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 上推理最高提速 4 倍。该模型为 26B MoE 架构，推理时仅激活 3.8B 参数，量化后可放入 18GB 显存，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 26B MoE 文本扩散模型的开放权重与硬件实测数据，可据此判断本地低并发推理的取舍。
Hugging Face 介绍如何把 GitHub Actions 的 CI 任务迁移到 Hugging Face Jobs 上运行：保留 GitHub Actions 调度。
推荐理由：给出把 GitHub Actions 任务改跑在 Hugging Face Jobs 上的完整步骤与 Trackio 实测数据，可迁移到需要 GPU 的 CI 场景。
H Company 发布 Holo3.1 系列 Computer Use Agent 模型，基于 Qwen 家族，覆盖 0.8B、4B、9B 和 35B-A3B 四种规模，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重。
推荐理由：原文给出 Holo3.1 在移动端、跨框架和本地量化部署上的具体提升，读者可据此判断端侧 Computer Use Agent 的落地条件。
Hugging Face 博客指出，企业级 AI 规模化落地的关键不在 LLM 本身，而在"agent logic"——即运行于 agent 层、可引导 LLM 聚焦企业工作流的软件原语，如知识图谱、算法与程序分析库。
Hugging Face 发布 PyTorch 性能分析系列教程第一篇，介绍如何用 torch.profiler 分析矩阵乘法与加法操作。教程基于 PyTorch 2.13 和 NVIDIA A100-SXM4-80GB，讲解 profiler 表格与 trace 的读法，以及从 Python 调用到 CUDA kernel 的完整链路，并演示加上 torch.compile 后的变化。
Hugging Face 让 Reachy Mini 机器人实现完全本地语音对话，无需云端和 API key。
Hugging Face 在 TRL 中落地增量权重同步（Delta Weight Sync）：只把 RL 优化器步之间真正变化的 bf16 权重编码成稀疏 safetensors 文件，上传到 Hugging Face Bucket，再由 vLLM 拉取应用。
推荐理由：TRL 把稀疏增量权重同步做成了可 pip 安装的开源实现，读者可据此判断跨机房异步 RL 训练的成本门槛。
PaddleOCR 3.5 发布，支持通过设置 engine="transformers" 将 Hugging Face Transformers 作为推理后端运行 PP-OCRv5 和 PaddleOCR-VL 1.5 等模型。
Hugging Face 发文讲解如何在连续批处理中实现异步批处理，通过 CUDA stream 将 CPU 批次准备与 GPU 计算解耦并行，消除两者轮流等待的空闲间隙。
AWS 发布系列文章，解析其基础设施如何与开源软件栈配合支撑基础模型全生命周期。文章指出扩展已从单一预训练曲线演变为预训练、后训练与测试时计算三条路径，并梳理了 Slurm、Kubernetes、PyTorch、JAX、Prometheus、Grafana 等 OSS 工具的分层架构。
PipelineRL 在 vLLM V0 到 V1 迁移中通过修复四项问题让 V1 与 V0 参考轨迹对齐：改用 processed_logprobs、显式设置 V1 运行时默认值、调整 inflight 权重更新路径，以及最终投影使用 fp32 lm_head。
IBM Granite 团队发布 Granite 4.1 系列稠密解码器 LLM（3B、8B、30B），基于约 15T token 的五阶段预训练流程，上下文窗口最长扩展至 512K token，并以 Apache 2.0 许可开源。
推荐理由：Granite 4.1 完整披露五阶段预训练、SFT 与多阶段 RL 的数据配比和训练配置，可对照其 8B 稠密模型追平 32B MoE 的结论。
DeepInfra 正式加入 Hugging Face Hub 的 Inference Provider 生态，首批支持对话与文本生成任务，可调用 DeepSeek V4、Kimi-K2.6、GLM-5.1 等开放权重 LLM。
OpenAI 本周在 Hugging Face Hub 发布开源 PII 检测器 Privacy Filter，可在单次 128k 上下文前向传播中标注八类个人信息，模型为 1.5B 参数、50M 激活参数，Apache 2.0 许可，在 PII-Masking-300k 基准上达到 SOTA。
推荐理由：文章给出三个基于 Privacy Filter 的可运行应用与 gradio.Server 前后端分工模式，可迁移到其他模型部署场景。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为异步通信的计算孤岛，降低带宽需求并隔离硬件故障。该系统在四个美国区域用 2-5 Gbps 广域网络训练了 120 亿参数模型，速度比传统同步方法快 20 倍以上，并支持 TPU v6e 与 TPU v5p 等不同代际硬件混用。
推荐理由：原文给出分布式训练在带宽、故障隔离和跨代硬件混用上的实测数据，可据此判断大规模预训练基础设施的演进方向。
Safetensors 已加入 PyTorch 基金会，成为 Linux 基金会旗下托管项目，与 DeepSpeed、Helion、Ray、vLLM 和 PyTorch 并列。
Hugging Face 发布 gradio.Server，它扩展 FastAPI，让开发者用 React、Svelte 或纯 HTML/JS 等任意前端框架，同时复用 Gradio 的排队、并发控制、SSE 流式、MCP 支持和 Spaces 上的 ZeroGPU。
推荐理由：原文给出 gradio.Server 的完整后端示例，读者可据此判断自带前端与 Gradio 队列、ZeroGPU 如何配合。
Gradio 6 的 gr.HTML 现已支持自定义模板、作用域 CSS 和 JavaScript 交互，可让 LLM 一次性生成前端、后端和状态管理，全部写在一个 Python 文件里。
推荐理由：原文用单文件示例展示 gr.HTML 的模板与状态同步机制，读者可据此判断自定义组件能否替代前端构建流程。
Hugging Face 发布 Transformers.js v4，已上线 NPM，可通过 npm i @huggingface/transformers 安装。
推荐理由：Transformers.js v4 换用 C++ 重写的 WebGPU 运行时，并给出 BERT 嵌入约 4 倍加速等具体数据，可据此判断浏览器端推理的性能变化。
Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），用单一编码器-解码器 Transformer 统一动态场景重建与追踪，通过查询机制回答某个像素在任意时间、任意相机视角下位于 3D 空间的何处。
推荐理由：官方给出 D4RT 的统一查询式架构与 18x 至 300x 提速数据，可据此判断 4D 重建在机器人与 AR 端侧落地的可行性。
Google DeepMind 宣布深化与英国政府合作，向英国科学家优先开放 AlphaEvolve、AlphaGenome、AI co-scientist 和 WeatherNext 等 AI for Science 模型，并计划 2026 年在英国建立其首个自动化科学实验室，专注材料科学研究。
Hugging Face 在 PyCharm 中推出集成功能，开发者可在代码中右键选择 "Insert HF Model"，按 image-text-to-text 等任务类型挑选模型（如 microsoft/Phi-3.5-vision-instruct），并直接粘贴 Model Card 中的示例代码运行。