Hugging Face BlogHugging Face 介绍 TorchNeuron 在 AWS Trainium 上的系统级性能分析
Hugging Face 介绍了如何使用 TorchNeuron 在 AWS Trainium 上进行系统级推理性能分析，通过 torch.profiler 配置 Neuron 后端捕获干净 traces，并利用 key_averages() 表识别耗时操作。
实时
#Hugging Face
- Hugging Face Blog
- Hugging Face Blog
如何通过专精SLM词汇表在真实应用中将推理成本降低77%。
Qwen3-4B的专精词汇表VocabX通过聚焦每个token的成本而非频率，在不改变基础模型的情况下将推理成本降低77%。该方法针对葡萄牙语作文评分器，将输出层词汇表从约152,000行缩减至约65,000行，显著减少token分割和未使用词汇项的计算开销。
NVIDIA Blog精选6262NVIDIA 扩展开放模型家族，覆盖语言、机器人、生物与量子计算
NVIDIA 扩展其开放模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt。
推荐理由: NVIDIA 一次性铺开语言、机器人、生物、量子四条线的开放模型，读者可据此判断其开源生态的覆盖范围。
- Hugging Face Blog5858
NVIDIA 在 Hugging Face 发布 SimReady Central，开放 2000 多个仿真就绪 3D 资产库
NVIDIA 在 Hugging Face 上线 SimReady Central Library，汇集 2000 多个可直接用于仿真的 OpenUSD 资产，覆盖机械臂、夹爪、仓储设备、机架和冷却设施，免费且无需申请即可使用。
- Hugging Face Blog5858
FairStress: 一个更深入评估 LLM 决策公平性的基准
FairStress 基准通过 300 个跨 29 个领域（如招聘、医疗）的决策场景，评估 LLM 在人口统计公平性方面的表现，包含 13 百万测试用例。研究发现，相同说服性前缀（adversarial prefixes）对模型决策的影响因人口群体而异，且模型在解释含人口信息决策时存在差异。
- Hugging Face Blog5858
ALTK-Evolve如何通过学习记忆在τ²-bench客户服务任务中超越前沿模型
ALTK-Evolve 使用 GPT-4.1 学习并应用客户服务剧本，在 τ²-bench 客户服务代理基准测试中超越零售领域所有零售条目，得分达 67.5% Pass^4，且无需更新模型权重。该模型基于基本 ReAct 代理和 GPT-4.1，通过分析任务尝试并使用 GPT-4.1 将成功与失败蒸馏为简短行为规则，然后将这些指南添加到代理的系统提示中，无需权重更新或人工标注。
- Hugging Face Blog5858
AnyLanguageModel 1.0 发布：一年支持苹果平台本地模型进展
AnyLanguageModel 1.0 发布，一年支持苹果平台本地模型进展。新增支持 OpenAI Chat Completions、Anthropic Messages、Google Gemini 等云端模型，本地模型支持 llama.cpp、MLX、Core ML，工具调用与引导生成功能扩展。云端模型具备本地模型相同功能，API 密钥支持闭包动态获取。
- Hugging Face Blog精选6262
PyTorch 2.15 为 MPS 后端带来 FP8 与更快的 LLM 解码
Hugging Face 的 PyTorch 团队介绍 PyTorch 2.15 在 MPS 后端的更新，新增 torch.float8_e4m3fn 张量与 F.scaled_mm，FP8 张量占用为 BF16 的一半。
推荐理由: 原文给出 MPS 后端在 FP8、MoE 解码和显存占用上的具体数字，可据此判断 Mac 本地跑模型的实际变化。
- Hugging Face Blog
Hugging Face 推出 TorchTPU：原生 PyTorch 后端支持 TPU
