想用 ACE？ALTK-Evolve 用更少 token 就能达到同等效果
ALTK-Evolve 与 ACE 都是让智能体从自身轨迹学习的记忆系统，差异在交付方式：ACE 每步注入完整 playbook，ALTK-Evolve 按任务选择性检索 guideline。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face BlogAI 评分4040 Hugging Face Blog精选AI 评分6161 NVIDIA Magpie TTS 多语种版发布，主打开源权重与全栈部署控制
NVIDIA 发布开源 364M 参数的 Magpie 多语种 TTS 模型，支持 12 种语言，包括本次新增的现代标准阿拉伯语、韩语和巴西葡萄牙语。
推荐理由：对比 B200、H100、A100 上的首音频延迟数据，并介绍 frame stacking 与 local transformer 两项推理优化思路，可用于自有基础设施上的语音智能体部署。
Hugging Face Blog精选AI 评分6969 Meta 开源 30B 多模态模型 Muse Glimmer，主打本地智能体场景
Meta 发布开源多模态模型 Muse Glimmer 30B，采用 Apache 2.0 协议，面向本地智能体用例，并获得 transformers、llama.cpp、vLLM、Inference Endpoints 的 day-0 支持。
推荐理由：原文给出Muse Glimmer 30B在Agentic、编码、安全等基准上对位Gemma4-31B、Qwen3.6-27B的逐项对比结果，并附transformers、llama.cpp下的本地推理与DFlash推测解码代码示例。
Hugging Face BlogAI 评分4040 Baseten 上线 Hugging Face Inference Providers
Baseten 上线成为 Hugging Face Hub 的 Inference Provider，首批支持 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开源大语言模型的对话与文本生成推理。
Hugging Face Blog精选AI 评分8484 Hugging Face 公开 2026 年 7 月 AI 智能体入侵事件完整技术时间线
Hugging Face 公开 2026 年 7 月一起由 OpenAI 模型驱动的自主 AI 智能体入侵其平台事件的完整技术时间线。
推荐理由：这篇技术复盘详细记录了每个攻击阶段的命令与配置缺陷，并给出 HF 的具体加固措施，可作为排查同类数据集处理管线和 Kubernetes 凭据管理的参考。
Hugging Face Blog精选AI 评分6262 Diffusers 原生集成 Nunchaku 4-bit 扩散模型推理
Diffusers 现已原生集成 Nunchaku 的 SVDQuant 4 位扩散推理，预量化模型可通过 from_pretrained() 直接加载，无需本地 CUDA 编译。
推荐理由：给出了把 SVDQuant 4 位扩散推理接入 Diffusers 的完整工作流，并附 BF16 与量化版本的延迟和显存基准。
Hugging Face BlogAI 评分5050 Pollen Robotics 发布开源机器人操作数据采集系统 Grabette
Pollen Robotics 在 Hugging Face Blog 发布开源系统 Grabette，用手持夹爪加相机和 IMU 记录人类操作演示，无需机器人本体即可产出可直接训练的数据。
Hugging Face Blog精选AI 评分8383 Hugging Face 披露 7 月安全事件：AI 智能体驱动的入侵与 AI 辅助防御
Hugging Face 披露一起由 AI 智能体驱动的安全入侵事件，攻击者利用数据集处理中的远程代码加载与模板注入获取节点访问权限，并在多个内部集群横向移动。
推荐理由：原文给出了由 AI 智能体发起的入侵路径与 Hugging Face 的 AI 辅助防御流程，可供平台方对照自身攻击面与响应预案。
Hugging Face Blog精选AI 评分7373 Thinking Machines 开源 1T 参数多模态模型 Inkling，支持图像文本音频输入
Thinking Machines 开源 1T 参数多模态大模型 Inkling，原生支持图像、文本和音频输入及 1M 上下文，采用 decoder-only MoE 架构（975B 总参数、41B 激活），同步提供 BF16 与 NVFP4 两个权重版本。
推荐理由：原文给出 Inkling 的 MoE 架构细节与多模态能力范围，并附 transformers、SGLang、vLLM 多框架部署示例和主流模型基准对比，方便评估其工程落地方案。
Hugging Face BlogAI 评分5151 Hume 发布 Real World VoiceEQ 语音 AI 评测基准
