Mistral AI 開放企業 AI 編排層 Workflows 公開預覽，讓開發者以 Python 編寫流程，並可發佈至 Le Chat 供組織成員觸發。Workflows 提供持久執行、Studio 逐步追蹤及人工審批暫停與恢復，並支援將 workers 和資料處理部署在企業自有環境。
推薦理由：Workflows 將持久執行、Studio 追蹤與人工審批整合，並支援 workers 在企業自有環境運行，呈現企業 AI 流程走向生產的部署設計。
OpenAI 更新 Agents SDK，加入原生沙盒執行與模型原生 harness。這些更新旨在協助開發者構建可跨文件和工具運作的安全、長時間運行智能體。
推薦理由：更新把原生沙盒執行和模型原生 harness 納入 Agents SDK，呈現其對安全、長時間運行智能體跨文件與工具工作的支持。
OpenAI 為金融服務機構提供 AI 資源，包括提示詞套件、GPTs、指南及工具，協助機構安全部署並擴展 AI。
Overworld 推出 Waypoint-1.5 即時影片世界模型，提升視覺保真度並擴大可本地運行的硬件範圍。桌面硬件 RTX 3090 至 5090 可生成最高 720p、60 FPS 的即時環境；另有面向更廣泛消費級硬件（包括遊戲筆電）的 360p 版本，Apple Silicon Mac 支援即將推出。
推薦理由：Waypoint-1.5 分設 720p 與 360p 檔位，並列明 RTX 3090 至 5090 可達最高 720p、60 FPS，呈現其畫質與本地硬件覆蓋方案。
Gradio 介紹 gradio.Server，讓自訂前端可使用 Gradio 的後端能力，同時採用自選的前端框架。gradio.Server 擴展 FastAPI，提供自訂路由等功能，並加入 Gradio 的佇列、SSE 串流、並發控制和 gradio_client 相容性。
推薦理由：文章以圖像去背示例展示如何讓自訂 HTML/CSS/JS 前端透過 gradio.Server 使用 Gradio 佇列、並發控制與 ZeroGPU，提供兼顧介面自由度和後端管理的實作參考。
Granite 4.0 3B Vision 現已推出，是面向企業文件理解的緊湊型視覺語言模型，支援表格抽取、圖表理解及語義鍵值對抽取。模型以 LoRA adapter 形式構建於 Granite 4.0 Micro 之上，可獨立使用或配合 Docling，並以 Apache 2.0 授權在 Hugging Face 提供。
LeRobot 團隊發佈 v0.5.0，擴展機械人硬件、策略模型、資料集處理及模擬環境支援。版本加入 Unitree G1 人形機械人完整支援（包括全身控制）、Pi0-FAST 自回歸 VLA 及 Real-Time Chunking，並新增 EnvHub 以從 Hugging Face Hub 載入模擬環境，亦整合 NVIDIA IsaacLab-Arena。
推薦理由：版本把人形機械人控制、即時推理、模擬環境和資料提速納入同次更新，呈現 LeRobot 從硬件接入至訓練工具鏈的擴展範圍。
Balyasny Asset Management 結合嚴謹的模型評估、全面運用 OpenAI 平台及智能體工作流程，重塑投資研究。
NXP 分享將機械人 AI 部署到嵌入式平台的實踐指南，涵蓋數據集錄製、ACT 與 SmolVLA 微調，以及 i.MX 95 上的 VLA 推理優化。實驗以把茶包放入杯中為任務，使用 3 部攝影機；文章建議保留獨立驗證集，並以非同步方式計算下一動作區塊，但推理時間須短於當前動作執行時間。
OpenAI 與 Amazon 宣佈戰略合作，將 OpenAI 的 Frontier 平台帶至 AWS。合作亦將擴展 AI 基礎設施、客製模型及企業 AI 智能體。
推薦理由：合作將 Frontier 平台帶至 AWS，並涉及基礎設施、客製模型及企業智能體，可由此瞭解雙方合作涵蓋的企業 AI 範圍。
GGML 團隊加入 Hugging Face，並將持續維護 llama.cpp；Hugging Face 會為項目提供長期資源支持。團隊仍將 100% 時間用於維護，並對技術方向及社羣保有完全自主權與領導權；項目會繼續 100% 開源並由社羣推動。雙方計劃讓 transformers library 的模型定義更順暢地用於 llama.cpp，並改善 ggml 軟件封裝及本地模型部署體驗。
推薦理由：文章交代 GGML 團隊加入後 llama.cpp 的維護自主權與資源支持，也列出連接 transformers library 模型定義及改善本地部署體驗的方向。
OpenAI 建立結合速率限制、用量追蹤與 credits 的即時存取系統，支援 Sora 和 Codex 持續存取。
