Hugging Face 将 Hub 存储从 Git LFS 迁移到 Xet
Hugging Face 宣布 Hub 存储从 Git LFS 迁移到 Xet，6 个月内已有 50 万个仓库、20 PB 数据完成迁移，超过 100 万用户在用 Xet，5 月起成为新用户和组织的默认选项。
推荐理由：官方复盘 Hub 从 Git LFS 迁移到 Xet 的工程细节，可看到大规模存储迁移如何做到对用户零打扰。
#Hugging Face
#Hugging Face
今日 2 条Hugging Face Blog精选AI 评分6262
Hugging Face BlogAI 评分5252 Hugging Face 如何构建官方 MCP Server
Hugging Face 发布官方 MCP Server（hf.co/mcp），用户可通过一个 URL 访问 Hub 与 Spaces 上的数千个 AI 应用，并可在设置页自定义工具。
Hugging Face BlogAI 评分4040 Hugging Face 详解异步机器人推理：解耦动作预测与执行
Hugging Face 发布博客详解异步推理，将机器人动作预测与执行解耦为 PolicyServer 和 RobotClient 两个进程，通过 gRPC 通信（比 REST API 快约 5 倍），让机器人在计算下一段动作时持续执行当前动作。该方法在 SmolVLA 中引入，任务完成时间提速约 2 倍且成功率相当，适用于 ACT、OpenVLA、PI0 等输出动作块的策略。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 ScreenEnv，在 Docker 中部署全栈桌面智能体
Hugging Face 发布 ScreenEnv，一个可在 Docker 容器中创建隔离 Ubuntu 桌面环境的 Python 库，用于测试和部署 GUI 智能体（Computer Use 智能体）。
推荐理由：ScreenEnv 把桌面智能体的运行环境封装进 Docker，并同时提供 MCP 与直接 API 两种接入方式，读者可据此判断现有智能体架构能否低成本迁移。
Hugging Face BlogAI 评分5050 用 Gradio MCP Servers 为 LLM 扩展新技能
Gradio 5.28.0 起支持 MCP 协议，使 Hugging Face Spaces 上数千个 AI 应用可作为 MCP server 接入 LLM，相当于一个「MCP App Store」。
Hugging Face BlogAI 评分2828 Hugging Face 与 AMD 为 MI300X 打造自定义内核，优化 Llama 3.1 405B FP8 推理
Hugging Face 与 AMD 合作，为 MI300X GPU 编写了三个开源自定义内核——融合残差连接/RMS norm/FP8 转换内核、融合 SwiGLU 激活与 FP8 转换内核、Skinny GEMM 内核，用于在 8 卡 MI300X 节点上通过 VLLM 加速 Llama 3.1 405B 的 FP8 推理。
Hugging Face Blog精选AI 评分6262 Hugging Face 与 Pollen Robotics 发布开源机器人 Reachy Mini，399 美元起
Hugging Face 与 Pollen Robotics 发布开源机器人 Reachy Mini，Lite 版 399 美元、带板载计算与电池的无线版 499 美元，均需另付税费和运费，预计约 90 天发货。
推荐理由：官方给出开源桌面机器人的两档配置、价格与 Python SDK，可据此判断入门机器人 AI 实验的成本与上手门槛。
Hugging Face BlogAI 评分3838 Hugging Face 详解高效多模态数据管道：从朴素填充到背包算法
Hugging Face 以 nanoVLM 项目为例，展示如何用五阶段构建高效多模态数据管道，解决 GPU 空转与填充浪费问题。朴素填充方案中约 60% 的 batch 被无用 padding token 占据，团队随后引入全局最大长度约束，并用背包问题（knapsack）策略将序列打包进固定 token 上限的 batch。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 SmolLM3：3B 多语言长上下文推理模型
Hugging Face 发布完全开源的 3B 模型 SmolLM3，在 11T tokens 上训练，支持 think / no_think 双模式推理、6 种语言和最高 128k 上下文。
推荐理由：官方完整公开了 3B 模型的预训练、中训练与后训练配方，读者可据此复现或迁移到自研小模型。
Hugging Face BlogAI 评分1515 Hugging Face 生产基础设施背后的三大关键告警
Hugging Face 基础设施团队公开了支撑其生产环境的三大关键告警机制，包括 NAT 网关吞吐量告警和 Hub 请求日志归档成功率告警。NAT 网关告警采用静态阈值，用于发现流量异常并优化云成本；日志归档链路则通过 Filebeat、Logstash 与 Elasticsearch 完成日志的采集、加工与存储。
