logic
Hugging Face 博客发文指出，企业级 AI 规模化落地的关键不在 LLM 本身，而在 agentic layer 中的 agent logic——即知识图谱、算法、程序分析库等软件原语，可主动引导 LLM 聚焦企业工作流、压缩上下文空间。
OpenAI News精选AI 评分6262 OpenAI 在密歇根动工 1GW 数据中心，属 Stargate 项目
OpenAI 在密歇根破土动工建设 1GW 数据中心项目，该项目属于 Stargate 计划的一部分。OpenAI 表示，此举旨在建设 AI 基础设施，以扩大使用范围、创造就业并支持社区。
推荐理由：OpenAI 在密歇根动工 1GW 数据中心，可了解 Stargate 算力布局的落地进展。
OpenAI NewsAI 评分5555 OpenAI 前沿模型与 Codex 上线 AWS
OpenAI 前沿模型与 Codex 已在 AWS 正式可用，企业可通过现有的 AWS 环境、控制项和采购流程接入 OpenAI。OpenAI 表示客户可借此更快从评估阶段推进到生产部署。
Hugging Face BlogAI 评分3232 PyTorch 性能分析入门指南（一）：torch.profiler 使用教程
Hugging Face 发布 PyTorch 性能分析系列第一篇，讲解如何用 torch.profiler 分析矩阵乘法加法运算。
Mistral AI精选AI 评分7171 Mistral 发布工业工程 AI 栈与 Vibe 智能体，并宣布法国 10 MW 数据中心
Mistral 在 AI Now Summit 2026 上发布面向工业工程的 AI 栈，与 Airbus、BMW、ASML 合作优化设计、仿真与生产，并强调对专有数据和 IP 的完全控制。
推荐理由：Mistral 一次性公布工业 AI 栈、Vibe 智能体与自建数据中心，可据此判断其企业级全栈路线。
Mistral AIAI 评分5050 Mistral 推出物理 AI：面向工程加速的基础模型
Mistral 将 Emmi AI 纳入麾下，推出面向工业工程的物理 AI 基础能力，可从几何与边界条件直接预测物理场，单次前向推理在单 GPU 上以秒级完成。该能力面向设计迭代提速，传统求解器保留用于验证与边缘场景，合作方包括 ASML、Airbus、Safran 和 Siemens Energy。
OpenAI NewsAI 评分2222 Cisco 与 OpenAI 用 Codex 重塑企业工程
Cisco 与 OpenAI 正用 Codex 重塑企业工程，帮助 Cisco 扩展 AI 原生开发、加速 AI Defense 工作并自动化缺陷修复。