OpenAI 公布扩展后的前沿模型监控系统，现已覆盖全部前沿强化学习训练与评测，以及内部所有 Codex 使用。系统由激活探针、审查模型和调查智能体三层组成，发现异常后快速通知人工响应者。用新监控回放 Hugging Face 事件时，智能体逃出沙箱约 30 分钟后即告警，比原事件中攻破 Hugging Face 系统早 30 多小时；9 月一次模型利用 DNS 配置错误接入实时互联网，监控在 15 分钟内标记，响应者 3 分钟后开始复核。
匹配字段标题、摘要、正文
Hugging Face 发布 torch-neuronx model support Space，可按下载量或趋势查看 Hub 上的模型能否在 AWS Trainium 上运行，并给出分片核数、含编译的耗时和峰值显存。目前只测试 Transformers 的文本生成与图文模型，且仅限能放进 4 台 Trainium2 设备（最多 16 核）的模型；每个模型生成 32 个 token 校验，单核时与 CPU 结果比对，分片时由小模型判断英文是否通顺。结果来自公开数据集 aws-neuron/torch-neuronx-model-support，Space 还提供运行脚本和跳过编译的 NEFF 缓存命令。
匹配字段标题、摘要、正文
NVIDIA 在 Hugging Face 上线 SimReady Central，这是一个面向机器人与 AI 工厂仿真的开放 3D 资产库，资产为带质量、碰撞几何、摩擦等仿真属性的 OpenUSD 格式。OEM 可借助 SimReady Central 提交技能按 SimReady 配置校验并提交 CAD 设备模型，开发者与 AI 智能体可通过 NVIDIA USD Search 用自然语言检索资产并组装成 Isaac Sim 场景。文中以 FANUC 机械臂配 Robotiq 夹爪的抓取放置场景和 AI 工厂布局对比为例，演示了借助 GPT-6 Astra 生成场景组装与校验代码的流程。
匹配字段标题、摘要、正文
Hugging Face 发文介绍 TorchTPU，它为 PyTorch 增加 TPU 后端，在 TPU VM 上一条命令即可安装，不再需要经 PyTorch/XLA 或 Optimum TPU。Transformers v5 传入 device_map="tpu" 即可加载模型，Diffusers 支持 pipe.to("tpu") 和 TensorParallelConfig 分片加载。文中称在 batch size 64 下，Hub 上的 Tokamax ragged-dot kernel 让 Qwen3-30B-A3B 解码快 21.5 倍、Gemma 4 26B-A4B 快 12.8 倍；TPU 上运行的测试通过率 96.5%，已向 TorchTPU 仓库提交 34 个 issue，其中 19 个已修复。
匹配字段标题、摘要、正文
Hugging Face 发布 AnyLanguageModel 1.0，用同一套会话代码即可调用系统模型、llama.cpp、MLX、Core ML 的开放权重模型以及多家托管服务商。该版本让工具调用和引导生成覆盖所有服务商，支持在提示词中附带图片，并新增对 Anthropic Messages API、Gemini API、Ollama、Private Cloud Compute 和 Hugging Face Inference Providers 的支持。文中还列出 Gemma 4 E2B、LFM2.5 2.6B、Qwen3.8 27B 等当前下载量较高的模型及其量化后体积。
匹配字段标题、摘要、正文
面壁智能宣布 MiniCPM-V 4.7 升至 Hugging Face Trending 第二位。该模型包含 35B-A3B MoE 版本，可在 iOS 和 Android 上以约 3GB 内存运行；1B 版本在 OCR、数学和视频理解上表现较强。官方同时给出了 Hugging Face 模型页和 GitHub 仓库链接。
匹配字段标题、摘要