Hugging Face BlogAI 评分2222 Hugging Face 公布 NeurIPS 2025 E2LM 竞赛：评估大语言模型早期训练
Hugging Face 上线 NeurIPS 2025 E2LM 竞赛，面向 LLM 早期训练阶段（约 200B tokens 以内）构建科学知识领域的评测基准，参赛者需基于 lm-evaluation-harness 通过 Hugging Face Space 提交方案。
Hugging Face BlogAI 评分2828 用 Sentence Transformers 训练与微调稀疏嵌入模型
Sentence Transformers 现已支持训练和微调稀疏嵌入模型，可产出如 sparse-encoder/example-inference-free-splade-distilbert-base-uncased-nq 这类低成本模型，尤其适合混合检索或先检索后重排场景。
Hugging Face BlogAI 评分5555 NVIDIA 发布 Llama Nemotron Nano VL 文档理解 VLM，已上线 Hugging Face
NVIDIA 发布 Llama Nemotron Nano VL，一个 8B 视觉语言模型，面向智能文档处理，已在 Hugging Face 上线并可通过 NVIDIA NIM API 调用。
Hugging Face Blog精选AI 评分7272 Gemma 3n 正式开源，接入 transformers、MLX、llama.cpp 等主流库
Gemma 3n 从 Google I/O 的预览版转为正式发布，已在 transformers、timm、MLX、llama.cpp、transformers.js、ollama、Google AI Edge 等开源库上线。
推荐理由：Gemma 3n 正式开源并接入主流推理库，读者可据此了解端侧多模态模型的部署路径与内存优化思路。
Hugging Face BlogAI 评分3838 SGLang 集成 Hugging Face transformers 作为推理后端
SGLang 新增 Hugging Face transformers 后端支持，可自动回退运行其未原生支持的 transformers 模型，也可通过 impl="transformers" 显式指定。
Hugging Face Blog精选AI 评分6262 在消费级硬件上用 QLoRA 微调 FLUX.1-dev
Hugging Face 发布教程，介绍用 diffusers 库以 QLoRA 在单张 GPU 上微调 FLUX.1-dev，峰值显存约 10GB 以下。在 RTX 4090 上，QLoRA 峰值显存约 9GB，标准 BF16 LoRA 需 26GB，700 步训练约 41 分钟。
推荐理由：给出在单张消费级 GPU 上微调 FLUX.1-dev 的完整配置与显存对比，方法可直接复用。
Hugging Face BlogAI 评分2323 Groq 成为 Hugging Face Hub 支持的 Inference Provider
Groq 现已作为 Inference Provider 接入 Hugging Face Hub，支持 Llama 4、QWQ-32B 等开源模型的 serverless 推理，并集成 JS 和 Python 客户端 SDK。
Hugging Face BlogAI 评分5050 Hugging Face Kernel Hub 5 分钟入门指南
Hugging Face 推出 Kernel Hub，让 Python 库和应用直接从 Hugging Face Hub 加载预编译的优化计算内核，无需本地编译。通过 kernels 库的 get_kernel 函数，一行代码即可调用 FlashAttention、量化内核、MoE 层等，自动匹配 Python、PyTorch 和 CUDA 版本，数秒内完成下载。
Hugging Face BlogAI 评分2222 Featherless AI 成为 Hugging Face Inference Providers 支持的服务商
Featherless AI 现已作为 Inference Provider 接入 Hugging Face Hub，支持 DeepSeek、Meta、Google、Qwen 等最新开源文本与对话模型，并集成到 JS 和 Python 客户端 SDK。
Hugging Face Blog精选AI 评分6262 如何为 LeRobot SO-101 机械臂后训练 Isaac GR00T N1.5
NVIDIA 发布 Isaac GR00T N1.5，这是其开源人形机器人基础模型 GR00T N1 的首次重大更新，支持语言和图像多模态输入并可通过后训练适配特定本体。
推荐理由：原文给出从数据准备到真机部署的完整命令流程，读者可据此在低成本 SO-101 机械臂上复现微调。
Hugging Face Blog精选AI 评分6060 Hugging Face 与 NVIDIA 合作推出 Training Cluster as a Service
