電訊營運商為何以開放模型制定 AI 策略
電訊營運商正愈來愈多以開放模型制定 AI 策略，重視的不只是成本，還包括對關鍵工作負載的信任、控制及自訂能力。NVIDIA 最新《電訊業 AI 現況報告》顯示，89% 受訪者認為開源模型及軟件對公司 AI 策略很重要。
#開源生態
#開源生態
今日 1 條NVIDIA BlogAI 評分4141
Hugging Face BlogAI 評分5555 Ai2 開源科學報告生成模型 AstaBrief 8B
Ai2 開源 AstaBrief 8B，這款模型可把研究問題和檢索到的文獻摘錄生成帶引用報告，並已在 Asta 的 Generate a report 功能中提供 Fast mode。
AWS Machine Learning BlogAI 評分5757 如何用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 建立智能體記憶
文章示範如何將 Amazon S3 Vectors 設為 NVIDIA NeMo Agent Toolkit（NAT）的持久記憶層，並把智能體工作流部署到 Amazon EKS。
Hugging Face Blog精選AI 評分6565 Open TTS Leaderboard 為多語言文字轉語音與聲音複製提供可擴展評估
Hugging Face 建立 Open TTS Leaderboard，以客觀指標評估開源、多語言 TTS 模型及聲音複製能力。評估涵蓋 WER/CER、批次推理速度（RTFx）、首段音訊延遲（TTFA）及説話者相似度（SIM），可把單個模型的評估時間由數週縮短至數小時。排行榜不取代人工偏好評選，並設有 Listen 頁籤供用户比較生成音訊及投票；其指標不直接衡量自然度、表現力或聽者偏好。
推薦理由：排行榜以客觀指標並列呈現語音清晰度、説話者相似度與速度表現，並保留聆聽投票，方便比較多語言及聲音複製模型。
Hugging Face Blog精選AI 評分6565 NVIDIA Kumo Tabular 為表格預測樹立準確率與效率的新前沿
NVIDIA 發佈開放式表格基礎模型 Kumo Tabular，用於表格分類與回歸，可根據帶標籤的上下文列，在單次前向傳播中預測新列標籤，無需訓練、調參或特徵工程。
推薦理由：文章列出四項基準的結果，並以梯度提升樹、AutoGluon 等方法作對照，為表格預測模型的效能評估提供具體比較參照。
Hugging Face BlogAI 評分5151 oMLX 創作者兼維護者 Jun Kim 加入 Hugging Face 支援 MLX 社羣
Hugging Face 宣佈，oMLX 創作者兼維護者 Jun Kim 加入團隊，並會繼續領導 oMLX。oMLX 維持 Apache 2.0 授權，項目將轉為獲資助並持續維護；Hugging Face 預期這有助提升穩定性，並希望加快開發。Hugging Face 亦希望以 oMLX 作為新想法的試驗場，並加快將 transformers 模型定義轉成不同引擎可使用的 MLX 參考實作。
Hugging Face Blog精選AI 評分7373 Hugging Face Transformers 新增 GGUF 量化模型本機推理支援
Hugging Face 為 Transformers 加入 GGUF 支援，讓用户可透過熟悉的 Transformers API 在本機載入量化檢查點並生成內容。
推薦理由：文章示範透過 Transformers API 從 Hub 載入 GGUF 量化檢查點，並以 Q4_K_M 等選項説明檔案大小與精度的取捨。
Mistral AI精選AI 評分8080 Mistral 完成 €3 billion D 輪融資，擴大主權開放權重 AI 研發
Mistral 宣佈完成 €3 billion D 輪融資，投後估值超過 €21 billion，並將藉此擴大前沿研究、訓練算力及基礎設施。本輪由 Samsung Electronics 領投，Scaleup Europe Fund（由 EQT 管理）與現有投資者 PSG Equity 共同領投；Mistral 稱這是歐洲科技公司完成過的最大股權融資。
推薦理由：融資不只用於前沿研究和訓練算力，也涵蓋基礎設施與商業拓展，呈現 Mistral 主權 AI 全棧路線的擴張重點。
Hugging Face Blog精選AI 評分7373 Hugging Face 推出開源工具 funes，為編碼智能體提供可檢索的持久記憶