Hugging Face 发布 TorchTPU，使 TPU 成为 PyTorch 的原生后端设备。Transformers、Diffusers 和 Kernels 现可直接在 TPU 上运行，用户只需从 Hugging Face Hub 选择模型，指定 device_map="tpu" 即可。
腾讯混元 · Hugging Face 新模型腾讯发布 Hy-Memory-30B-A3B-GGUF 模型量化文件
Tencent 混元发布的 Hy-Memory-30B-A3B-GGUF 模型量化文件采用 imatrix 校准和 MoE 感知的混合精度量化方案，在 llama.cpp 上实现高效本地推理，其中 ~8 GB 的 expert-mixed 构建文件大小降至约 24.71 GB，性能仅比 Q6_K 下降 1.53%。
- Hugging Face Blog
TorchNeuron：在 AWS Trainium 上运行 HF 模型变得前所未有的简单。
TorchNeuron 为 PyTorch 在 AWS Trainium 提供新原生后端，Transformer、Diffusers 和 Kernels 均原生支持，使在 Trainium 上运行模型和在 HF Hub 分享模型变得前所未有的简单。
LangChain Deep Agents releases1717LangChain Deep Agents 0.1.86 发布
LangChain Deep Agents 发布 0.1.86 版本，新增 NVIDIA OpenShell 作为沙盒提供者，修复了多个 Bug，包括改进别名匹配、准确报告工作区拒绝、替换重复线程恢复错误、在调回提示时替换聊天输入、在页脚显示过期提示缓存、在 Groq 工具限制时提供可操作错误、比较有效解释器权限等。
- 腾讯混元 · Hugging Face 新模型
混元 Qwen3-8B-DSpine-b16 发布：并行草稿与深度条件注入的推测解码模型
混元发布 Qwen3-8B-DSpine-b16，采用并行草稿与深度条件注入的推测解码技术，在 Qwen3-8B 上实现 10.55 的平均接受长度分数。模型支持 8192 token 上下文长度，使用 bfloat16 数据类型和 fa3 注意力后端，安装需 git clone 并 pip 安装，通过 sglang serve 运行。
Mistral AI · Hugging Face 新模型Mistral AI 发布 Timestral-123M 时间序列基础模型
Mistral AI 发布 Timestral-123M 时间序列基础模型，参数量 123M，采用 patch-based Transformer 架构，上下文长度 32,768 时间步，单次预测可覆盖 1,024 时间步，输出 21 个分位数。该模型在 GIFT-Eval、TIME 和 fev-bench 评测中实现零样本预测的最优精度，并采用 Modified MIT 许可证。
- Mistral AI · Hugging Face 新模型
Mistral AI 发布 Timestral-28M 时间序列基础模型
Mistral AI 发布 Timestral-28M 时间序列基础模型，含 2800 万参数，采用基于 patch 的 Transformer 架构，上下文长度达 32,768 时间步，单次前向预测范围 1024 时间步，在 GIFT-Eval、TIME 和 fev-bench 评测中实现零样本预测的最优精度，模型已开源并采用 Modified MIT 许可证。
Anthropic Newsroom精选6060Anthropic 向 METR 开放员工级访问权限评估模型风险
Anthropic 宣布已开始向非营利机构 METR 的一个团队提供接近员工的内部访问权限，用于评估其前沿模型风险，METR 将公开发布评估结果。Anthropic 表示不能否决 METR 的发布，但可要求隐去预设类别信息，并称最终由 Anthropic 判定哪些信息属于这些类别。
推荐理由: 原文公开了三级评估权限的具体划分和 METR 的发布权边界，可用来对照其他前沿实验室的第三方评估安排。
- Mistral AI · Hugging Face 新模型
Mistral AI 发布 Timestral-5M 时间序列基础模型