Hugging Face 在 GTC Paris 宣布与 NVIDIA 合作推出 Training Cluster as a Service，让全球研究机构更容易获取大型 GPU 集群，按训练时长付费。
推荐理由：Hugging Face 与 NVIDIA 把 GPU 集群申请、调度和训练工具串成一条流程，读者可据此判断中小研究团队获取算力的门槛变化。
Hugging Face BlogAI 评分5757 Hugging Face 发布 ScreenSuite，面向 GUI 智能体的评测套件
Hugging Face 发布 ScreenSuite，称其为面向 GUI 智能体的最全面评测套件，统一整合了 13 个基准，覆盖感知与定位、单步动作、多步智能体三类能力。
Hugging Face BlogAI 评分2222 nanoVLM 从零实现 KV Cache，生成速度提升 38%
Hugging Face 的 nanoVLM 仓库从零实现了 KV Cache，使自回归生成速度提升 38%。该实现覆盖 Attention 块、逐层缓存的语言模型以及区分 prefill 与 decode 的生成循环三部分，经验可推广到所有自回归语言模型生成。
Hugging Face BlogAI 评分2424 Arm CPU 上用 Stable Audio Open 实现实时 AI 音效生成
Arm 工程师 Michael Gamble 基于 Stability AI 的 Stable Audio Open 模型，在 Arm CPU 上构建了一款完全本地运行的音效生成应用，无需 GPU 和云端推理，几秒内即可根据提示词生成 .wav 文件并直接导入 Ableton Live。
Hugging Face Blog精选AI 评分7171 H Company 发布 GUI 自动化 VLM 系列 Holo1 与基准 WebClick
H Company 发布 Holo1 系列 Action VLM 及多模态定位基准 WebClick，模型已开源在 Hugging Face。该系列包含 Holo1-3B 和 Holo1-7B，其中 7B 在常见 UI 定位基准上平均准确率达 76.2%，为小尺寸模型中最高。
推荐理由：Holo1 开源了 GUI 定位模型与配套基准，读者可据此评估浏览器自动化在成本与精度上的取舍。
Hugging Face BlogAI 评分5858 Hugging Face 发布 SmolVLA：450M 开源视觉语言动作模型
Hugging Face 发布 SmolVLA，一个 450M 参数的开源视觉语言动作（VLA）模型，可在消费级硬件甚至 CPU 上运行，仅用 lerobot 标签下的社区共享数据集预训练。
Hugging Face Blog精选AI 评分6262 TRL 支持 vLLM 与 GRPO 训练同卡共置
TRL 通过 PR #3394 支持 vLLM 的 external launcher，让推理与 GRPO 训练在同一批 GPU 上共置运行，不再需要单独的 vLLM 服务器进程。
推荐理由：TRL 把 vLLM 从独立推理服务改为与训练同卡共置，读者可据此判断 GRPO 训练的显存与吞吐取舍。
Hugging Face BlogAI 评分5555 Hugging Face 研究：CodeAgent 结合结构化输出可提升智能体表现
Hugging Face 分享研究，将 CodeAgent 的思考与代码强制以结构化 JSON 生成，在 GAIA、MATH、SimpleQA、Frames 等基准上比普通 CodeAgent 平均高出 2-7 个百分点。
Hugging Face BlogAI 评分1010 Liger GRPO 与 TRL 集成在 DeepSpeed ZeRO3 下出现形状不匹配
用户在使用 Qwen2.5-0.5B-Instruct 以 bf16 精度结合 DeepSpeed ZeRO3 测试 Liger GRPO loss 时，于 TRL 的 GRPO trainer 中触发形状不匹配报错。错误发生在 liger_kernel 的 fused_linear_ppo 前向计算阶段，堆栈显示问题出现在 chunked_loss 的 accumulate_chunk 调用中。
Hugging Face Blog精选AI 评分6262 Hugging Face 用约 70 行 Python 代码实现 MCP 驱动的 Tiny Agent
Hugging Face 发布 Python 版 Tiny Agents，把 huggingface_hub 客户端 SDK 扩展为 MCP Client，可从 MCP 服务器拉取工具并在推理时传给 LLM，核心智能体代码约 70 行。
推荐理由：Hugging Face 官方给出约 70 行 Python 代码实现 MCP 智能体的完整拆解，可直接照着搭一个自己的智能体。
Hugging Face BlogAI 评分3838 Dell Enterprise Hub 新版发布：在本地 Dell AI 服务器与 AI PC 上构建 AI