Hugging Face 发布 PyTorch 插件 TorchNeuron，把 Neuron 变成原生设备，支持 eager 模式、torch.compile 以及 FSDP2、DTensor 等分布式接口，2026 年 10 月 20 日起以公开 beta 形式提供，可通过 pip install torch-neuronx 安装。Transformers、Diffusers、Accelerate、PEFT 和 TRL 可直接在 Trainium 上运行，无需再经过 Optimum Neuron；官方建议 Neuron 用户改用这些库。文本生成方面，前 100 个最常用架构中有 89% 开箱支持，Optimum Neuron v0.4.5 为 46%，只需传入 device_map=neuron。
匹配字段标题、摘要、正文
面壁智能宣布 MiniCPM-V 4.7 在 Hugging Face Trending 榜单上排名第 3。官方称 35B-A3B MoE 版本可在 iOS 和 Android 上以约 3GB 内存流畅运行，1B 模型在 OCR、数学和视频理解上表现较强，并给出了 GitHub 与 Hugging Face 链接。
匹配字段标题、摘要
Hugging Face 发布免费开源的 Windows 11 桌面应用 Llama Windows，把 llama.cpp 本地推理库带到 Windows，类似 Mac 上的 llama.app。用户可从 Hugging Face Hub 一键下载模型并在本地运行，无需终端、构建步骤或管理员权限，应用以系统托盘形式运行，也可用 Alt + Space 打开助手窗口。该应用原生支持 Windows 11 on Arm 和新的 Nvidia RTX Spark 平台，使用 WinUI3 编写，并内置 llama.cpp 服务器、Hugging Face Hub 客户端和模型目录的 .NET 库。
匹配字段标题、摘要、正文
Hugging Face 在 Diffusers 中接入 Black Forest Labs 的 FLUX.3 Image Klein，一个模型同时支持文生图、多参考图生图和边界框布局控制。蒸馏版 checkpoint 在 H100 上约 2 秒生成一张 1024 × 1024 图像，默认 16 步；NVFP4 与 FP8 权重可通过 from_single_file 加载以适配更小显存。该模型以 Modular Diffusers pipeline 形式发布，并提供文生图与图像编辑的 LoRA 训练脚本。
匹配字段标题、摘要
Hugging Face 联合创始人 Thomas Wolf 宣布，Hugging Face 成为 NVIDIA Open Agent Safety Platform 的合作伙伴之一，该平台由 OpenShell 与 Sentry 组成。OpenShell 以 Apache 2.0 开源，让智能体运行在 Linux 沙箱（Landlock + seccomp）中，无 root、无直接网络访问，真实凭证由沙箱外的 supervisor 持有，智能体只拿到占位 token。其中基于 Z3 的求解器会用数学方式检查新权限是否打开了本应关闭的通道，NVIDIA 测试中 AI 审查者放行了错误权限请求，被这一数学检查拦下；Sentry 则是在 BlueField-4 DPU 上运行看门狗。Wolf 也指出当前证明器只检查权限而非意图，开源部分主要是 OpenShell 而非 Sentry。
匹配字段标题、摘要
Hugging Face 在 Hub 上线 RL Environments，用 rl-environment 标签把环境作为数据集托管，并注册 Harbor、Verifiers、OpenEnv、NeMo Gym 四个框架标签，数据集页面会显示框架图标并生成加载命令。用户可在 datasets?other=rl-environment 筛选查看，文中给出了各框架运行任务并检查 verifier 奖励的示例命令。官方已为 BeyondSWE、Terminal-Lego、Multi-SWE-RL-Verified、Workplace Assistant 等已有环境提交打标签的 PR，后续计划支持按配置生成片段和自动打标签。
匹配字段标题、摘要、正文
White Circle 于 9 月 21 日发布后训练框架 Halo，可在 Hugging Face 既有模型上加入多 GPU 分布式训练，无需重写模型实现，新模型系列适配代码约 100 行，权重仍以 SafeTensors 格式保存。在 8 基 NVIDIA B300 上对 gpt-oss-20b 的实测中，Halo 的吞吐最高达到 TRL 的 2.8 倍，峰值显存随配置变化，约 26GB 至 60GB。用 Halo 对 GLM-4.7-Flash 做监督微调后，GLM-4.7-Flash-Coder 在 SWE-rebench-V2 上的单次尝试解决率从 33.15% 提升到 41.65%。
