#Hugging Face

基于 NVIDIA Nemotron 开源模型构建万圣节互动鬼屋智能体

NVIDIA 员工利用 Nemotron Voice Agent 框架及系列开源模型制作了万圣节交互投影装置 MonsterHouse。

Mistral Large 4 多模态模型上线 Hugging Face

Mistral 推出多模态 MoE 模型 Mistral Large 4（代号 Le Chonk），总参数量约 1T、激活参数 49B，具备 1M token 上下文窗口并同步上线 Hugging Face。

同一件事，精选收录的是《Mistral AI 开源 1 万亿参数多模态模型 Mistral Large 4 权重》

Hugging Face 联合多所大学发起 Project ProtoStar 倡议，推动公共科研成果 AI 化共享

Hugging Face 联合卡耐基梅隆大学、普渡大学等多所高校及开源组织发起 Project ProtoStar 倡议，旨在推动受公共资助的科学数据集、模型和代码以适配 AI 的机器可读取格式共享与复用。

Hugging Face 发布 AnySpeechRecognizer 与 AnyDecisionModel 两款苹果平台开源 Swift 库

Hugging Face 推出 AnySpeechRecognizer 与 AnyDecisionModel 两款开源 Swift 软件包，支持在苹果平台上本地下载并运行开源语音与决策模型。

NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线

NVIDIA 开源语音模型 Nemotron 3.5 Transcribe 及配套数据管线 Granary v2。该模型将多语言转写、说话人日志、翻译与音频问答整合入单一检查点，总参数量 30B 且每 token 仅激活约 4B，支持 40 种语言转写和最多 8 位说话人区分。

Liquid AI 发布 LFM3 系列多模态模型

Liquid AI 推出新一代 Liquid Foundation Models（LFM3）系列开源权重，基于 LFM3-1.7B-Base 统一底座衍生出覆盖文本、视觉、音频、全模态和决策任务的 6 款 2B 级模型。

Hugging Face 上线 torch-neuronx 模型支持查询 Space，可查模型能否在 AWS Trainium 上运行

Hugging Face 推出 torch-neuronx 模型支持 Space，可查询 Hub 上热门模型能否不经修改在 AWS Trainium 上运行，并附带可直接执行的 run.py 脚本。

ThinkingBox 把数据库终态校验变成 RL 奖励训练 Agent

微软与 Hugging Face 发布 ThinkingBox-Training，把数据库终态的可执行校验结果当作强化学习奖励，对 Qwen3.8-27B 做 50 步 GRPO 后，pass@1 从 51.70% 升至 60.78%，20 次全部正确的任务从 38 个增至 107 个。

IBM Granite 时序模型集成预测方案介绍

IBM 在 Hugging Face 发布 Granite Timeseries Ensemble 预测方案，把四个互补的 Granite 时序模型组合成一个默认可用的集成接口，无需重训、也不拟合集成权重。

如何通过专化 SLM 词表将实际应用中的推理成本降低 77%

基于 Qwen3-4B 的葡萄牙语作文评分系统通过 VocabX 重建词表，在基座模型、数据和训练配方不变的情况下，实测推理成本降低 77%。该系统的输出层矩阵从约 15.2 万行缩减至约 6.5 万行，因为解码阶段每个生成 token 都要读取整个 LM head 矩阵，且生成一个 token 的成本是读取一个 token 的 7.4 倍。

TorchNeuron 性能剖析（第一部分）：在 AWS Trainium 上做系统级性能分析

Hugging Face 博客发布 TorchNeuron 性能剖析系列第一部分，讲解如何在 AWS Trainium 上用 torch.profiler 配合 Neuron 后端捕获干净的性能 trace。

IBM 发布 Granite Speech 5.0 系列三款语音模型

IBM 更新 Granite Speech 系列三款模型，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。