OpenAI for Government 宣佈在 GenAI.mil 部署自訂版 ChatGPT，為美國國防團隊帶來具安全保障、並以安全性為先的 AI。
Hugging Face 宣佈 Transformers.js v4 已上架 NPM，安裝命令為 `npm i @huggingface/transformers`。
推薦理由：v4 支援 Node、Bun 和 Deno 的 WebGPU 加速，預設網頁版縮小 53%，呈現跨環境部署與下載、啟動效率的具體改進。
Google Research提出 Sequential Attention，將子集選擇整合至單次模型訓練，以較低開銷提升模型效率並維持準確度。該方法以注意力分數逐步挑選特徵，在多項神經網絡基準測試中取得最先進結果。
Gradio 團隊推出開源 Python 函式庫 Daggr，可用程式串接 Gradio 應用、ML 模型及自訂函數，建立 AI 工作流程。Daggr 會自動生成視覺畫布，供使用者檢視中間輸出、修改輸入並單獨重跑步驟，同時保存工作流程狀態。該工具目前處於 beta，更新期間仍可能發生本機保存資料遺失。
Taisei Corporation 人力資源團隊正主導在整個組織推行 ChatGPT Enterprise，以推動 AI 賦能的人才培育。這項部署聚焦於培養新一代人才。
OpenAI 深入剖析 Codex 智能體循環，説明 Codex CLI 如何透過 Responses API 協調模型、工具、提示詞與效能。
OpenAI 擴展 PostgreSQL 以支撐 800 million ChatGPT 用户，並將其處理規模提升至每秒數百萬次查詢。所述做法包括使用副本、快取、速率限制及工作負載隔離。
Mistral AI 團隊追查 vLLM 分離式服務的記憶體洩漏，定位到 UCX 的 mmap hook 與延後清理的記憶體池。問題只在使用 NIXL 的 Prefill/Decode 分離式設定中重現；設置 UCX_MEM_MMAP_HOOK_MODE=none 可解決洩漏，且在此 vLLM 用例中不影響效能。
推薦理由：這篇排查記錄示範如何從 RSS 與匿名映射的異常增長開始，逐步利用 BPFtrace 和 GDB 定位 UCX mmap hook，並整理 vLLM 分離式服務可用的修復設定。
Stargate Community 計劃以社區優先方式規劃 AI 基礎設施，並按地方情況調整方案。方案會參考社區意見、能源需求及勞動力優先事項制定。
OpenAI 與 Cerebras 合作增加 750MW 高速 AI 算力，以降低推理延遲，並讓 ChatGPT 在即時 AI 工作負載下更快。
推薦理由：這項合作把 750MW 高速算力與降低推理延遲、提升 ChatGPT 即時 AI 工作負載速度連結起來，交代新增算力的服務用途。
OpenAI 與 SoftBank Group 聯同 SB Energy 合作開發多吉瓦級 AI 數據中心園區。項目包括一座位於德州、支援 Stargate 計劃的 1.2 GW 設施。
推薦理由：合作涵蓋多吉瓦級 AI 數據中心園區，並列出支援 Stargate 計劃的德州 1.2 GW 設施，可瞭解項目規模及合作的具體落點。
llama.cpp server 現已提供 router mode，可在不重啟的情況下動態載入、卸載及切換多個模型。它會從 llama.cpp 快取或指定的 --models-dir 尋找 GGUF，並在收到請求時載入模型；達到 --models-max 上限時按 LRU 卸載，預設最多同時載入 4 個模型。各模型以獨立程序運行，一個模型崩潰不會影響其他模型。
推薦理由：多進程隔離配合按需載入和 LRU 卸載，展示 llama.cpp 如何在同一服務中管理多個模型並限制同時載入數量。
Hugging Face 宣佈推出 swift-huggingface，一款提供完整 Hugging Face Hub API 的 Swift 套件，可作為獨立套件使用。
Hugging Face Skills 讓 Claude Code 等編碼智能體透過對話處理模型微調，涵蓋資料集驗證、GPU 選擇、雲端工作提交與進度監控。它亦兼容 Codex 和 Gemini CLI；文中以 Qwen3-0.6B 在 open-r1/codeforces-cots 上進行 SFT 為例，估算使用 t4-small 約需 20 分鐘、成本約 $0.30。
推薦理由：文章將資料集驗證、GPU 選擇、雲端工作提交與進度監控串成智能體訓練流程，並比較 SFT、DPO、GRPO 的適用場景。