Hugging Face 推出開源工具 funes，讓 Claude Code、Codex、pi 和 Hermes 共用可檢索的持久記憶。funes 預設在本機索引、嵌入及重排工作記錄，檢索時返回原文並標示智能體、時間戳、工作階段和回合；記憶亦可發布至預設私有的 Hugging Face 資料集，供其他機器使用。
推薦理由：funes 將不同編碼智能體的工作記錄轉為本機可檢索記憶，並保留原始片段及來源脈絡，展示跨會話延續決策依據的實作方式。
Hugging Face Blog精選AI 評分6262 Hugging Face 推出 @huggingface/kernels，提供 200+ 個 WebGPU kernels 用於本地 AI
Hugging Face 推出 @huggingface/kernels JavaScript loader，並在 Hub 發布首批 207 個 WebGPU kernels。
推薦理由：文章將 207 個 WebGPU kernels 的版本化操作契約、正確性測試與基準案例一併呈現，並提供 Apple M4 上與 ORT WebGPU 的比較數據。
Hugging Face Blog精選AI 評分7777 Meta 發佈 Muse Glimmer 30B 多模態模型，採用 Apache 2.0 授權並面向本地智能體應用
Meta 發佈 Muse Glimmer，一款由 Muse 蒸餾而來、面向本地智能體應用的多模態 30B 模型，採用 Apache 2.0 授權。模型由 2B ViT-style 視覺編碼器和 28B 文字解碼器組成，支援圖像、影片輸入及多模態工具調用。
推薦理由：文章把 Muse Glimmer 的本地智能體定位、30B 架構與 transformers、llama.cpp、vLLM 等入口連起來，提供從本地推理到託管部署的實作參考。
Hugging Face Blog精選AI 評分6262 Pollen Robotics 發佈開源機械人操作數據採集系統 Grabette
Pollen Robotics 發佈開源、低成本的 Grabette 手持式系統，可記錄人工操作示範並轉成機械人訓練數據集。裝置配備兩部攝影機，瀏覽器處理流程透過 RTAB-MAP 執行 SLAM，並輸出 LeRobot 格式數據；Grabette 的物料清單成本約 490€。
推薦理由：Grabette 把手持式示範、SLAM 軌跡處理與 LeRobot 數據集串成採集流程，並以 200 段示範呈現訓練及機械臂評估的端到端用法。
Hugging Face Blog精選AI 評分7575 Hugging Face 更新 vLLM Transformers 建模後端，多種相容 LLM 架構推理吞吐量達原生實作水平
Hugging Face 更新 vLLM 的 Transformers 建模後端，令多種相容 LLM 架構的推理吞吐量達到或超過 vLLM 手寫原生實作。測試涵蓋 Qwen3-4B 單 GPU、Qwen3-32B 張量並行，以及 Qwen3-235B-A22B-FP8 MoE 在同一 8×H100 節點上的數據並行與專家並行，三者均達到或超越原生實作吞吐量。
推薦理由：文章以三種不同規模及並行配置的 Qwen3 模型對照 vLLM 手寫實作，並説明 torch.fx 分析與運行時融合如何使相容模型達到原生推理速度。
Hugging Face Blog精選AI 評分6363 Hugging Face 精選模型目錄登陸 Microsoft Foundry Managed Compute，開放預覽
Hugging Face 與 Microsoft 將每週更新的精選開放權重模型目錄加入 Microsoft Foundry Model Catalog，並可一鍵部署至 Foundry Managed Compute。
推薦理由：文章梳理模型篩選、權重預置和執行環境掃描的上架流程，説明企業如何在私有網絡內部署而毋須連出 Hugging Face Hub。
Hugging Face Blog精選AI 評分7575 LeRobot v0.6.0 發佈，新增世界模型策略、六項模擬基準及部署 CLI
LeRobot v0.6.0 新增世界模型策略、統一六項模擬基準的 lerobot-eval，以及用於部署和收集人工修正資料的 lerobot-rollout CLI。
推薦理由：版本把策略部署、人工接管修正與資料回訓串成可重複流程，並以統一 CLI 整合六項模擬基準，呈現機械人學習由實作到評估的工作流。
Hugging Face Blog精選AI 評分6868 Hugging Face Storage 成為 SkyPilot 一級儲存後端，跨雲讀取 Hub 數據不收 egress 費