Hume 在 Hugging Face 发布 Real World VoiceEQ 语音 AI 评测基准，基于超过 100 万条人类评分，覆盖 ASR、TTS、S2S 与语音理解四大类共 15 个评估维度和 60 多项指标，对 40 多款主流专有与开源语音模型进行评测，其中包含 78.5 万条 TTS 评分和 4.8 万条 STS 评分。
Hugging Face BlogAI 评分5555 PyTorch 性能分析系列（三）：用 profiler trace 拆解 attention
Hugging Face 博客发布 PyTorch 性能分析系列第三篇，演示如何用 profiler trace 读懂 attention 各种实现的 GPU 行为。
Hugging Face Blog精选AI 评分7474 transformers vLLM 推理后端现已达原生实现速度
Hugging Face 宣布 transformers 在 vLLM 中的推理后端现已在多种架构上跑出与 vLLM 原生手写实现持平或更快的吞吐，模型作者只需通过 `--model-impl transformers` 即可启用，无需再为每个新模型单独移植。
推荐理由：transformers 模型现可在 vLLM 中跑出与原生手写实现持平甚至更快的推理吞吐，模型作者无需再为每个新架构单独移植实现代码。
Hugging Face BlogAI 评分5353 Hugging Face 与 Amazon SageMaker AI 推出一键跳转集成
Hugging Face 与 Amazon SageMaker AI 推出一键跳转集成，在支持的模型页面提供「Customize on SageMaker AI」和「Deploy on SageMaker AI」按钮，可直接进入 SageMaker Studio 对应页面。
Hugging Face BlogAI 评分5757 Microsoft Foundry 上线 Hugging Face 开源模型集合，可在 Managed Compute 一键部署
Microsoft 在 Foundry 模型目录上线 Hugging Face 开源模型集合，每周刷新预托管在 Azure 的开源权重，可一键部署到 Foundry Managed Compute。
Hugging Face Blog精选AI 评分6969 LeRobot v0.6.0 发布：新增世界模型策略、奖励模型与六个仿真基准
LeRobot v0.6.0 发布，引入世界模型策略（VLA-JEPA、LingBot-VA、FastWAM）、统一奖励模型 API（Robometer、TOPReward）与六个仿真基准。
推荐理由：v0.6.0 把世界模型策略、奖励模型、六个仿真基准和 FSDP/云端训练打包到 LeRobot，可作为观察当前开源机器人学习栈能力面的一份参考。
Hugging Face Blog精选AI 评分6464 SkyPilot 与 Hugging Face Storage 打通：跨云运行 AI 任务且数据读取免出站费用
Hugging Face 与 SkyPilot 联合发布 store: hf 后端，SkyPilot 任务可通过 hf:// URL 把 Hugging Face Bucket 或 Hub 仓库挂载为本地路径，在 20 多个云以及 Kubernetes、Slurm、本地集群的 GPU 上运行，读取模型与数据集免出站流量与 CDN 费用。
推荐理由：Hugging Face Storage 接入 SkyPilot 后，模型和数据集留在 Hub，由 SkyPilot 在多个云上调度 GPU 任务，读取端免出站流量费。
Hugging Face BlogAI 评分4444 PRX Part 4：数据策略
PRX 系列第四篇详解其预训练数据策略：混合公开与内部数据集、用 VLM 重新描述图像，并基于 Mosaic Streaming（MDS）与 Lance 格式构建流式训练语料。文本编码器从 T5Gemma 切换为 Qwen3-VL 后改为在线计算文本 latent，仅带来约 3–4% 吞吐损失。图像统一以 JPEG quality 92 编码，验证表明首次重编码近乎不可感知。
Hugging Face BlogAI 评分5151 Hugging Face 公布 Kernels 项目重大更新
Hugging Face 公布 Kernels 项目重大更新，新增 Hub 上的 kernel 仓库类型、trusted publisher 机制和基于 Sigstore cosign 的代码签名。
Mistral AIAI 评分5252 Mistral 发布 Leanstral 1.5：面向 Lean 4 形式化验证的开源模型
Mistral 发布面向 Lean 4 形式化验证的开源模型 Leanstral 1.5（Apache-2.0），共 119B 总参数、6B 激活参数。该模型在 miniF2F 验证与测试集均达 100%，在 PutnamBench 上解决 587/672 题，并在 FATE-H 与 FATE-X 上以 87% 与 34% 取得新 SOTA，单题成本约 $4。
