模型厂商、公司和研究机构自己发布的消息：官网、官方博客和官方账号。
Reflection在Hugging Face上发布了Beam。这是一款501B的MoE模型，每个token激活23B参数，支持100万token的上下文窗口，并采用Apache 2.0许可证。这款纯文本模型面向编程和智能体工作，提供BF16、FP8和NVFP4检查点，并在发布首日支持transformers、vLLM和SGLang。Hugging Face还提供部署和后训练方案，以及自有的任务评测和演示。
推荐理由：部署指南区分了活跃计算量与权重总内存用量，帮助团队评估运行和适配一款具有长上下文窗口的稀疏模型所需的硬件配置。
Black Forest Labs 的 FLUX.3 Image Klein 发布首日即获得 Diffusers 支持，可用于文生图、多参考图图生图以及边界框布局控制。开放的检查点包括一个蒸馏模型（无需 CFG，使用 16 步）和一个基础模型（使用 CFG，运行 50 步）；在报告的基准测试中，蒸馏模型在 H100 上用 1.93 秒生成了一张 1024 × 1024 图像。Hugging Face 提供量化加载示例、LoRA 训练脚本，以及用于定制其 Modular Diffusers 流水线的工作流。
推荐理由：运行时测量数据和量化指南有助于开发者评估硬件需求，包括参考图像如何增加生成时间，以及何时降低精度可以减少内存占用而不提升速度。
Project Apertus 发布了 8B 和 70B 两种规模的 Apertus 1.5，新增图像和音频理解、可选思考模式、262,144-token 上下文窗口，并改进了指令遵循和工具使用能力。模型权重于 2026 年 7 月 24 日在 Hugging Face 上以 Apache 2.0 许可证发布；模型仅生成文本，语音语言处理仍处于实验阶段。团队还公布了训练数据、训练方案、中间检查点和可复现的评估记录。
推荐理由：公布的中间检查点、训练数据混合方案和评估设置，为研究各个训练阶段如何改变模型行为以及复现所报告的结果提供了具体依据。
Ai2 推出了 HiRO-ACEv2，这是一款升级版气候模拟器，可生成全球 3 公里分辨率的降雨、风和气压数据，成本约为 X-SHiELD 的 1/300。输入经过降尺度处理的 X-SHiELD 数据后，其 HiROv2 降尺度模型生成的高分辨率统计数据与参考值相差不超过 3%，即使对于每百万个数据点中仅出现一次的事件也是如此。目前，该系统只能与经过调校以匹配 X-SHiELD 的 ACE 配合使用，尚不能为其他气候生成高分辨率数据；可下载的模型、教程笔记本和网页演示现已开放。
推荐理由：与 X-SHiELD 的比较为研究人员提供了极端天气模拟的具体成本和准确度参照，但目前适用范围仅限于训练数据所代表的气候。
Liquid AI 发布了 LFM2.5-24B-A2B，这是一款开放权重推理模型，总参数量为 24B，激活参数量为 2B，面向能够进行推理并调用工具的设备端智能体。其上下文窗口从 32K 扩展至 131K 个 token，推理版和 Base 版均已在 Hugging Face 上提供。Liquid AI 报告称，该模型在 Apple M5 Max 上的速度为 184 tokens/s，工具使用表现具有竞争力，同时也承认，在知识密集型和代码基准测试中，更大的模型仍有优势。
推荐理由：基准测试对比有助于区分适合本地部署的工作负载：该模型在工具使用和指令遵循方面表现出色，但在知识和代码方面不及某些更大的模型。
作者在 HuggingChat 中开启 ML-intern，用提示词描述需求，两天内做出六个模型并发布到 Hub，总计算花费约 103 美元。其中把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 版本，可在 CPU 上运行，输出有效率 99.7%，token 用量约为教师模型的四分之一。作者公开了全部七个提示词，并建议在提示中要求基线对比、冒烟测试和预算上限。
推荐理由：作者用 ML-intern 在两天内做出六个模型，公开了全部提示词与成本明细，可迁移到自己的训练流程。
阿布扎比技术创新研究院（TII）发布 1.6B 参数的语音识别模型 Falcon-ASR，主打阿拉伯语及阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均 WER 为 20.92%，比所用榜单快照中最佳公开结果 23.17% 低 2.25 个百分点；内部阿联酋方言评测 WER 22.73%、CER 10.19%，优于 Qwen3-Omni。
Liquid AI 发布 d1 决策模型家族的两款开源权重模型 d1-3B 和 d1-omni-600M（实验性）。
推荐理由：Liquid AI 开源两款决策模型，给出端侧延迟与七项基准对比，可据此判断小模型做结构化决策的可用性。
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-改进的推理流程打造专项模型，在 IOI 2026 和 IMO 2026 均达到金牌线。
推荐理由：原文给出了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方，读者可据此复用其数据与推理流程。
Falcon-Emirati-7B 发布，这是基于 Falcon-H1-Arabic 打造的阿联酋方言专用模型，旨在像母语者一样理解和生成阿联酋阿拉伯语。它沿用 Falcon-H1 混合架构（Mamba 与 Transformer 注意力并行），基座家族覆盖 3B、7B、34B 三种规模，上下文窗口最高 256K tokens。
