Hugging Face 的 transformers vLLM 后端达到原生推理速度
Hugging Face 宣布 vLLM 的 transformers 建模后端在多个 LLM 架构上已达到甚至超过 vLLM 手写原生实现的吞吐。
推荐理由：原文给出 transformers 后端在 vLLM 中追平原生实现的具体条件与启用方式，读者可据此判断自家模型能否免移植获得同等推理速度。
开源生态
全部主题开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
101条精选相关主题模型发布Hugging FaceAI 编码
最新精选
第 41–60 条 · 共 101 条Hugging Face Blog精选AI 评分6262
Hugging Face Blog精选AI 评分6262 Microsoft Foundry 上线 Hugging Face 模型托管计算
Microsoft 在 Build 2026 上发布 Foundry Managed Compute 与 Hugging Face 模型集合，将开源权重模型纳入 Foundry 模型目录，每周刷新，可一键部署到托管 GPU 上。
推荐理由：原文给出模型目录、运行时与一键部署路径，读者可据此判断开源模型在企业环境中的落地方式。
Hugging Face Blog精选AI 评分6262 Hugging Face 与 SkyPilot 打通零出网费存储，可在任意云运行 AI 任务
Hugging Face 与 SkyPilot 联合推出 store: hf，用一条 hf:// URL 和现有 HF_TOKEN 即可把 Hugging Face Bucket 或任意模型、数据集、Space 仓库挂载进 SkyPilot 任务，并在 20 多个云、Kubernetes、Slurm 和本地运行。
推荐理由：原文给出跨云挂载 Hub 数据的具体配置和免出网费机制，读者可据此判断多云的存储成本与调度方式。
Hugging Face Blog精选AI 评分7070 LeRobot v0.6.0 发布：想象、评估、改进
Hugging Face 发布 LeRobot v0.6.0，围绕机器人学习闭环引入世界模型策略、奖励模型 API 和统一评测 CLI。新版本带来 VLA-JEPA、LingBot-VA、FastWAM 三个会想象未来的策略，以及 GR00T N1.7、MolmoAct2、EO-1、Multitask DiT、EVO1 等新 VLA。
推荐理由：原文给出世界模型策略、奖励模型 API 与统一评测 CLI 的具体变化，读者可据此判断机器人学习闭环的落地方式。
Mistral AI精选AI 评分6666 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可的模型，总参数 119B、激活参数 6B，在形式化验证上大幅升级。它在 miniF2F 上达到 100%，解决 PutnamBench 672 题中的 587 题，并在 FATE-H 取得 87%、FATE-X 取得 34% 的当前最优结果。
推荐理由：原文给出 Leanstral 1.5 在形式化验证基准上的成绩与开源入口，读者可据此判断其在 Lean 4 证明工程中的可用性。
Hugging Face Blog精选AI 评分6060 Hugging Face 与 Cerebras 用 Gemma 4 搭建实时语音 AI 管线
Hugging Face 与 Cerebras 联合演示了一套实时语音到语音管线，用 Nvidia Parakeet 做语音识别、Gemma 4 31B 在 Cerebras 上做推理、阿里 Qwen3TTS 做语音合成，各层模块化且可替换。
推荐理由：原文给出了一条可替换的实时语音到语音开源管线，读者可据此了解各层组件如何组合并复用到自己的产品中。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 DiffusionGemma 文本扩散模型，GPU 推理最高提速 4 倍
Google DeepMind 发布实验性开放模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理最高提速 4 倍。
推荐理由：原文给出 26B MoE 文本扩散模型的开放权重与硬件门槛，读者可据此判断本地低并发推理的取舍。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的智能体多模态模型，介于 E4B 与 26B MoE 之间，可在 16GB 显存或统一内存上本地运行。
推荐理由：Gemma 4 12B 用无编码器架构把视觉和音频直接接入 LLM，读者可据此了解端侧多模态模型的设计取舍。
Google Research精选AI 评分6262 Google 开源水文建模框架，支持机构自建 AI 洪水预报
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
推荐理由：Google 把驱动 Flood Hub 的水文模型架构与训练流程开源，读者可了解其预测窗口提升与本地化接入方式。
Mistral AI精选AI 评分6262 Mistral AI 发布 Search Toolkit 公开预览版
Mistral AI 发布 Search Toolkit 公开预览版，这是一个用于构建 AI 应用生产级搜索管线的可组合框架，开源并支持云端、本地和边缘部署。框架把数据摄取、检索和评估整合到统一接口中，内置 BM25 稀疏检索、稠密向量检索和混合配置，并提供 recall、precision、MRR、NDCG 等评估指标。
