Hugging Face

PaddleOCR 发布 PP-OCRv6，支持 50 种语言、参数覆盖 1.5M 到 34.5M

PaddleOCR 发布 PP-OCRv6 通用 OCR 模型家族，提供 tiny、small、medium 三档，参数从 1.5M 到 34.5M，其中 medium 在官方多场景基准上达到 86.2% 检测 Hmean 和 83.2% 识别准确率。

MosaicLeaks 基准提出 PA-DR 训练法，把研究智能体的隐私泄露从 34.0% 降到 9.9%

MosaicLeaks 提出一项深研究任务，用交错公开与私密信息的多跳问题衡量研究智能体外部查询的隐私泄露，并定义意图、答案、全信息三类泄露指标。团队提出的 Privacy-Aware Deep Research（PA-DR）训练法把严格链成功率从 48.7% 提升到 58.7%，同时把答案或全信息泄露从 34.0% 降到 9.9%。

Hugging Face 发布 agent-eval，评测开放模型在自有工具上的智能体表现

Hugging Face 发布开源评测工具 agent-eval，用于衡量开放模型驱动智能体使用某个库完成任务时的过程成本，而不只看最终答案。

AllenAI 发布 MolmoMotion 语言引导的 3D 运动预测模型

AllenAI 发布 MolmoMotion，一个语言引导的 3D 运动预测模型：给定视频帧、物体上的 3D 点和动作指令，预测这些点未来几秒在 3D 空间中的轨迹。

Strands Agents 与 LeRobot 如何从 Hugging Face Hub 部署到机器人硬件

AWS 以 Apache 2.0 开源的 Strands Robots 把 LeRobot 的硬件抽象、仿真和策略推理封装成 AgentTools，让单个 Strands 智能体从 Hugging Face Hub 数据集走到真实机器人。

GLM-5.2 发布，面向长周期任务并支持 1M token 上下文

GLM-5.2 发布，是面向长周期任务的旗舰模型，首次在 1M token 上下文上提供该能力，并采用 MIT 开源协议。相比 GLM-5.1，它在 Terminal-Bench 2.1 上从 63.5 提升到 81.0，在 SWE-bench Pro 上从 58.4 提升到 62.1。

Hugging Face 发布 Agentic Resource Discovery 规范与 Discover Tool

Hugging Face 发布了由 Microsoft、Google、GoDaddy、Hugging Face 等贡献者参与开发的 Agentic Resource Discovery（ARD）草案规范，以及参考实现 Discover Tool，让智能体在运行时用自然语言搜索发现 MCP 工具、Skills 和 A2A 智能体，而不必预先安装。

AllenAI 开源 olmo-eval 模型开发评测工作台

AllenAI 发布 olmo-eval，一个面向模型开发循环的开源评测工作台，在其 OLMES 评测标准基础上扩展。它把任务、套件与 harness 解耦，支持智能体与多轮评测，并可按需选择直接运行或容器沙箱执行，以控制成本。除整体分数外，它还给出标准误和最小可检测效应，并能将两个模型 checkpoint 逐题对齐比较，以区分真实改进与噪声。代码已在 GitHub 开放。

Google DeepMind 发布开源实验模型 DiffusionGemma，文本生成速度最高提升 4 倍

Google DeepMind 发布 Apache 2.0 开源的实验性文本扩散模型 DiffusionGemma，为 26B MoE 架构、推理时激活 3.8B 参数，在专用 GPU 上文本生成最高提速 4 倍，单张 NVIDIA H100 超过 1000 tokens/秒，量化后可放入 18GB 显存。

Google 在 Hugging Face 上开放了 DiffusionGemma-26B-A4B-it 的模型权重下载，模型页面地址为 huggingface.co/google/diffusiongemma-26B-A4B-it。

智能体如何串联两个 Hugging Face Space 搭建 3D 巴黎画廊

一个编码智能体通过读取 Hugging Face Spaces 的 agents.md，串联图像生成 Space ideogram-ai/ideogram4 与单图 3D 重建 Space VAST-AI/TripoSplat，自动搭建出展示巴黎地标 3D Gaussian splat 的静态网站。

如何把 GitHub CI 迁移到 Hugging Face Jobs

Hugging Face 发布教程，介绍如何把 GitHub Actions 的 CI 任务迁移到 Hugging Face Jobs 上运行。作者为 Trackio 搭建的方案只需把 runs-on 改成 hf-jobs-* 标签，CPU CI 耗时从 GitHub 托管的 1m40s 降到 1m10s，GPU 测试在 t4-small 上 45 秒跑完、成本不到 1 美分。

OpenEnv 转为委员会共同治理，成为开源智能体 RL 的互操作层

OpenEnv 宣布由 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk 组成的委员会共同协调，项目地址迁移至 huggingface/OpenEnv。

NVIDIA Nemotron 3.5 ASR 如何微调适配特定语言、领域或口音

NVIDIA 在 Hugging Face 博客给出 Nemotron 3.5 ASR 的微调流程，用约 2000 小时希腊语和保加利亚语数据微调后，在 80ms 流式设置下 WER 分别从 35 降到 24、从 22 降到 15。

Hugging Face 把 hf CLI 重构为面向智能体优化的 Hub 命令行工具

Hugging Face 将官方命令行入口 hf CLI 重构为同时服务人类与编码智能体的工具，agent 模式下自动输出 TSV、不截断数据，并附带可直接执行的下一步命令提示。

谷歌DeepMind开源Gemma 4 12B，16GB内存笔记本可本地跑多模态

谷歌DeepMind发布并开源Gemma 4 12B，这是一个统一、无编码器的多模态模型，只需16GB显存或统一内存即可在消费级笔记本上运行。它在标准评测基准上的成绩接近26B MoE模型，总内存占用不到后者一半，采用Apache 2.0协议，预训练与指令微调权重可从Hugging Face和Kaggle下载。

Google 公布 Gemma 4 模型权重，可在 Kaggle 和 Hugging Face 下载。该模型兼容 llama.cpp、MLX、LM Studio、vLLM、Ollama、Unsloth 和 SGLang，权重集合位于 huggingface.co/collections/google/gemma-4。

H 公司发布 Holo3.1 计算机使用智能体模型，推出本地量化权重

H 公司发布 Holo3.1 计算机使用智能体模型家族，提供 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次推出 FP8、Q4 GGUF 和 NVFP4 量化权重。

NVIDIA 发布 Cosmos 3：首个面向物理 AI 推理与动作的开源全模态模型

NVIDIA 在 Hugging Face 上发布 Cosmos 3，这是一个面向物理 AI 的开源全模态模型。它基于 Mixture-of-Transformers 架构，将世界生成、物理推理与动作生成整合到单一模型中。

PyTorch 性能分析（一）：torch.profiler 入门指南

Hugging Face 博客发布 PyTorch profiling 系列第一篇，以矩阵乘法加加法为例讲解 torch.profiler 的用法。文章说明 profiler 会导出统计表格和 Perfetto 时序 trace 两类产物，并演示如何用 warmup 消除冷启动开销、区分 CPU 与 GPU lane 以及读懂嵌套的调度链，最后附上速查表。