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务，通过全托管 API 提供跨区域推理、提示词缓存和服务层级，目前面向符合条件的企业客户开放。
推荐理由：原文给出 GLM 5.3 在 Bedrock 上的接入方式与提示词缓存用法，读者可据此评估托管推理对编码与长程智能体工作流的成本影响。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再对终态后端状态和副作用做可执行检查，而非只看最终回复或工具调用是否合法。
推荐理由：微软与 Hugging Face 联合发布的智能体评测，用 507 个有状态工作流和 20 次重复运行，把关注点从工具调用转向数据库终态。
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，已作为 Asta 的 Fast 模式上线。
推荐理由：原文给出 AstaBrief 的训练数据构造与引用过滤细节，可迁移到其他长文生成模型的落地。
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功轨迹定位能力缺口，再生成并验证新任务用于后训练，课程随模型进步转向仍难的任务。该流程在 EnterpriseOps Gym 数据集上做了演示，生成任务需满足可行性、真实性与难度三项要求，验证器则需保证一致性、可靠性与完备性。
AI2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重要升级，重新设计了开放的 MoE 训练系统，目标是把 MoE 训练扩展到万亿参数级别并保持计算效率。
推荐理由：原文给出了 MoE 训练栈的吞吐与显存对比数据，读者可据此判断大规模 MoE 训练的成本变化。
Hugging Face 发布 Open TTS Leaderboard，用 WER/CER、RTFx、TTFA 和说话人相似度等客观指标评测开源 TTS 模型，把评测周期从数周投票缩短到数小时。
推荐理由：Hugging Face 用客观指标替代投票式评测，读者可了解开源 TTS 模型在多语言与语音克隆上的横向对比方式。
NVIDIA 发布开源表格基础模型 Kumo Tabular，给定带标签的表格行即可单次前向传播预测新行标签，覆盖分类与回归，无需训练、调参和特征工程。模型提供 28M 到 215M 三种规模，完全在人工合成表格上预训练，采用 OpenMDW-1.1 许可可商用，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。
推荐理由：原文给出模型规模、训练数据来源与四项基准排名，可据此判断表格基础模型的准确率与效率取舍。
Hugging Face 发布论文 ProvenanceGuard，一种面向 MCP 智能体的生成后验证层，可保留工具输出的来源身份，检测"事实为真但归属错误"的跨来源混淆。在医疗智能体的 281 条真实 trace 上，专家判定应拦截的 139 条声明中它拦下 138 条，来源识别准确率约 86%，并在四项对比检查器中得分最高。
Hugging Face Hub 新增 RL Environments 筛选，带 rl-environment 标签的数据集仓库会集中展示，无需新建仓库类型、注册表或注册流程。
推荐理由：Hugging Face 把 RL 环境统一成带标签的数据集仓库，读者可据此判断跨框架复用环境的成本变化。
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下提速，设备端解码最高 3.13x、H100 上 2.66x，端到端最高 2.62x 和 2.27x。
oMLX 作者兼维护者 Jun Kim 加入 Hugging Face，全职投入 MLX 社区建设。oMLX 将从副业转为有资金支持的长期项目，仍保持 Apache 2.0 协议并由 Jun 继续领导，目标是提升稳定性并加快开发。
英国 AI Security Institute（AISI）正采用 EvalEval 的 Every Eval Ever schema 和 Evaluation Cards 平台公开分享评测结果，以提升评测科学的可复现性。
Hugging Face 为 transformers 加入 GGUF 模型支持，用户可从 Hub 选取 GGUF 检查点，用 from_pretrained 传入 gguf_file 即可在本地生成，无需额外配置。
推荐理由：Hugging Face 官方给出在 transformers 里直接加载 GGUF 的路径与实测对比，读者可据此判断本地推理工作流是否值得迁移。
Hugging Face 发布 tokenizers v1，输出 token ID 与 v0.23 完全一致，但速度最高提升数十倍。v1 将单一 crate 拆为工作区，引入 bitcannon 用 SIMD 位运算替代正则分词、无分配 merge 循环、线程本地 word cache 和原生多线程并行。
IBM 研究团队在 Hugging Face 博客介绍 altk-evolve 新增的一致性指南（consistency guidelines），用于解决智能体同一任务重复运行结果不稳定的问题。
