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。
#開源生態
#開源生態
今日 7 條Hugging Face Blog精選AI 評分7373
螞蟻 inclusionAI：HuggingFace 新模型AI 評分5353 inclusionAI 發佈 Ming-Image-0.1-Design-Layer 設計圖層拆解模型
inclusionAI 發佈 Ming-Image-0.1-Design-Layer，可按輸入圖像及圖層規劃，將扁平設計圖像拆分為指定數量的 RGBA 圖層。模型提供六層卡片製作示例，建議工作分辨率為 1024，亦可使用 512 加快分層；採樣步數為 12，驗證配置為一張 CUDA GPU、80 GiB VRAM。
OpenClaw：BlogAI 評分5353 OpenClaw 推出安全資訊頁，集中呈現安全狀態及漏洞回報指引
OpenClaw 推出安全資訊頁，集中呈現目前安全狀態、安全公告、持續工作、研究及漏洞回報指引。自 1 月以來，項目已發布 722 項修復；14 宗回報涉及經確認的嚴重漏洞，全部已修復並披露。OpenClaw 亦公開包含超過 67,000 次 ClawHub 技能掃描的數據集，並列出掃描技能、阻止安裝惡意或已隔離技能等持續工作。
Together AI 研究與產品博客AI 評分5757 Together AI 分享由閉源模型轉向開源模型的遷移策略
Together AI 分享由閉源模型轉向開源模型的遷移流程，涵蓋候選模型篩選、評測、調整、決策和投產。文章建議以真實流量評估準確度、效能及成本，並逐項調整提示詞、推理設定、工具環境或模型權重。Together AI 表示，部分客戶轉用開源模型後成本減幅可達 70%；投產時可先以 10% 流量進行金絲雀部署。
IBM Research：AIAI 評分5959 IBM 與 NASA 開源月球基礎模型 NASA-IBM Lunar Foundation Model
IBM 與 NASA 開源 NASA-IBM Lunar Foundation Model，整合數十年美國及日本月球任務的多模態觀測資料。在冰區識別中，模型的錯誤率比用於冰區探測的 SwinV2 降低 22%；在 100 米／像素撞擊坑檢測中，較以撞擊坑檢測訓練的 Swin 模型高近 19%，並使用一半訓練資料。
Pragmatic EngineerAI 評分6161 Tibo Sottiaux 談 Codex 的構建與演進
Pragmatic Engineer 訪問 Codex 開發者、OpenAI Core Products & Platform 部門主管 Tibo Sottiaux，探討 Codex 的構建決策、演進及團隊使用方式。
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。
FireRedTeam：原創語音與多模態項目AI 評分6565 FireRedTeam 開源 FireRedTTS3 語音生成與編輯系統
FireRedTeam 公開 FireRedTTS3 語音生成與編輯系統，並提供 FireRedTTS3-Base 和 FireRedTTS3-Instruct 兩個版本的模型與 PyTorch 程式碼。
FireRedTeam：原創語音與多模態項目AI 評分6565 FireRedTeam 發佈 FireRedAudio 通用音訊語言模型及 PyTorch 程式碼
FireRedTeam 發佈 FireRedAudio，一款以共用 9B 參數 LLM 為基礎、涵蓋音訊理解與語音生成的音訊語言模型。Audio Encoder 負責理解、RedAE pathway 負責生成；模型支援 ASR、音訊理解、零樣本及指令式 TTS、語音編輯，並可處理最長一小時的錄音。除 ASR 外，其他功能只支援中文和英文。
OpenMOSS / 復旦NLP / 上海創智 / MOSIAI 評分5151 OpenMOSS/Awesome-WAM 彙整 World Action Models 綜述與研究資源
OpenMOSS/Awesome-WAM 資源庫配合 World Action Models（WAM）綜述，分類整理相關論文、訓練數據及評估資源。綜述涵蓋 Cascaded 與 Joint WAM 架構、訓練數據、評估流程，以及用於 VLA 學習的世界模型。資源庫亦收錄論文摘要博客、基準排行榜與表現趨勢圖，並開源生成摘要所用的 Paper2Blog 技能。
Recode China AIAI 評分5353 ByteDance 取得約 $30B 貸款支持 AI 建設，Moonshot AI 秘密遞交香港 IPO 申請，Enflame IPO 集資約 $910 million
ByteDance 取得約 $30 billion 貸款支持 AI 建設，Moonshot AI 秘密遞交香港 IPO 申請，Enflame IPO 集資約 $910 million。
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。
上海人工智能實驗室 InternLM：原創項目AI 評分5050 上海人工智能實驗室 InternLM 推出 ArchSpace 開放實驗項目
上海人工智能實驗室 InternLM 推出 ArchSpace，將社羣提出的大語言模型架構假設納入公開、可追溯及可復現的訓練與評測流程。獲批提案按對齊 Olmo 3 的流程驗證，涵蓋 1B、3B、8B 模型及預訓練、中期訓練、指令微調，完整流程約使用 6.2T tokens。
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。
Import AIAI 評分6060 Import AI 465 分析開放權重與閉源模型差距、Kimi K3 和 Demis Hassabis 的 AI 政策方案
Import AI 465 整理英國 AI Security Institute 的分析，指出開放權重模型在網絡安全能力上與閉源前沿模型的差距，由 2025 年多數時間的 6–10 個月縮至 4–7 個月。
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。
FireRedTeam：原創語音與多模態項目AI 評分6060 FireRedTeam 發佈 FireRedASR2S 一體化語音辨識系統
FireRedTeam 發佈 FireRedASR2S，整合語音辨識、語音活動檢測、語言識別和標點預測四個模組。FireRedASR2-LLM 在 4 個普通話測試集的平均 CER 為 2.89%，在 19 個方言及口音測試集為 11.55%。
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。
螞蟻百靈：Developer BlogAI 評分5959 Ling-2.6-1T 正式開源，定位為面向複雜任務的萬億級綜合旗艦模型
Ling-2.6-1T 正式開源，定位為面向複雜任務的萬億級綜合旗艦模型。
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。
Sarvam AIAI 評分5959 印度語言 ASR 分層評測指南
Sarvam AI 介紹印度語言 ASR 的分層評測方法，涵蓋 WER/CER、LLM-WER/LLM-CER、Intent Score、Entity Preservation Score 和 COMET。文中亦介紹兩個適用於任何 Indic ASR 系統的開源評測框架，均使用經 Google Vertex AI 呼叫的 Gemini 作為 LLM 評審。