Hugging Face 发布 Transformers v5.0.0rc-0，确立 PyTorch 为唯一后端，引入模块化设计与注意力接口抽象。v5 全面强化预训练、推理与量化支持，新增 transformers serve 系统，并深度打通 vLLM、SGLang、llama.cpp 等生态工具链。
推荐理由：v5 确立了 PyTorch 单后端与模块化设计，全面打通训练推理部署链路，为生态互操作提供统一标准。
Diffusers 正式支持 FLUX-2 图像生成模型，提供 Flux2Pipeline 和 Flux2Transformer2DModel 等组件。该模型使用 Mistral3 作为文本编码器，可通过 diffusers/FLUX.2-dev-bnb-4bit 仓库加载，支持 4-bit 量化部署。
Hugging Face发布深度分析，指出美国出口管制反而加速了中国国产芯片与开源模型的协同创新。DeepSeek、Qwen等模型通过架构优化降低推理成本，并率先适配华为昇腾等国产硬件。这种“非NVIDIA优先”策略正在催生独立于CUDA的软件生态，推动全球AI基础设施向多极化演变。
推荐理由：文章梳理了美国出口管制如何倒逼中国加速国产芯片与开源模型协同创新，揭示了全球AI算力格局的重构路径。
IBM 发布 Granite 4.0 Nano 系列模型，包含 350M 和 1B 参数版本，采用混合 SSM 架构或传统 Transformer 架构，面向端侧和 On-device 应用。模型基于 15T tokens 数据训练，支持 vLLM、llama.cpp 和 MLX 等运行环境，并在 IFEval 和 BFCLv3 等基准测试中表现优异。
推荐理由：IBM 发布 3.5 亿至 15 亿参数模型，提供混合架构与传统 Transformer 两种选择，适合端侧部署。
Hugging Face 发布 LeRobot v0.4.0，引入 Datasets v3.0 及编辑工具，支持 LIBERO 和 Meta-World 仿真环境，并集成 Physical Intelligence 的 PI0.5 和 NVIDIA 的 GR00T N1.5 模型。
推荐理由：LeRobot v0.4.0 升级了数据集与训练工具，并集成 PI0.5 和 GR00T N1.5 等前沿模型，为具身智能开发提供了更完整的开源方案。
Hugging Face 与 VirusTotal 达成合作，对 Hub 上 220 万+ 公开模型和数据集仓库进行持续扫描。通过比对文件哈希值，用户可在下载前查看文件在 VirusTotal 数据库中的恶意软件检测状态及威胁情报，无需上传原始文件内容，从而提升开源 AI 协作的安全性。
Hugging Face 宣布 Sentence Transformers 从达姆施塔特工业大学 UKP Lab 正式转入 Hugging Face，由 Tom Aarsen 继续领导项目。该项目拥有超过 16,000 个公开模型和百万级月活用户，将继续保持 Apache 2.0 开源协议和社区驱动模式。
推荐理由：Sentence Transformers 正式并入 Hugging Face，由官方接手维护，为开源嵌入生态带来更稳定的基础设施支持。
NVIDIA 发布首个面向日本市场的开源合成数据集 Nemotron-Personas-Japan，包含600万条自然日语人设记录，覆盖1500余种职业及多维人口统计属性。该数据集基于 NeMo Data Designer 生成，不依赖真实个人信息，旨在支持日本大语言模型的本地化微调与合规应用。
Hugging Face 联合 Cloud Security Alliance 等发布 RiskRubric.ai，对模型进行透明度、可靠性、安全、隐私、安全和声誉六维评估，提供 0-100 分及 A-F 等级，并支持按维度筛选。
推荐理由：平台提供标准化模型安全评分，帮助开发者快速筛选符合安全与隐私要求的模型。
Writer 发布 Palmyra-mini 系列三款 1.5B 至 1.7B 参数量的开源模型，包含通用基座及针对逻辑和数学优化的推理变体。模型采用 Qwen 架构，支持 GGUF 和 MLX 量化，在 GSM8K 和 AMC23 等基准测试中表现优异。