Hugging Face 發佈 Transformers v5.0.0rc-0，將簡化模型定義、訓練、推理和生產支援列為重點，並以互操作性貫穿版本改造。
推薦理由：文章説明 Transformers v5 如何銜接訓練工具、推理引擎與本地部署，並呈現其聚焦 PyTorch、提升量化支援的工程取捨。
OpenAI 擴大 ChatGPT Enterprise、ChatGPT Edu 及 API Platform 的資料駐留服務，讓全球合資格客户可在區內儲存靜態資料。
OVHcloud 已成為 Hugging Face Hub 支援的推理服務提供商，用户可透過 Hub 模型頁面及 JS、Python SDK 使用其服務。OVHcloud AI Endpoints 是全託管無伺服器服務，每百萬個 tokens 收費由 €0.04 起，基建設於歐洲數據中心。服務支援結構化輸出、函數呼叫及文字和圖像處理，首個 token 回應時間低於 200ms。
Google Research 公佈一款輕量、高效的線性迴歸模型，預測電動車充電站未來的充電接口可用情況。測試涵蓋 100 個隨機抽選站點及 30 分鐘、60 分鐘預測時距；模型相較「Keep Current State」基線，更能識別接口佔用變化顯著的時段。
OpenAI 與 Foxconn 將合作在美國設計和製造新一代 AI 基礎設施硬件，以強化 AI 供應鏈。合作計劃開發多代數據中心繫統，並在美國本土製造關鍵零部件，以加快先進 AI 基礎設施建設。
AnyLanguageModel 是一個 Swift 套件，以 Apple Foundation Models 的 API 為基礎，為 Apple 平台的本地與雲端 LLM 提供統一介面，目標是減少多供應商整合摩擦。
Mistral AI 宣佈深化在德國的戰略承諾，與 SAP 建立多年合作，並與 Helsing 加速相關模型研發。與 SAP 的合作旨在為德國和歐洲提供完整的主權 AI 技術堆疊，將 Mistral AI 的模型整合至 SAP AI Foundation，並共同開發面向歐洲複雜產業與行政機構的專用方案。
Hugging Face 與 Google Cloud 宣佈深化策略合作，協助企業以開放模型建置及客製化 AI。Google Cloud 客户對 Hugging Face 的使用量在過去 3 年增長 10x，目前每月涉及數十 PB 模型下載及數十億次請求；雙方正建置 CDN Gateway，將模型和資料集快取至 Google Cloud，以縮短下載時間並加強模型供應鏈穩健性。
OpenAI 已在 API 中提供 GPT-5.1，帶來更快的自適應推理、擴展的提示詞快取及更佳的編碼表現。API 新增 apply_patch 和 shell 工具。
推薦理由：更新涵蓋自適應推理、提示詞快取、編碼表現及 apply_patch 和 shell 工具，勾勒 GPT-5.1 面向開發者的 API 改進範圍。
Google Research 發表 Project Suncatcher 的研究，探討以太陽能衞星搭載 Google TPU、透過光學鏈路構建可擴展的太空 AI 基礎設施。
OpenAI 與 AWS 宣佈達成一項為期多年的 $38 billion 戰略合作，以擴展先進 AI 工作負載。AWS 將提供一流基礎設施及運算容量，支援 OpenAI 下一代模型。
推薦理由：這項多年期合作把 AWS 的基礎設施與運算容量，對應到 OpenAI 擴展先進 AI 工作負載及支援下一代模型的需求，呈現雙方合作的資源配置方向。
Google Research 公佈可證明私隱洞察（PPI）系統，結合 LLM、TEE 與差分私隱分析生成式 AI 工具的真實使用情況，只釋出匿名化聚合結果。
推薦理由：文章將 LLM 結構化摘要、TEE 內的資料隔離與 user-level 差分私隱聚合串成可外部檢查的流程，並以 Pixel Recorder 説明實際部署方式。
Mistral AI 推出 Mistral AI Studio，為企業團隊提供建置、評估及在生產環境運行 AI 的平台。平台由 Observability、Agent Runtime 和 AI Registry 三部分組成，支援流量與回饋追蹤、輸出評估、智能體執行及 AI 資產版本管理。
LeRobot 發佈 v0.4.0，加入 Datasets v3.0、VLA 模型 PI0 和 PI0.5、GR00T N1.5，以及硬件插件系統。Datasets v3.0 採用分塊 episode 格式並支援串流，可處理 OXE 級（> 400GB）資料集。
推薦理由：資料集規模化、模擬評測、多 GPU 訓練和硬件插件同時更新，勾勒出 LeRobot 從資料處理到機械人控制的工具鏈演進。