Hugging Face 提出 Quantization-Aware Healing：4-bit 压缩模型在 9 项评测中 7 项超越全精度原版
Hugging Face 论文提出 Quantization-Aware Healing（QAH）：将 GPT-OSS 120B 结构压缩至 60B 参数并量化到 MXFP4 后。
#部署/工程
#部署/工程
今日 0 条Hugging Face BlogAI 评分4242 Hugging Face Blog精选AI 评分6565 Gradio 新增 gr.Workflow，将 AI 流水线变成可视化画布并一键部署到 Spaces
Gradio 内置 gr.Workflow，可将多步骤 AI 流水线描述为带类型的节点图，并自动生成拖拽式画布、REST API 与一键部署到 Hugging Face Spaces。
推荐理由：原文把流水线抽象为带类型的节点图，对比当前 print 调试写法，可看到同一份图同时覆盖画布、REST API 与 Spaces 一键发布。
Mistral AIAI 评分4444 Mistral 与 HUMAIN 宣布战略合作，推进沙特及中东主权 AI
Mistral 与 HUMAIN 宣布战略合作，覆盖 AI 基础设施、先进模型开发及沙特与区域内 AI 解决方案部署，规模达数亿欧元。初始重点为网络安全与语音，双方还计划开发在阿拉伯语上表现强劲的前沿模型，Mistral 将探索使用 HUMAIN 的数据中心基础设施。双方还计划在沙特推出联合 go-to-market 策略，面向受监管行业。
Import AIAI 评分4242 Import AI 470：机器不应享有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
Import AI 470 收录 METR 的 AI 加速科学发现分析，以及 SPADE 和 Hawkeye 两项工作。METR 发现 AI 对网络安全漏洞发现的加速最明显，数学研究仅小幅加速，AI 研究本身几乎测不到加速。SPADE 让 LLM 自博弈生成可执行训练环境，在 Qwen3-30B-A3B-Instruct-2507 上把游戏环境套件平均分提到 58.3，较基线高 8.1。
Hugging Face BlogAI 评分5151 Papers with Code 搜索系统如何借助 Hugging Face 端点、Jobs 和 Buckets 实现混合检索
Hugging Face 博客详解 Papers with Code 搜索系统的混合检索架构：Jobs 跑离线批量嵌入、Inference Endpoint 处理在线查询、Storage Bucket 衔接计算与生产，再由 PostgreSQL 全文检索与 pgvector 通过 RRF 融合结果。
Hugging Face BlogAI 评分3535 Hugging Face 约束感知 GPU 调度器：同一集群多挤出 33 个百分点利用率，关键在调度顺序
Hugging Face 提出一套约束感知 GPU 调度器，在七组基准上与 FIFO 调度器对比，在相同硬件与负载下将 GPU 利用率最多提升 33 个百分点（52–85% 升至 72–88%），优先级加权产出在全部场景中上升 24.6%–105.1%。
Mistral AIAI 评分5353 Mistral 上线区域推理端点与优先级服务层，平台将接入 GLM-5.2
Mistral 宣布区域推理端点正式可用、优先级服务层进入公测，并将平台开放给第三方开源模型，首个接入的是 Z.ai 的 GLM-5.2。区域端点让客户选择推理在欧洲还是美国运行并保持数据驻留，优先级服务层提供定制速率限制并配有可用性 SLA。Mistral 还联合一批企业以多年期承诺形成欧洲算力单位（ECU），目标到 2030 年建成最高 1 GW 容量。
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 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 BlogAI 评分3535 GPU 管理分析：为什么闲置 GPU 成了 AI 算力的新瓶颈
GPU 利用率正取代模型能力，成为 AI 基础设施的下一个硬约束。文章以航空业飞机利用率作类比：GPU 成本按日历小时累计（折旧、能耗、散热），产出却只按算力小时计算；集群 GPU 即便在跑，大部分仍处于闲置浪费状态。企业从 API 转向自建集群只是把可变成本换成固定资本支出，真正的问题变成集群上线后能否让硬件持续满载运行。
Berkeley AI ResearchAI 评分4444 从 CUDA 到 MLX：K-Search 如何把数十年 kernel 经验带到 Apple Silicon
UC Berkeley Sky Lab 为 K-Search 内核搜索框架加入 MLX 后端，用结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 迁移到 Apple Silicon。