推荐理由：Palmyra-mini 系列提供 1.5B 至 1.7B 参数量的轻量级模型，兼顾推理与通用生成，适合端侧部署。
Hugging Face 升级 transformers 库以支持 OpenAI GPT-OSS 系列模型，新增 MXFP4 量化、张量并行、专家并行及动态滑动窗口缓存等部署优化。通过 Hub 下载预编译内核，显著降低显存占用并提升推理效率。
推荐理由：Hugging Face 为 GPT-OSS 提供开箱即用的部署支持，涵盖 MXFP4 量化与多卡并行，为社区提供了可复用的工程参考。
Hugging Face 发布 Jupyter Agent，开源了基于 Qwen3-4B 微调的模型及训练数据集，旨在让小型模型具备在 Jupyter Notebook 中执行代码解决数据分析任务的能力。该模型在 DABStep 基准测试的简单任务上准确率提升至 75%，并提供了完整的 Kaggle 数据集清洗、QA 生成及微调代码。
推荐理由：Hugging Face 开源了基于 Qwen3-4B 微调的 Jupyter Agent 模型及数据集，展示了通过高质量数据与精简脚手架提升小模型数据分析能力的有效路径。
Hugging Face 发布 Research Tracker MCP 工具，允许 AI 智能体通过自然语言自动化跨 arXiv、GitHub 和 Hugging Face 的文献发现流程。该工具将手动搜索和脚本工具封装为 MCP 标准接口，支持 Claude Desktop、Cursor 等客户端直接调用，简化了论文、代码和模型的交叉检索。
Hugging Face开源了Kimina-Prover-RL，一个基于Verl框架的Lean 4形式化定理证明训练管线，并发布了1.7B和0.6B两个模型。该管线采用类DeepSeek-R1的结构化推理范式，结合格式奖励和错误纠正机制，在MiniF2F基准上刷新了开源模型在对应参数规模下的SOTA成绩。
推荐理由：开源了基于Verl的Lean 4定理证明训练管线及0.6B和1.7B模型，为小参数模型形式化推理提供了可复现的SOTA方案。
Hugging Face 发布开源实验追踪库 Trackio，提供兼容 wandb 的轻量级 Python 库，支持本地 Gradio 仪表盘及与 Hugging Face Spaces 同步分享。该工具内置与 Transformers 和 Accelerate 的集成，支持 GPU 能耗追踪，数据默认本地持久化并自动备份至 Parquet 数据集。
推荐理由：Trackio 提供兼容 wandb 的轻量级实验追踪方案，支持本地运行与 Spaces 同步，便于分享与数据提取。
Arc Institute发布虚拟细胞挑战赛，要求训练模型预测基因沉默对细胞的影响。Hugging Face博客详细解析了挑战赛的背景、数据集结构以及Arc提出的STATE基线模型，包括State Transition Model和State Embedding Model的架构设计。
Mistral AI 推出 AI for Citizens 倡议，旨在帮助各国政府及公共机构利用 AI 技术重塑公共服务并推动创新。该计划提供 Mistral AI 的尖端模型、AI 聊天与编程助手，支持私有化部署、SaaS 及无服务器 API 等多种方式，确保数据主权与合规。通过定制化研发与生态建设，助力各国摆脱对封闭供应商的依赖，实现 AI 技术的自主可控。
Mistral AI 发布 Mistral Compute，提供包含 GPU、编排、API 及服务的私有集成 AI 基础设施栈。作为 NVIDIA 合作伙伴，该服务提供数万张 GPU 资源，支持从裸金属服务器到全托管 PaaS 的多种形态。此举旨在满足欧洲等地区对数据主权和可持续性的要求，为各国政府、企业及研究机构提供独立可控的 AI 算力环境。
Hugging Face 联合 2A2I 和 TII 发布 Open Arabic LLM Leaderboard 2。首版 OALL 上线不到 7 个月吸引超 46,000 访客，收录超 700 个模型。新版旨在解决资源限制与结果验证问题，提供更统一、透明的基准测试平台。