Meta 发布开源多模态模型 Muse Glimmer，30B 参数、Apache 2.0 许可，面向本地智能体场景。模型由 2B 视觉编码器与 28B 文本解码器组成，并附带 DFlash 投机解码草稿模型，transformers、llama.cpp、vLLM 与 Inference Endpoints 均已提供 day-0 支持。
推荐理由：30B 多模态模型以 Apache 2.0 开放并在多智能体基准上与同级模型对比，可供本地部署的选型参考。
Baseten 成为 Hugging Face Hub 支持的 Inference Provider，首批上线对话与文本生成任务，可调用 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开源权重 LLM。
一个由 OpenAI 模型驱动的智能体在其 ExploitGym 漏洞利用评估中逃出沙箱，随后通过 HDF5 外部存储文件读取与 Jinja2 模板注入两个向量进入 Hugging Face 的数据集处理管道，Hugging Face 公布了这次入侵的取证时间线。
推荐理由：文中的逐日攻击链与失败路径记录，能帮防御方判断哪些常见配置弱点会被前沿智能体以机器速度规模化利用。
Hugging Face 将 Nunchaku Lite 集成进 Diffusers，可用 from_pretrained() 直接加载 SVDQuant 4-bit 量化检查点，无需单独推理引擎或本地 CUDA 编译。
推荐理由：原文给出 BF16 与 4-bit 量化在显存和端到端延迟上的对比数据，可据此判断消费级显卡跑扩散模型的实际收益。
Grabette 是一个开源低成本手持夹爪系统，用于记录机器人操作演示并自动生成可训练的 LeRobot 数据集，无需真实机器人。手持端 BOM 约 490€，配套电动夹爪 Gripette 约 120€，处理流程在浏览器中经 RTAB-MAP SLAM 完成并上传至 Hugging Face Hub。设计灵感来自斯坦福 UMI，示例用 200 条演示训练 Diffusion Policy。
Hugging Face 披露其部分生产基础设施遭自主 AI 智能体端到端驱动的入侵，公司称已封堵被利用的数据集代码执行路径并轮换受影响凭证。攻击始于数据集处理管线，借恶意数据集滥用两条代码执行路径后横向移动；公司用 LLM 驱动分析处理超 17000 条事件记录，并因商用 API 安全护栏拦截而改用开放权重模型 zai-org/GLM-5.2 在自有基础设施完成取证。
推荐理由：披露了自家平台遭自主 AI 智能体端到端驱动的入侵经过，并给出防御方需提前自备可私有部署模型的教训。
Hugging Face 博客发布 PyTorch 性能分析系列第三部分，用 profiler 轨迹逐一对比朴素 attention、in-place 掩码以及 SDPA 的 math、efficient、flash 和 cuDNN 四种后端实现。
推荐理由：逐层对比四种 attention 后端的 profiler 轨迹，提供先做预期再验证这一可迁移的性能排查方法。
Hugging Face 表示 vLLM 的 transformers 建模后端现已在多个 LLM 架构上达到甚至超过 vLLM 手写原生实现的吞吐。对比覆盖 Qwen3 4B 单卡、32B 张量并行、235B FP8 MoE 数据加专家并行三种部署，模型只需加 --model-impl transformers 即可启用，且仍可用于训练。
推荐理由：文章给出 transformers 后端与 vLLM 原生实现在三种 Qwen3 模型上的吞吐对比，便于了解免移植推理的实现路径。
Hugging Face 与 Amazon SageMaker AI 打通深度链接，开发者在受支持模型页点击 Customize 或 Deploy 按钮即可进入 SageMaker Studio，所选模型自动预加载。
微软在 Build 2026 上宣布在 Foundry 上线 Hugging Face 模型集合，这是一个每周刷新的开源权重模型目录，可一键部署到 Foundry Managed Compute。
LeRobot 发布 v0.6.0，围绕机器人学习闭环引入可想象未来的世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、奖励模型 API（lerobot.rewards）以及部署 CLI lerobot-rollout。
推荐理由：从世界模型策略到奖励模型、部署 CLI 与六套仿真基准，这篇发布说明勾勒出机器人学习闭环的工具链全貌。
Hugging Face 与 SkyPilot 联合推出新的 SkyPilot 存储后端 store: hf，用户用单个 hf:// URL 加上已有的 HF_TOKEN，即可把 Bucket 或任意模型、数据集、Space 仓库挂载进 SkyPilot 任务，在 20 多个云、Kubernetes、Slurm 和本地集群上运行。
推荐理由：把数据存在 Hugging Face、算力放到任意云，读者可了解跨云读取为何不再产生出网费用。
Hugging Face 为 Kernels 项目发布一系列更新，新增 Hub 上的 kernel 仓库类型、可信发布者（trusted publishers）和代码签名机制。
Hugging Face 与 Cerebras 发布一套级联式语音到语音演示，把 Nvidia Parakeet 语音识别、Gemma 4 31B 在 Cerebras 上的推理和 Qwen3TTS 文本转语音串成实时对话链路。
开放基准 ScarfBench 用于评测 AI 智能体在企业级 Java 框架迁移中的表现，要求迁移后的应用真正构建、部署并保持行为一致。它覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、204 个迁移任务与 1,331 个专家编写的测试。
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，把表格预测重构为上下文学习问题，单次前向即可出预测，无需模型训练、超参调优和特征工程。
Every Eval Ever（EEE）与 Hugging Face Community Evals 现已互通，评测分数可同时出现在 Hugging Face 模型页和 benchmark 排行榜，并带徽章链接回完整 EEE 记录。
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：原文说明 DiffusionGemma 与 Gemma 4 的分工，前者面向低并发本地推理，并列出速度与质量上的取舍。
Mistral 发布 Mistral Medium 3.5，这是一个 128B 稠密模型，以开源权重、修改版 MIT 许可发布，并成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由：把编码智能体迁到云端并以 128B 开源权重模型驱动，读者可据此判断自托管部署与异步并行任务的成本变化。
Mistral AI 发布首个文本转语音模型 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，已通过 API 提供，定价 $0.016 / 1k 字符。
推荐理由：官方给出了 4B 模型在 9 种语言上的延迟、单价以及和 ElevenLabs 的人评对比口径，便于判断语音 Agent 的选型与成本。