Hugging Face Kernels 项目重大更新：新增仓库类型与安全增强
Hugging Face 对 Kernels 项目进行重大更新，正式在 Hub 上推出名为 "kernel" 的新仓库类型，使自定义内核成为一等公民并提升其可发现性。
推荐理由：原文详细说明了 Kernels 项目引入的新仓库类型、安全机制及框架支持，读者可据此了解自定义内核在 Hugging Face Hub 上的标准化发布与调用流程。
Hugging Face
全部主题Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表。
最新精选
第 61–80 条 · 共 381 条Hugging Face Blog精选AI 评分6868
Hugging Face Blog精选AI 评分6262 Hugging Face 与 Cerebras 联合展示基于 Gemma 4 的实时语音 AI 方案
Hugging Face 和 Cerebras 联合演示了一种开源、模块化的实时语音转语音（Speech-to-Speech）AI 架构。
推荐理由：展示了开源模块化语音架构与高速推理结合后的实时交互效果，为开发者提供了可复用的低延迟技术栈参考。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布在 Jobs 平台一键运行 vLLM 服务器的教程
Hugging Face 推出使用 `hf jobs run` 命令在 HF Jobs 基础设施上快速部署 vLLM 服务器并获取 OpenAI 兼容端点的方法。
推荐理由：原文提供了在 Hugging Face Jobs 上通过单条命令启动 vLLM 服务并对接 OpenAI 兼容接口的完整流程，适合需要快速搭建私有推理端点的开发者参考。
Hugging Face Blog精选AI 评分6060 NVIDIA NeMo AutoModel 加速 Transformers MoE 模型微调指南
NVIDIA NeMo AutoModel 库基于 HuggingFace Transformers v5 构建，为混合专家（MoE）模型提供高效微调支持。
推荐理由：原文提供了基于 Transformers v5 的 MoE 模型微调加速方案，通过单行代码修改即可实现显著的性能提升和显存节省。
Hugging Face Blog精选AI 评分7070 Hugging Face 分享基于 AI 和开源工具的每周自动发布工作流
Hugging Face 发布了 huggingface_hub 的自动化每周发布工作流，将发布频率从每 4-6 周一次提升至每周一次。该流程使用 GitHub Actions、OpenCode 运行时和 GLM-5.2 模型来起草发布说明和内部公告，并通过确定性 Python 脚本验证 PR 列表以防止遗漏或幻觉。
推荐理由：Hugging Face 公开了基于开源工具和开放权重模型的自动化发布工作流，展示了如何通过确定性脚本校验 AI 生成内容以确保准确性。
Hugging Face Blog精选AI 评分6363 在 Transformers.js 中试验跨源存储 API 以优化缓存
Transformers.js 支持通过实验性标志启用跨源存储（COS）API，利用 SHA-256 哈希在不同网站间共享 AI 模型和 Wasm 运行时文件，从而避免重复下载并节省存储空间。开发者可通过安装 Chrome 扩展或设置 `env.experimental_useCrossOriginStorage = true` 来测试该功能，实现毫秒级的模型加载体验。
推荐理由：文章演示了如何在 Transformers.js 中启用跨源存储 API，通过哈希识别共享模型资源以消除浏览器端的重复下载。
Hugging Face Blog精选AI 评分7676 Hugging Face 分享使用本地模型进行 OpenClaw 仓库 Issue 分诊的实践
Hugging Face 团队分享了在 NVIDIA GB10 硬件上运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b 等本地模型，对 OpenClaw 仓库的 Issue 和 PR 进行实时分类与通知的技术方案。
推荐理由：展示了利用本地模型和受限 Shell 构建实时分类系统的完整流程，提供了具体的性能对比数据和安全配置方案。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 agent-eval 工具以基准测试开源模型对 transformers 库的智能体适配性
Hugging Face 推出 `agent-eval` 工具，用于衡量智能体在使用 `transformers` 库完成任务时的过程成本（如时间、Token 消耗和错误率），而不仅仅是最终答案的正确性。
推荐理由：原文提供了评估智能体使用工具效率的基准方法，揭示了同一优化对不同规模模型可能产生相反效果。
Hugging Face Blog精选AI 评分7070 AWS Strands Robots 集成 LeRobot：从 Hugging Face Hub 到物理机器人的实战指南
AWS 开源 SDK Strands Robots 深度集成 LeRobot，允许开发者通过单一 Agent 循环实现从 Hugging Face Hub 数据集到物理机器人部署的全流程。
推荐理由：展示了从 Hub 数据集到物理机器人的完整 Agent 工作流，提供了无需硬件即可在模拟环境中复现的开源代码与详细步骤。