Dell 在 Dell Tech World 发布新版 Dell Enterprise Hub，提供 Meta Llama 4 Maverick、DeepSeek R1、Google Gemma 3 等模型的预测试容器，可在 NVIDIA H200、AMD MI300X 等 Dell PowerEdge 服务器上通过 Docker 和 Kubernetes 部署。
Hugging Face Blog精选AI 评分6262 Falcon-H1 系列开源模型发布，0.5B 到 34B 共六款
Falcon-LLM 团队发布 Falcon-H1 系列开源模型，共六款，参数规模从 0.5B 到 34B，每款均含 base 与 instruct 版本，采用 Apache 2.0 许可。
推荐理由：Falcon-H1 用混合注意力与 SSM 架构在长上下文吞吐上取得明显优势，读者可据此判断小参数模型的部署取舍。
Hugging Face BlogAI 评分4141 Falcon-Arabic：阿拉伯语语言模型的突破
阿联酋技术创新研究院（TII）发布 Falcon-Arabic，一款基于 Falcon 3 架构的 7B 参数多语言模型，支持阿拉伯语、英语等多种语言，上下文长度达 32,000 tokens。该模型在 OALL v2 基准上超越同规模阿拉伯语 LLM，甚至优于参数量达其 4 倍的模型，并在 Arabic MMLU、Exams、MadinahQA、Aratrust 等任务上领先。
Hugging Face BlogAI 评分3434 Hugging Face Diffusers 量化后端解析：bitsandbytes、GGUF、torchao、Quanto 与 FP8
Hugging Face Diffusers 现已集成 bitsandbytes、GGUF、torchao、Quanto 和原生 FP8 等多种量化后端，并以 Flux-dev 为例展示其效果。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 nanoVLM：用纯 PyTorch 训练视觉语言模型的最简仓库
Hugging Face 发布 nanoVLM，一个用纯 PyTorch 训练视觉语言模型（VLM）的轻量工具包，可在免费 Colab 上启动训练。其视觉骨干采用 Google 的 SigLIP 编码器，语言骨干沿用 Llama 3 架构，两者通过 Modality Projection 模块对齐，训练目标为视觉问答。
推荐理由：官方给出 nanoVLM 的架构选择与训练流程，读者可据此在免费 Colab 上跑通一个 VLM。
Hugging Face BlogAI 评分4242 微软与 Hugging Face 扩大合作：10,000+ 开源模型上线 Azure AI Foundry
微软在 Build 大会上宣布扩大与 Hugging Face 的合作，Azure AI Foundry 的 Hugging Face Collection 现已提供 10,000+ 开源模型，可一键部署到 Azure 安全基础设施，覆盖文本、音频和图像任务。
Hugging Face Blog精选AI 评分6262 Falcon-Edge 发布 1B 与 3B 三值量化语言模型系列
Falcon-Edge 系列发布，基于 BitNet 架构，提供 1B 和 3B 两种规模，每种规模都有 base 与指令微调版本，权重以三值格式（{-1, 0, 1}）提供。
推荐理由：Falcon-Edge 用一次预训练同时产出 bfloat16 与三值量化版本，并给出可直接微调的权重与工具包，读者可据此判断 1.58bit 模型的落地路径。
Hugging Face Blog精选AI 评分6262 Hugging Face 将 Transformers 定位为跨框架模型定义标准
Hugging Face 宣布将 Transformers 打造为跨框架的模型定义中枢，模型架构只要被 Transformers 支持，就能在生态其他工具中获得支持。目前 Transformers 已支持 300+ 模型架构，平均每周新增约 3 个，并与 vLLM、SGLang、TGI 等推理引擎及 llama.cpp、MLX 打通互操作。官方还计划简化建模代码、弃用冗余组件，降低社区贡献门槛。
推荐理由：Hugging Face 官方说明 Transformers 将作为跨框架的模型定义中枢，读者可据此理解模型一次贡献、多引擎复用的生态走向。
Hugging Face BlogAI 评分2222 Hugging Face 与 Kaggle 打通模型访问集成
Hugging Face 与 Kaggle 推出集成，Kaggle 用户可直接在平台上发现并使用 Hugging Face 模型，如在 Qwen/Qwen3-1.7B 等模型页点击“Use this model”选择 Kaggle 即可生成含加载代码的 Notebook。
Hugging Face BlogAI 评分4040 Hugging Face 在 Inference Endpoints 上推出极速 Whisper 转录部署
Hugging Face 在 Inference Endpoints 上线新版 OpenAI Whisper 部署方案，基于 vLLM 实现，性能较此前版本最高提升 8 倍，转录质量无损。