推荐理由：材料给出 Mean@k 与 Pass^k 的差距量化，并展示一致性指南把差距减半的实测结果，可迁移到智能体评测设计。
TRL v1.14 的 AsyncGRPOTrainer 现已支持只训练并同步 LoRA adapter 到 vLLM，rank-1 adapter 仅几 MB，可通过挂载在多个 Hugging Face Jobs 上的 Storage Bucket 传输，无需 NCCL。
Hugging Face 发布 Workflow1111，用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张工作流画布。
推荐理由：原文展示了用 73 个节点重建 A1111 全部功能的具体做法，可据此判断节点式工作流与 ComfyUI 的差异。
Hugging Face 推出 NeoMME 系列多模态多语言编码器，含 260M 和 800M 两个规模，用单个双向 Transformer 直接处理文本 token 与原始图像 patch，无需独立视觉塔或因果语言模型。
Hugging Face 发布 funes，一个面向 Claude Code、Codex、pi 和 Hermes 的持久记忆层，从本机已有会话构建索引，一条命令即可接入智能体。
推荐理由：funes 把编码智能体的会话轨迹变成可检索的本地记忆，并给出跨机器、跨智能体共享的绑定方式。
一份公开的低成本方案用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅约 500 条样本、100 个训练步，在 IFStruct 基准上把通过率从 22.6% 提升到 29.7%。训练可在免费 Colab 或 Kaggle GPU 上完成，评测则通过 llama.cpp 在本地 MacBook 上运行，代码已开源在 GitHub。
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩的想法，模型通过 p5.brush 写出约 150 行 JavaScript 来作画。
Hugging Face 发布 BenchMIRT，一种在单条提示词层面审计 LLM 基准测试的多维 IRT 方法，可分离同一基准中混杂的能力信号。该方法基于 100 个 LLM 在 16 个基准、超 34K 道题上的结果训练，在未被告知基准对应能力的情况下自行恢复出安全与通用推理两个主导维度。分析显示 BBQ、WMDP 等安全基准的得分与通用推理关联更强，单一基准分数可能混合多种信号。
Hugging Face 发布 @huggingface/kernels，一个从 Hub 加载并运行优化 WebGPU kernel 的 JavaScript 库，同时上线 207 个 kernel 的初始集合，均以 Apache-2.0 许可、独立仓库形式发布，包含 manifest、正确性用例、基准用例和 WGSL 着色器模板。
推荐理由：Hugging Face 把 207 个 WebGPU kernel 连同契约、测试和基准一起发布，读者可据此判断浏览器端推理的底层可复用程度。
Voice Arena 与 Hugging Face 合作，在 Open ASR Leaderboard 上新增 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，印地语成为该多语言榜单上的首个印度语言。
推荐理由：Open ASR Leaderboard 首次纳入印地语与印度英语评测集，读者可看到基准如何把说话人属性纳入公开评测。
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 式后期交互检索，并提供完整训练方案。
IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，基于 Granite-4.1 基座后训练而来，全部采用 Apache 2.0 许可。
推荐理由：原文完整披露了 Granite 4.2 的架构、SFT 数据配比与多阶段 RL 课程，可据此理解推理模型后训练的具体做法。
Multiverse Computing 发布论文提出 Quantization-Aware Healing（QAH），在 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 检查点蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的修复配方，并附与 QAT 的稳定性对比数据。
Hugging Face 在 Gradio 中推出 gr.Workflow，把多步 AI 流水线描述为由引用、算子、主体三类节点组成的图，Gradio 直接提供可拖拽画布，每个节点可运行、每个中间结果可见。
推荐理由：原文给出 gr.Workflow 的节点类型、REST 端点与部署路径，读者可据此判断多步 AI 流水线如何落地。
Papers with Code 的混合搜索系统由 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints 三项服务支撑，目前为来自 arXiv 和 Daily Papers 的逾 110,000 篇论文维护嵌入向量。
Hugging Face 发布研究，用共识分歧、掩蔽实体检索和拼写切换三项测试量化语音识别中的基准优化现象，评测了 11 个开源 ASR 模型。
推荐理由：研究给出三种可复现的探测方法，量化了 ASR 模型复现基准错误转录的程度，对评测设计有直接参考。
