#Hugging Face
AWS 把 SageMaker HyperPod 的推理能力补全了，能抓数据做审计、直接从 Hugging Face 拉模型、用 NVMe 加速启动，还有自定义域名和细粒度权限，搞企业部署可以看看。
vLLM和Hugging Face搞了个大活：Transformers v0.25.0直接兼容vLLM，450多个模型自动加速，不用自己写适配代码了，开箱即用！
Hugging Face 这个 tau 项目很轻量，跟着教程自己写个 coding agent，比看那些复杂框架好懂多了。
LingBot-Video 刚上 Hugging Face，30B 参数但推理只激活 3B，还加了 7 万小时具身数据，适合做机器人视觉。
LingBot-World 2.0 能生成一小时长、720p/60fps 的交互世界，Agent 驱动事件变化，像游戏一样可玩。
Hugging Face 和 SkyPilot 合作让你换 GPU 不再被存储绑定，按性能性价比选就行，告别云锁定。
英伟达和 Hugging Face 把机器人基础模型和远程操作框架接入了开源库 LeRobot，还计划加入 Cosmos 3，海量数据集也能直接用。
Hugging Face 晒出 Xet 存储数据量，说明 AI 开发者对数据的需求爆炸式增长，同时深入解释了为什么互联网数据快不够用了。
Thom Wolf做了个好玩项目：把一群AI代理协作写维基的过程变成像素风小镇，看它们进咖啡馆、上法院，超有趣。想了解RL训练LLM的协作方式？点进去看。
GLM-5.2 现在可以直接在 Claude Code 里选了，不用折腾部署，开源模型也能用上大厂一样的开发流程。
Hugging Face 老大喊出了“开源 AI 的夏天”，这不是什么神秘口号，而是对行业风向的预判，值得关注。
Hugging Face 现在让你看到每个编码智能体用了多少 Hub 流量，每月更新。想了解哪些 agents 在大量调用模型和资源？这个数据很有用。
中国初创搞的世界模型火了，能反复推演不同情境，Hugging Face上热度第一，周鸿祎和陆奇都投了，做推理模型的朋友可以看看。
Hugging Face 上悄悄放了 80TB 天文数据，用你笔记本就能跑 SDSS 和 Gaia 交叉匹配。搞 AI for Science 的话别错过，比想象中好上手。
NVIDIA 发布了 TAO 7，你只需用大白话告诉编码代理要啥，它就能自己调模型，比手动调参快两倍，还能本地跑 Hugging Face 模型。
Hugging Face CEO说开源路由系统可能是未来多模型生态的关键，能让你用便宜开源模型替代昂贵的单一模型，值得关注。
你可以根据自己电脑配置在Hugging Face上筛选能跑的模型，省下API钱，还能自己掌控模型，很实用。
Coinbase创始人Brian Armstrong分享了一套实际操作方案：用更便宜的默认模型、优化缓存和路由，能把AI成本砍半。开源模型GLM 5.2和Kimi 2.7是主角，缓存命中率从5%跳到60%。
想自己动手做代码智能体微调数据？这教程手把手教你解析NVIDIA开源的Open-SWE-Traces，连Token预算和工具使用指标都算好了。
NVIDIA 把智谱的 GLM-5.2 量化成 NVFP4 精度，放 Hugging Face 上免费调，还能白嫖，日常推理够用了。
PaddleOCR的PP-OCRv6上HF了，支持transformers和ONNX Runtime双后端，切换框架不用改代码，超实用。
阿里千问发布的这个Qwen-AgentWorld模型，能模拟智能体在七个领域的交互环境，还能当环境模拟器或智能体基础模型，挺有意思的。
Hugging Face 悄悄把存储和流式传输做到极致，机器人数据从1千到6万，GPU跑满1326 MB/s，不闲置了。