Hugging Face Storage 現已成為 SkyPilot 的一級儲存後端，可透過 hf:// URL 將 Bucket 或 Hub 倉庫接入跨雲任務。
推薦理由：這項整合把模型與數據集的存放位置和 GPU 雲端選擇分開，並明確呈現讀取不收 egress 費與跨雲寫回仍需付費的成本差異。
Hugging Face BlogAI 評分5858 Hugging Face Kernels 重大更新：新增 Hub kernel 倉庫類型並強化安全機制
Hugging Face 為 Kernels 項目推出重大更新，新增 Hub 的 kernel 倉庫類型（https://huggingface.co/kernels），並加入可信發佈者及程式碼簽署機制。
Mistral AI精選AI 評分6363 Mistral AI 發佈 Leanstral 1.5，強化 Lean 4 形式化驗證
Mistral AI 發佈 Leanstral 1.5，這款 Apache-2.0 授權模型總參數量為 119B、活躍參數為 6B，面向 Lean 4 形式化驗證。
推薦理由：文章不只列出形式化數學基準，也以 AVL 樹複雜度證明及 57 個程式庫的漏洞排查，呈現 Leanstral 1.5 將定理證明延伸至實際程式驗證的應用。
Hugging Face BlogAI 評分5656 Hugging Face Community Evals 與 Every Eval Ever 實現互通，評測結果可展示於模型頁面
Every Eval Ever（EEE）與 Hugging Face Community Evals 現已互通，評測結果可同步顯示於 Hugging Face 模型頁面及基準排行榜，並連回 EEE 完整記錄。
OpenAI NewsAI 評分5151 OpenAI 推出 Patch the Planet 倡議，支援開源維護者修復漏洞
OpenAI 推出 Patch the Planet，這項 Daybreak 倡議旨在協助開源維護者運用 AI 和專家審查尋找、驗證並修復漏洞。
Hugging Face Blog精選AI 評分6868 Hugging Face 以 agent-eval 評測開源模型操作 transformers 的成功率與成本
Hugging Face 測試開源模型使用 transformers，CLI 與 Skill 縮短大型模型耗時，卻可能降低小模型成功率。Qwen3-14B 在 classify-sentiment 任務中，clone 環境的匹配率為 100%，Skill 環境則降至 0%。agent-eval CLI 可套用於其他命令列工具，並記錄匹配率、tokens、耗時、錯誤、行為標記及執行軌跡。
推薦理由：評測不只看任務是否成功，也追蹤 tokens、耗時與操作路徑，呈現 CLI 與 Skill 對大小模型的影響並不一致。
Hugging Face Blog精選AI 評分7878 GLM-5.2 發佈，最大上下文擴至 1M tokens並提升長程任務能力
GLM-5.2 發佈，將最大上下文長度由 200K 擴至 1M tokens，並強化長程任務與編碼能力。它在 Terminal-Bench 2.1 和 SWE-bench Pro 分別取得 81.0、62.1，高於 GLM-5.1 的 63.5、58.4。
推薦理由：文章並列長程編碼基準成績與 IndexShare、MTP 的效率改動，讓讀者可對照模型性能數據和 1M-token 上下文的工程支撐。
Google DeepMind精選AI 評分6868 Google DeepMind 發佈實驗模型 DiffusionGemma，專用 GPU 上文字生成最高快 4 倍
Google DeepMind 發佈實驗性開放模型 DiffusionGemma，透過文字擴散並行生成文字，在專用 GPU 上文字生成最高快 4 倍。
推薦理由：DiffusionGemma 的優勢集中於低至中等批次的單加速器推理，高 QPS 雲端服務則可能收益較小並增加服務成本。
Hugging Face Blog精選AI 評分7070 智能體如何串接兩個 Hugging Face Spaces 建成巴黎地標 3D 畫廊
編碼智能體串接兩個 Hugging Face Spaces，生成巴黎地標圖像及 3D Gaussian splats，並將畫廊部署為靜態 Space mishig/monuments-de-paris。
推薦理由：案例展示了透過 Hugging Face Spaces 的 agents.md 串接圖像生成與單圖 3D 重建，並以各一句提示複用到日本及埃及主題畫廊，呈現多媒體工作流的可遷移性。