推荐理由：原文给出开源搜索框架的三大模块与可替换接口，读者可据此判断检索管线能否少写胶水代码。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体
Mistral 发布 Mistral Medium 3.5，一个 128B 稠密模型，以修改版 MIT 许可开放权重，成为 Mistral Vibe 和 Le Chat 的默认模型，支持 256k 上下文窗口，可在少至四块 GPU 上自托管。
推荐理由：Mistral 把编码智能体搬到云端并同步开源 128B 模型，读者可据此判断自托管与异步编码的落地门槛。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini for Science 科研工具集
Google DeepMind 推出 Gemini for Science，包含 Google Labs 上三个实验性工具：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：Google 把 Co-Scientist、AlphaEvolve 等能力打包成科研工具集，读者可了解其覆盖的科研环节与开放方式。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4，称其为迄今最智能的开源模型，面向高级推理与智能体工作流，采用 Apache 2.0 许可。该系列包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，其中 31B 在 Arena AI 文本榜位列开源模型第 3、26B 位列第 6。
推荐理由：原文给出四个尺寸的定位与硬件门槛，读者可据此判断本地部署与微调该选哪一档。
Mistral AI精选AI 评分7272 Mistral AI 发布 Voxtral TTS 语音合成模型
Mistral AI 发布首款文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言，可生成带情感表达的语音。
推荐理由：官方给出 4B 参数、9 种语言与 70ms 延迟等细节，可据此判断企业语音智能体的成本与部署门槛。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，统一推理、多模态与编码能力
Mistral 发布 Mistral Small 4，首次把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力合并进单一模型，采用 Apache 2.0 许可。
推荐理由：Mistral 把推理、多模态与编码能力合并进单一开源模型，并给出延迟与吞吐对比，可据此判断统一模型的取舍。
Mistral AI精选AI 评分6060 Mistral AI 与 NVIDIA 合作，成为 NVIDIA Nemotron Coalition 创始成员
Mistral AI 宣布以创始成员身份加入 NVIDIA Nemotron Coalition，双方计划共同开发前沿开源 AI 模型，结合 Mistral AI 的模型架构与全栈平台和 NVIDIA 的算力、模型开发工具及合成数据生成管线。
推荐理由：Mistral AI 以创始成员身份加入 NVIDIA Nemotron Coalition，读者可了解开放前沿模型的联合开发路径与分工。
Mistral AI精选AI 评分6262 Mistral 发布 Leanstral：面向 Lean 4 的开源代码智能体
Mistral 发布 Leanstral，这是首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并接入 Mistral Vibe 与免费 API 端点 labs-leanstral-2603。
推荐理由：Mistral 开源面向 Lean 4 的代码智能体，给出与 Claude 系列和开源模型的成本与得分对比，可据此判断形式化验证路线的性价比。
Mistral AI精选AI 评分7878 Mistral 发布 Voxtral Transcribe 2 语音转写模型
Mistral AI 发布 Voxtral Transcribe 2 系列两款语音转写模型：批量转写的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime。
推荐理由：官方给出两款语音转写模型的延迟、价格与开源许可，读者可据此判断实时语音应用的落地成本。
Mistral AI精选AI 评分8080 Mistral 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral 发布下一代编码模型系列 Devstral 2，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，分别采用修改版 MIT 和 Apache 2.0 许可，均为开源。
推荐理由：官方给出两款开源编码模型的参数、许可与 SWE-bench 成绩，并附独立评测对比，便于判断开源编码模型与闭源模型的差距。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral 3 系列模型，含 675B 参数 MoE 版 Mistral Large 3
Mistral 发布 Mistral 3 系列，包括 14B、8B、3B 三个小尺寸稠密模型和迄今最强的 Mistral Large 3，后者为稀疏 MoE 架构，41B 激活参数、675B 总参数，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 系列以 Apache 2.0 开源并给出 MoE 参数与部署方案，读者可据此判断开源前沿模型的可用边界。