Hugging Face Blog精选AI 评分9292 智谱发布 GLM-5.2：支持 1M 上下文的长程任务旗舰模型
智谱（Z.ai）发布最新旗舰模型 GLM-5.2，主打长程任务能力并首次提供稳定的 1M-token 上下文窗口。该模型采用 IndexShare 架构降低计算成本，在 FrontierSWE、PostTrainBench 等长程编程基准中表现优于多数开源模型，接近 Claude Opus 4.8 水平。
推荐理由：原文展示了 GLM-5.2 在长上下文编程基准上的具体得分及与闭源模型的差距，读者可据此评估其在复杂工程任务中的实际可用性。
Hugging Face Blog精选AI 评分7878 Hugging Face 发布 Agentic Resource Discovery (ARD) 规范及 Discover 工具实现
Hugging Face 推出 Agentic Resource Discovery (ARD) 规范的参考实现 Discover Tool，旨在解决智能体在运行时动态发现和集成 MCP、Skills 等能力的痛点。
推荐理由：文章详解了 ARD 规范如何解决智能体能力发现难题，并提供了 Hugging Face Discover 工具的 CLI 与 API 实操指南。
Hugging Face Blog精选AI 评分7070 Hugging Face Spaces：构建多媒体应用的构建块经济
Hugging Face Spaces通过提供可调用的模型块，使得构建多媒体应用变得更加容易，通过示例展示了如何使用Spaces构建3D巴黎画廊。
推荐理由：原文展示了如何通过Hugging Face Spaces构建多媒体应用，读者可以了解这种构建方式及其对现有工作流的影响。
Hugging Face Blog精选AI 评分7070 OpenEnv 开源社区支持 OpenEnv for Agentic RL
OpenEnv 是一个用于创建智能体执行环境的工具，如终端、浏览器等。OpenEnv 现在由一个委员会协调，包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 NVIDIA 发布 Nemotron 3.5 内容安全模型
NVIDIA 发布了 Nemotron 3.5 内容安全模型，该模型集成了多模态输入、多语言覆盖、自定义企业策略执行和可审计推理功能。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分6565 DharmaOCR：结构化 OCR 中的直接偏好优化
DharmaOCR 发布了一项新的研究，提出了一种名为直接偏好优化（DPO）的方法，用于减少文本生成中的退化问题。该方法利用模型的失败输出作为拒绝示例，以提高结构化 OCR 的质量。
推荐理由：DharmaOCR 通过将模型的失败输出作为拒绝示例，为直接偏好优化（DPO）提供了一种新的方法，以减少文本生成中的退化问题。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 Holo3.1 智能体功能
Hugging Face 发布了 Holo3.1 智能体功能，包括优化后的模型大小、本地推理支持和跨环境部署能力，旨在提升智能体在各种工作环境中的性能和灵活性。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 JetBrains 发布 Mellum2：一个 12B 参数的混合专家模型
JetBrains 发布了 Mellum2，一个 12B 参数的混合专家模型，专门针对自然语言和代码。该模型在自然语言和代码上从头开始训练，每个标记激活 2.5B 参数，使其适用于高吞吐量、低延迟推理。Mellum2 可用于路由、RAG、摘要、子代理、高吞吐量编码功能和私有部署。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分6565 超越 LLM：为什么可扩展的企业级 AI 采用取决于智能体逻辑
IBM 研究探讨了智能体逻辑在可扩展企业级 AI 采用中的重要性，并展示了其在多个领域的应用案例，如代码分析、测试生成、事件响应和合规自动化。
推荐理由：原文详细介绍了 IBM 研究中智能体逻辑的应用，读者可以了解其在企业级 AI 应用中的潜力。
Hugging Face Blog精选AI 评分7070 Hugging Face 推出 Delta Weight Sync 工具，优化异步强化学习训练
Hugging Face 推出 Delta Weight Sync 工具，通过优化权重同步方式，将异步强化学习训练的成本显著降低，并支持多副本推理，具有实际应用价值。
推荐理由：该工具通过优化权重同步方式，显著降低了异步强化学习训练的成本，并支持多副本推理，具有实际应用价值。
Hugging Face Blog精选AI 评分8585 IBM 发布 Granite Embedding Multilingual R2：开源 Apache 2.0 多语言嵌入模型
IBM 发布了新的多语言嵌入模型 Granite Embedding Multilingual R2，包括两个 Apache 2.0 许可的模型：一个 97M 参数的小型模型和一个 311M 参数的全尺寸模型。这两个模型都支持 200 多种语言，在 52 种语言上进行微调，支持 32K 上下文长度，并添加了对 9 种编程语言的代码检索功能。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。