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 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。
Mistral AIAI 评分4444 Mistral Studio 为 Prompts 和 Skills 推出 system of record 管理能力
Mistral Studio 为 Prompts 和 Skills 推出 system of record 管理能力，支持不可变版本、回滚、分类标签与审计日志，每项资产有明确负责人。
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。
Berkeley AI ResearchAI 评分4343 智能免费之后：UC Berkeley 谈「为智能体、运行智能体、由智能体构建」的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人发布观点文章，提出推理成本趋近于零后，数据系统需围绕「为智能体、运行智能体、由智能体构建」三个方向重新设计。
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。
Import AIAI 评分3737 Import AI 463 期：NVIDIA ENPIRE 让机器人策略实现自我改进；及一篇反思人类预测技术局限的文章
NVIDIA 研究者推出 ENPIRE 框架，让编码智能体通过自动评估与重置机制自主改进物理机器人策略。该系统在 PushT、整理针盒、剪扎带等灵巧操作任务上达到 99% 成功率，其中 GPT-5.5（Codex）与 Opus 4.7（Claude Code）表现相当，Kimi-2.6 落后。Matthew Tokson 在 SSRN 论文中指出，人类既一贯低估技术突破，又常误判其社会影响。
Google ResearchAI 评分5757 Google 用 Multi-Token Prediction 加速 Pixel 上的 Gemini Nano 推理
Google Research 宣布在 Pixel 9 和 10 系列上为冻结的 Gemini Nano v3 模型附加 MTP 头，在不重训骨干的前提下获得 50% 以上的端侧推理加速。
Google ResearchAI 评分3838 Google Research 用线性弹性缓存优化云端缓存经济性
Google Research 在 CIDR 发表论文提出 linear elastic caching，将页面逐出问题建模为 ski rental 问题，借助浅层决策树为每个页面预测最优 TTL。
Mistral AIAI 评分4242 Mistral 在 AI Now Summit 2026 发布工业 AI 栈与升级版 Vibe 智能体
Mistral 在 AI Now Summit 2026 上推出 Mistral for Industrial Engineering 工业 AI 栈，已与 Airbus、BMW、ASML 在航空航天、汽车、半导体领域展开合作。智能体 Vibe 升级为长任务统一代理，可处理编码、深度研究与日程编排等多步工作；法国 Les Ulis 新建 10 MW 推理数据中心计划 2026 年 Q3 投产。
Mistral AIAI 评分5858 Mistral AI 公测 Workflows 企业 AI 编排层
Mistral AI 在 Studio 中公测 Workflows，把持久执行、可观测性、人工审批和容错整合为单一编排层。底层基于 Temporal 持久执行引擎并扩展了流式、多租户等 AI 能力，控制面由 Mistral 托管，worker 通过 Helm chart 部署在企业自有 Kubernetes。
Google DeepMindAI 评分5252 Google DeepMind 提出 Decoupled DiLoCo，支持跨数据中心训练 LLM
Google DeepMind 发布论文提出 Decoupled DiLoCo，一种把训练拆分为解耦计算岛屿、岛屿间以异步数据流通信的分布式架构，可在跨数据中心的条件下训练 LLM，带宽需求更低且硬件容错性更强。
Google DeepMindAI 评分3939 Google DeepMind 携手 Accenture、Bain & Company、BCG、Deloitte、McKinsey 加速企业 AI 转型
Google DeepMind 与 Accenture、Bain、BCG、Deloitte、McKinsey 合作，加速企业 AI 与智能体转型。三大支柱为：面向金融、制造、零售、媒体娱乐等行业共建规模化 AI 方案，伙伴可提前使用 Gemini 系列前沿模型，DeepMind 领导层对接客户 CEO 与董事会。
Mistral AIAI 评分4747 Spaces：Mistral AI 为人类开发者与 AI 智能体设计的 CLI