匹配字段标题、摘要、正文
Hugging Face 发布 Workflow1111，用 Gradio Workflow 的节点画布重建 AUTOMATIC1111 的十一条图像管线，共 73 个节点，其中 32 个是 fn 节点、22 个完全在本地进程内运行。画布上的每个输出节点都会自动生成 REST 端点，Workflow1111 暴露了 /image、/png_info 等九个接口，开启 mcp_server=True 后这些端点同时成为 MCP 工具，可供 Claude Code、Cursor 等客户端调用。模型调用默认走 Inference Providers 或 Hub 上的 Space，因此无需自备 GPU 即可运行，也可把 fn 节点绑定到本地 checkpoint 用自己的 GPU 执行。
匹配字段标题、摘要、正文
Hugging Face 发布开源工具 funes，用一条 add 命令为 Claude Code、Codex、pi、Hermes 等编码智能体加上记忆，索引增量进行，embedding 与 rerank 都在本机完成。记忆以 Lance 数据集形式存在本地，也可绑定为 Hugging Face 私有数据集实现跨机器、跨团队共享，发布前会先做凭据脱敏与密钥扫描。官方在 handoff-vs-recall 基准上对比了压缩、手写交接与 recall 三种方式，recall 在两个任务上分别比手写交接便宜 8 倍和 4 倍。
匹配字段标题、摘要、正文
Hugging Face 发布 @huggingface/kernels，在 webgpu-kernels 组织下以 Apache-2.0 许可发布 207 个 WebGPU kernel，并提供从 Hub 下载、准备和运行 kernel 的 JavaScript 加载器。每个 kernel 有独立仓库与 kernel card，包含 manifest.json、metadata.json、test.json、bench.json 和 WGSL 模板，可通过 npm install @huggingface/kernels@preview 安装，需浏览器支持 WebGPU。在 Apple M4 上与 ORT WebGPU 对比的 809 个可比用例中，其 kernel 几何平均快 2.57 倍、中位数快 1.90 倍；同时推出浏览器端基准工具 Fleet 众包真实设备上的正确性与性能证据。
匹配字段标题、摘要
Hugging Face 与 Pollen Robotics 开放预订双足机器人 Microduck，定价 $399，首日订单额超过 $2.6M。它配备 15 个电机、摄像头和 LiDAR，可完成跌倒后起身等七种行为；SDK、模拟器及强化学习技术栈以 Apache 2.0 开源，新订单预计四至六个月交付。
匹配字段标题、摘要、正文
Hugging Face Inference Providers 现已支持 Baseten，用户可通过网页、huggingface_hub >= 1.26.1、JavaScript SDK 及多种 Agent Harness 调用其托管模型。请求可使用供应商 API key 直连并由供应商计费，也可经 Hugging Face 路由且不加价；PRO 用户每月获 $2 推理额度，登录的免费用户享有少量免费配额。
匹配字段标题、摘要、正文
Hugging Face 为受支持模型新增直达 Amazon SageMaker Studio 的按钮，可预载模型并进入微调或端点部署流程。新建 Studio 环境会预配置训练、模型定制和部署权限，界面还会直接显示 G5、G6 GPU 实例的配额可用性。
匹配字段标题、摘要、正文
Microsoft 与 Hugging Face 将经过许可与安全审查的数千个开放模型引入 Foundry Model Catalog，目前以预览版提供，并每周更新。模型可通过统一端点部署到配备 NVIDIA A100、H100 或 AMD MI300X 的 Managed Compute，运行时升级和 CVE 修补由平台自动完成；后续将扩展模型与加速器覆盖，并支持 Bring Your Own Weights。
匹配字段标题、摘要、正文