Google Research精選AI 評分6464 Google Research 開源水文建模框架，供各地訓練 AI 洪水預報模型
Google Research 將水文建模框架以 Apache 2.0 許可證開源，供研究人員及預報機構訓練 AI 洪水預報模型。這個 Python 套件以 PyTorch 實作河流預報模型，包含 LSTM 架構與使用 Caravan 歷史河流數據的訓練流程，並可加入本地數據訓練或微調。
推薦理由：CHMI 開發 adapter 將框架接入 Delft-FEWS，具體展示 AI 水文模型如何納入既有預報工作流，亦為其他機構提供整合參考。
Hugging Face BlogAI 評分5555 JetBrains 發佈 Mellum2：12B 文字與程式碼 MoE 模型
JetBrains 發佈 Mellum2，一款以自然語言和程式碼從零訓練的 12B MoE 模型，每個 token 啟用 2.5B 參數。模型採 Apache 2.0 授權，適用於路由、RAG、摘要、子智能體及高吞吐程式功能等工作負載。
Hugging Face Blog精選AI 評分6666 Hugging Face 發佈 Ettin Reranker 系列六款模型，規模涵蓋 17.6M 至 1.00B
Hugging Face 發佈六款基於 Ettin ModernBERT encoder 的 Sentence Transformers CrossEncoder reranker，參數規模由 17.6M 至 1.00B，並公開訓練數據及完整訓練方案。
推薦理由：文章以 MTEB(eng, v2) Retrieval、NanoBEIR 及多種硬件吞吐測試比較六種尺寸，呈現 Ettin Reranker 在排序品質與速度間的取捨。
Hugging Face Blog精選AI 評分6363 Granite Embedding Multilingual R2 發佈兩款 Apache 2.0 多語嵌入模型，支援 32K 上下文
IBM Granite 發佈兩款採 Apache 2.0 授權的多語嵌入模型：97M 參數的 granite-embedding-97m-multilingual-r2 和 311M 參數的 granite-embedding-311m-multilingual-r2。
推薦理由：文章提供 97M 與 311M 版本在多語檢索、長文及程式碼基準的比較，並交代 Matryoshka 維度選項對儲存與部署取捨的影響。
Hugging Face Blog精選AI 評分6161 Granite 4.1 LLM 如何構建：預訓練、微調與強化學習流程
Granite Team（IBM）詳述 Granite 4.1 的 3B、8B 和 30B 模型構建流程，涵蓋預訓練、監督式微調和多階段強化學習。預訓練以約 15T tokens 分五階段進行，並將上下文窗口擴至最高 512K tokens；其後以約 4.1M 經整理樣本作微調，採用 on-policy GRPO 配合 DAPO loss 進行強化學習。
推薦理由：文章梳理 Granite 4.1 從約 15T tokens 預訓練、約 4.1M 樣本微調到多階段強化學習的流程，呈現 dense 模型的訓練設計取捨。
Hugging Face Blog精選AI 評分7272 NVIDIA 發佈 Nemotron 3 Nano Omni 長上下文多模態模型，面向文件分析、音訊與影片理解及智能體電腦操作
NVIDIA 發佈 Nemotron 3 Nano Omni，這款長上下文多模態模型面向文件分析、音訊與影片理解、智能體電腦操作及通用推理。
推薦理由：文章並列 Nemotron 3 Nano Omni、Nemotron Nano V2 VL 與 Qwen3-Omni 的多項基準結果，另列系統效率數據，提供文件、影音和 GUI 任務的比較依據。
Hugging Face Blog精選AI 評分8787 DeepSeek-V4 發佈 Pro 與 Flash 系列，均支援智能體可用的 1M-token 上下文
深度求索（DeepSeek）發佈 DeepSeek-V4，Pro、Flash 系列各有 instruct 與 base 版本，四款 checkpoint 均支援 1M-token 上下文。
推薦理由：文章把 KV cache 成本、混合注意力設計與智能體工作流串連起來，並以基準數據呈現長上下文能力在工具任務中的表現。