Mistral AI 团队设计的内部 CLI 工具 Spaces 支持项目脚手架、开发环境启动与 staging 部署。团队在实践中发现 AI 智能体无法解析交互式提示中的 ANSI 转义码，因此为每个交互问题都设置对应的 flag 输入选项；结合插件化架构与自动生成的 context.json 和 AGENTS.md，AI 智能体可基于结构化数据自主完成从配置到部署的全流程。
Google ResearchAI 评分4747 TurboQuant：通过极致压缩重塑 AI 效率
Google Research 发布向量压缩算法 TurboQuant，称可在零精度损失下实现 KV cache 与向量搜索的极致压缩。该方法由 PolarQuant 与 QJL 两步组成，将于 ICLR 2026 公布。测试覆盖 LongBench、Needle In A Haystack、RULER 等长上下文基准，基于 Gemma 和 Mistral 等开源 LLM 验证。
Google Research精选AI 评分6060 Google 与 NHS 合作在 Nature Cancer 发表两项研究，评估 AI 辅助乳腺癌筛查效果
Google Research 与英国 NHS 合作在 Nature Cancer 发表两项配套研究，评估 AI 系统用于乳腺癌筛查的表现。
推荐理由：原文给出大规模前瞻部署的检出率与阅片量数据，并对比双读流程的效率变化，可作为评估 AI 辅助医学影像筛查能否落地的量化参考。
Mistral AIAI 评分4343 Mistral AI 推出 Forge：面向企业的专有知识模型定制平台
Mistral AI 发布企业级模型定制平台 Forge，允许企业基于内部文档、代码库和运营数据训练专属 AI 模型，覆盖预训练、后训练与强化学习全流程，并支持 dense 与 MoE 架构及多模态输入。
Mistral AIAI 评分5353 Mistral AI 工程师深挖 vLLM 内存泄漏，根因指向 UCX 的 mmap 钩子机制
Mistral AI 团队在 Mistral Medium 3.1 的 Prefill/Decode 分离推理部署中发现 vLLM 存在约每分钟 400 MB 的内存泄漏，经 Heaptrack、pmap、BPFtrace 和 GDB 自动化断点逐层排查，最终定位到 UCX 通过 GOT 改写拦截所有 mmap 调用导致 RSS 持续增长。
Mistral AI精选AI 评分7373 Mistral 发布 Devstral 2 与 Small 2 开源编程模型，同步推出 Mistral Vibe CLI
Mistral 发布 Devstral 2（123B）与 Devstral Small 2（24B）两款开源编程模型，同步推出 Mistral Vibe CLI 命令行代理。
推荐理由：Devstral 2 在 SWE-bench Verified 上取得 72.2%，并给出相对 Claude Sonnet 的 7 倍成本效率数据。
Mistral AIAI 评分3939 Mistral AI 发布企业级 AI 生产平台 Mistral AI Studio
Mistral AI 发布面向企业团队的生产级 AI 平台 Mistral AI Studio，整合可观测性（Observability）、Agent Runtime 与 AI Registry 三大模块，覆盖 prompts、模型、数据集与 judges 的版本管理与溯源。
Mistral AIAI 评分5353 Mistral AI 发布全栈 AI 基础设施 Mistral Compute
Mistral AI 推出全栈 AI 基础设施产品 Mistral Compute，提供从裸金属服务器到全托管 PaaS 的私有集成栈，涵盖 GPU、编排、API 与服务。
Mistral AIAI 评分4343 Mistral 发布 AI 编码助手 Mistral Code，开启私有 beta
Mistral 推出面向企业的 AI 编码助手 Mistral Code，整合 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四款模型，支持云端、专属容量及本地 GPU 部署，并允许客户在私有代码库上微调或蒸馏轻量模型。
Mistral AI精选AI 评分6262 Mistral AI 发布 Mistral Medium 3，主打企业级性能与成本效率
Mistral AI 发布 Mistral Medium 3，定位中型尺寸企业模型，定价 $0.4 输入 / $2 输出每 M token，在多项基准上达到或超过 Claude Sonnet 3.7 的 90%，并超越 Llama 4 Maverick 与 Cohere Command A，成本也低于 DeepSeek v3。
推荐理由：原文同时给出相对 Claude Sonnet 3.7、Llama 4 Maverick 的性能对照与 $0.4 / $2 每 M token 的价格，可作为中型模型选型的成本与性能参考。