Hugging Face BlogAI 评分5151 Hugging Face 与 Cerebras 合作将 Gemma 4 31B 接入实时语音 AI 流水线
Hugging Face 与 Cerebras 合作发布实时语音 AI 演示，将 Gemma 4 31B 与 Parakeet、Qwen3TTS 串联为模块化的语音到语音流水线。架构为 ASR → 语言模型 → TTS 完全开源级联，由 Cerebras 提供 Gemma 4 31B 推理以降低延迟并改善 P95 稳定性；同一流水线已驱动超 9000 台 Reachy Mini 机器人。
Hugging Face BlogAI 评分4343 ScarfBench：评估 AI 智能体在企业 Java 框架迁移中的表现
Hugging Face 推出开源基准 ScarfBench，用于评估 AI 智能体在企业 Java 跨框架迁移任务上的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，包含 34 个应用、204 个迁移任务和约 15.1 万行代码。
Hugging Face BlogAI 评分4646 Every Eval Ever 与 Hugging Face Community Evals 互通，模型页可展示评测结果
Every Eval Ever (EEE) 与 Hugging Face Community Evals 互通，提交一份结果即可同时显示在 Hugging Face 模型页与基准 leaderboard。
Mistral AI精选AI 评分7070 Mistral 发布 Medium 3.5 模型，同步推出 Vibe 远程编码 agent 与 Le Chat Work 模式
Mistral 发布 128B 稠密模型 Medium 3.5，同步在 Vibe 和 Le Chat 中推出远程编码 agent 与新的 Work 模式。
推荐理由：原文同时给出 Medium 3.5 的基准成绩、API 定价与云端编码 agent 形态，读者可以据此和同类模型与产品做横向对比。
Mistral AI精选AI 评分6262 Mistral AI 发布首个文本转语音模型 Voxtral TTS
Mistral AI 发布首个文本转语音模型 Voxtral TTS，参数量 4B，支持英、法、德、西、荷、葡、意、印地、阿拉伯 9 种语言及多种方言，主打自然情感表达与零样本跨语言音色适配。
推荐理由：官方给出 4B 参数量、9 种语言、$0.016/1k 字符定价与企业级语音流程对接，便于评估其替代现有 TTS 方案的成本和体验。
Mistral AI精选AI 评分6868 Mistral AI 发布 Voxtral Transcribe 2 系列语音转写模型
Mistral AI 发布 Voxtral Transcribe 2 系列语音转写模型，包含面向批量转写的 Voxtral Mini Transcribe V2 与面向实时场景的 Voxtral Realtime。
推荐理由：对比 GPT-4o mini Transcribe、Gemini 2.5 Flash 等主流语音转写 API，给出 FLEURS 词错率和每分钟价格的横向参照。
Mistral AI精选AI 评分7979 Mistral 发布 Mistral 3 模型家族，涵盖 Mistral Large 3 与 Ministral 3
Mistral 发布 Mistral 3 模型家族，旗舰款 Mistral Large 3 为 41B 激活 / 675B 总参数的稀疏 MoE，在 LMArena OSS 非推理模型榜位列第 2，全系采用 Apache 2.0 协议开源。
推荐理由：原文给出 Mistral Large 3 的 MoE 规模与 LMArena 排名，以及 Ministral 3 端侧尺寸，可作为开源权重模型横向对比的坐标。
Mistral AI精选AI 评分7272 Mistral AI 联合 All Hands AI 发布开源编码智能体大模型 Devstral
Mistral AI 与 All Hands AI 联合发布面向软件工程任务的智能体大模型 Devstral，并以 Apache 2.0 协议开源。
推荐理由：原文给出 Devstral 在 SWE-Bench Verified 上 46.8% 的成绩以及和闭源模型的对比数据，读者可据此判断它在编码任务中的实际可用程度。
Mistral AI精选AI 评分6464 Mistral 发布 Mistral Small 3.1 开源模型，支持 128k 上下文与多模态
Mistral 发布 Mistral Small 3.1，文本与多模态基准超过 Gemma 3 和 GPT-4o Mini，推理速度 150 tokens/s，上下文扩展至 128k tokens。
推荐理由：以 Apache 2.0 开放权重并附对照 Gemma 3、GPT-4o Mini 的基准数字，128k 上下文与多模态能力使其适合低成本本地运行。