Hugging Face Blog精選AI 評分6161 Safetensors 加入 PyTorch Foundation，成為 Linux Foundation 旗下託管項目
Safetensors 加入 Linux Foundation 旗下的 PyTorch Foundation，成為基金會託管項目。商標、倉庫及項目治理歸 Linux Foundation，Hugging Face 的兩名核心維護者仍在 Technical Steering Committee，並繼續負責日常工作。
推薦理由：Safetensors 轉由 Linux Foundation 治理，原維護者仍帶領項目，使用者所用格式與 API 不變。
Hugging Face Blog精選AI 評分8585 Google DeepMind 發佈 Gemma 4 多模態模型系列，五種尺寸登陸 Hugging Face
Google DeepMind 的 Gemma 4 多模態模型系列已登陸 Hugging Face，提供五種尺寸，支援圖像、文字及部分型號的音訊輸入。模型採 Apache 2 授權，最大上下文窗口為 256K；31B 和 26B A4B 的 text-only LMArena 估算分數分別為 1452 和 1441，後者有 4B 啟用參數。
推薦理由：文章列出五種 Gemma 4 規格、上下文窗口和音訊支援差異，並整理多個推理與微調框架的接入方式，可供比較型號特點及部署路徑。
Hugging Face Blog精選AI 評分6464 Hugging Face 2026 年春季開源 AI 生態現況分析
Hugging Face 的 2026 年春季報告梳理過去一年開源 AI 生態的變化，指出平台用户、模型和數據集數量均接近翻倍。2025 年，Hugging Face 增至 13 million 名用户、逾 2 million 個公開模型及逾 500,000 個公開數據集；中國模型在過去一年佔平台下載量 41%，並在月度及總下載量上超越美國。
推薦理由：報告把平台增長、地域下載差異和衍生模型放在同一框架，呈現開源 AI 並非單一市場，而是由多個重疊的子生態構成。
Mistral AI精選AI 評分6363 Mistral AI 與 NVIDIA 合作加速前沿開源模型開發
Mistral AI 宣佈成為 NVIDIA Nemotron Coalition 創始成員，並計劃與 NVIDIA 共同開發前沿開源 AI 模型。聯盟首個項目是在 NVIDIA DGX Cloud 訓練基礎模型，支撐即將推出的 NVIDIA Nemotron 4 系列；相關模型將開源，供後訓練與專門化。Mistral AI 亦宣佈發佈 Mistral Small 4。
推薦理由：聯盟首個基礎模型將在 NVIDIA DGX Cloud 訓練，支撐 NVIDIA Nemotron 4 系列，並作為開源後訓練與專門化的共同基礎。
Mistral AIAI 評分5555 Mistral AI 開源 Leanstral，推出面向 Lean 4 的程式碼形式化證明智能體
Mistral AI 開源 Leanstral，一款為 Lean 4 設計、用於程式碼生成與形式化證明的程式碼智能體，採用 6B active parameters。
Hugging Face Blog精選AI 評分6868 LeRobot 發佈 v0.5.0，擴展機械人硬件、策略模型及資料與模擬功能
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。
Hugging Face Blog精選AI 評分7676 GGML 團隊加入 Hugging Face，支持 llama.cpp 及 Local AI 長期發展
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。
Google ResearchAI 評分4949 超越一對一：以 DialogLab 編寫、模擬及測試動態人類與 AI 羣體對話
Google Research 提出開源原型框架 DialogLab，用於編寫、模擬及測試動態人類與 AI 羣體對話。框架採用「編寫、測試、驗證」流程，並以視覺化介面及驗證儀錶板協助設計與分析對話。14 名參與者的評估顯示，人類控制模式顯著更具投入感，並普遍被認為更有效、寫實。
Hugging Face Blog精選AI 評分7474 Transformers.js v4 現已登上 NPM，新增 WebGPU runtime
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。