Mistral AI 发布 Timestral-5M 时间序列基础模型，5M 参数版本支持零样本预测，上下文长度达 32,768 时间步，单次前向预测可覆盖 1,024 时间步，输出 21 个分位数。在 GIFT-Eval、TIME 和 fev-bench 评测中，Timestral-209M 实现零样本预测最先进精度，所有 Timestral 模型在其参数规模下均优于其他模型。
Qwen · Hugging Face 新模型Qwen/Qwen-Image-2.1-PE-I2I发布：开源7B参数文本到图像生成与编辑模型
Qwen/Qwen-Image-2.1-PE-I2I 发布，一个 7B 参数的统一文本到图像生成与编辑模型，包含 32 层单流 DiT 架构，支持生成常规或透明图像、编辑透明图层、提取照片主体，并具有 10 张参考图像编辑能力。
- Qwen · Hugging Face 新模型
Qwen/Qwen-Image-2.1-PE-T2I 发布：开源 7B 参数文本到图像生成与编辑模型
Qwen/Qwen-Image-2.1-PE-T2I发布，一款7B参数的统一文本到图像生成与编辑模型，包含32层单流DiT架构，支持生成常规或透明图像、编辑透明图层、提取照片主体，并可通过圆形、涂鸦标注或独立掩码进行局部编辑。其文本到图像提示词重写模型Qwen3.5-VL 9B可将多语言请求转化为详细英文提示词并推荐宽高比。
DeepSeek · Hugging Face 新模型DeepSeek-V4.1-Flash 发布：552B 参数多模态 MoE 模型，上下文高达百万 token
DeepSeek-V4.1-Flash 是一个 552B 参数的多模态 MoE 模型，支持高达一百万 token 的上下文，原生处理图像和文本并自回归生成文本。它采用 Causal Encoder-Decoder 架构，通过 CSA2 和 FP4 主 KV 缓存等技术将全局 KV 缓存占用降至 890 字节/token，相比 DeepSeek-V4-Flash 减少 75%。
- DeepSeek · Hugging Face 新模型
DeepSeek-V4-Flash-Vision-Exp 发布：首个实验性多模态模型
DeepSeek-V4-Flash-Vision-Exp 发布，DeepSeek-V4 家族首个实验性多模态模型，在 DeepSeek-V4-Flash 架构基础上集成视觉模块并持续训练以解锁视觉理解能力。
Moonshot AI · Hugging Face 新模型Kimi K3 发布：Moonshot AI 推出的 2.8T 参数开源多模态智能体模型
Kimi K3 是 Moonshot AI 发布的 2.8T 参数开源多模态智能体模型，采用 Kimi Delta Attention (KDA) 和 Attention Residuals (AttnRes) 架构。
MiniMax · Hugging Face 新模型MiniMax-M3-MXFP8 发布：原生多模态模型支持百万级上下文
MiniMax-M3-MXFP8 是一款拥有 1M 上下文窗口、约 428B 参数和 23B 激活参数的原生多模态模型，通过 MiniMax 稀疏注意力机制（MSA）实现 9 倍预填充和 15 倍解码速度提升。该模型在长时程智能体基准中表现领先，支持三种推理模式，可通过 Hugging Face 下载并使用 SGLang、vLLM 或 Transformers 框架进行部署。
ByteDance Seed · Hugging Face 新模型2525ByteDance Seed/TaskMem 模型发布
ByteDance Seed/TaskMem 模型发布，参数规模 31B，使用 BF16 张量类型，但未部署任何推理提供商。
- ByteDance Seed · Hugging Face 新模型2828
ByteDance Seed/SimArt 模型预训练权重发布
ByteDance Seed/SimArt 模型预训练权重发布，包含用于生成关节式 3D 对象结构（URDF 文件）的多模态大语言模型（MLLM）权重，以及用于编码解码 3D 零件几何形状到离散潜在空间的稀疏 VQ-VAE 模型权重。
LangChain BlogOpen SWE：一个开源的内部编码智能体框架
Stripe、Ramp 和 Coinbase 等公司已独立开发内部编码智能体，它们采用隔离云沙盒、精选工具集、Slack 首次调用、丰富启动上下文和子智能体编排等相似架构模式。
