Sentence Transformers 教程：用 MultiVectorEncoder 训练与微调多向量嵌入模型
Hugging Face 发布 Sentence Transformers v6.0 教程，介绍第四种模型类型 MultiVectorEncoder 的完整训练方法，支持 ColBERT 风格的 late interaction 检索微调与从零训练。
推荐理由：作者用实测对比给出多向量模型微调的完整配方，包括起点选择、损失函数和索引压缩的量化取舍。
开源生态
全部主题开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
75条精选相关主题模型发布Hugging FaceAI 编码
最新精选
第 41–60 条 · 共 75 条Hugging Face Blog精选AI 评分7474 LMSYS Blog精选AI 评分7272 SGLang 为 Qwen3.8-Flash-Next 提供 Day-0 支持
SGLang 团队与 Qwen、NVIDIA、AMD 合作，为 Qwen 团队开源的多模态 MoE 模型 Qwen3.8-Flash-Next 提供 day-0 支持。
推荐理由：原文详解了 SGLang 对 Qwen3.8-Flash-Next 的 day-0 支持与架构实现细节，含量化检查点和实测吞吐数据，对部署选型有参考价值。
Hugging Face Blog精选AI 评分6363 IBM 发布 Granite 4.2 推理模型家族并详解构建过程
IBM 发布 Granite 4.2 密集 decoder-only 推理模型家族，含 3B、8B、30B 三个规格，基于 Granite-4.1 基座（约 15T tokens 预训练，上下文窗口扩至 512K），经 SFT 与多阶段 GRPO 强化学习训练，全部以 Apache 2.0 许可开源。
推荐理由：IBM 官方详解 Granite 4.2 训练全程，从五阶段预训练到多阶段 RL 课程，可复用的训练细节较完整。
Hugging Face Blog精选AI 评分6969 Gradio 推出 gr.Workflow：把 AI 管线变成可拖拽、可部署的节点图
Hugging Face 在 Gradio 中内置 gr.Workflow，将 AI 应用管线描述为带类型的节点图，在同一画布上提供可运行节点、可视化中间结果、REST API 和一键部署到 Hugging Face Spaces。
推荐理由：官方介绍了 gr.Workflow 的节点图机制和多条可复制的示例工作流，读者可以据此评估它能否替代手工拼装 Python 管线。
@thexpin@thexpin精选AI 评分6868 推荐理由：原文交代了 GLM-5.3 的能力侧重、基准分数和开放节奏，读者可以据此判断其在开源与闭源模型中的位置。
LMSYS Blog精选AI 评分7070 LMSYS 发布 Miles v0.1：面向生产级 RL 后训练的全栈系统
LMSYS 与生态伙伴发布 Miles v0.1，一个基于 slime 设计的全栈生产级后训练系统，目标是让前沿规模 RL 训练更易用。
推荐理由：官方完整走读 Miles 的 RL 训练环路与关键数字，读者可据此评估它是否适合承担自己的前沿规模后训练任务。
Nathan Lambert: Interconnects精选AI 评分7171 Nathan Lambert 解析 GLM-5.3 为何能紧跟前沿
Z.ai 发布 GLM-5.3，目前仅在 coding plan 提供，两周内将开放权重到 Hugging Face。作者认为其与 GLM-5.2 同底座、靠大幅扩展后训练提升成绩，在部分智能体编码基准上超越 Kimi K3 甚至个别超越 Claude Fable 5 或 GPT-5.6-Sol，参数约 750B。
推荐理由：作者给出了对 GLM-5.3 成绩来源的解释框架，包括发布节奏、后训练策略和 RL 数据产业等背景，可用于理解中美前沿模型竞争的成因。
DeepSeek@deepseek_ai精选AI 评分6868DeepSeek 发布 DeepSeek Harness v0.1 开发者预览，面向全球构建 agent harness 的开发者开放，代码库以 MIT 许可证开源。
推荐理由：官方开放了开发者预览并说明一切皆插件的架构设计，开发者可以据此评估是否用它搭建智能体。
LMSYS Blog精选AI 评分6565 SGLang 与 Miles 为 Qwen3.8-2.4T-A95B 提供 Day-0 支持
SGLang 与 Miles 宣布 Day-0 支持 Qwen3.8-2.4T-A95B，这是千问最大的开源模型，总参数 2.4T、每 token 激活 95B，采用 69 层 GDN 线性注意力与 23 层 GQA 全注意力 3:1 交错的混合架构，MoE 含 512 专家 top-10 路由。
推荐理由：SGLang 团队详解 Qwen3.8 混合注意力架构的推理支持方案，给出内核优化、并行布局与实测吞吐数字，可作部署参考。
Hugging Face Blog精选AI 评分8181 Meta 发布开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 发布从 Muse 蒸馏而来的 30B 多模态模型 Muse Glimmer，采用 Apache 2.0 许可，面向本地隐私场景的智能体用途。模型由 2B ViT 视觉编码器和 28B 文本解码器组成，支持图像、视频、多模态工具调用和目标检测，并附带基于 DFlash 的可选投机解码。
推荐理由：原文给出架构组成、基准对比和各推理框架的 day-0 用法，读者可以据此评估本地部署的可行路径。
Mistral AI精选AI 评分6464 Mistral AI 开源 3B 多模态安全分类器 Shieldstral
Mistral AI 发布开源多模态安全分类器 Shieldstral，权重 3B，采用 Apache 2.0 协议。模型将内容审核改写为推理时的问答任务，用户用自然语言给出政策，无需重训即可适配文本、图像和 prompt–response 对的审核。
推荐理由：原文解释了用问答式策略接口替代固定分类体系的设计思路，并给出训练数据构建方法，读者可以借鉴其小模型超越大模型的数据策略。
Microsoft Research精选AI 评分6969 Microsoft Research 发布开源智能体框架 Orchard
Microsoft Research 发布开源智能体框架 Orchard，核心是可复用的 Kubernetes 环境服务 Orchard Env，支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 内直接训练智能体。
推荐理由：原文给出框架设计、训练配方和多项基准数字，读者可以据此评估开放环境层对降低 Agent 研究成本的作用。
Hugging Face Blog精选AI 评分8181 Hugging Face 发布 Thinking Machines 多模态开源模型 Inkling 使用指南并推出 Inkling-Small
Thinking Machines 的开源多模态模型 Inkling 上线 Hugging Face，总参数 975B（激活 41B），原生接收图像、文本和音频输入，支持 1M 上下文和 1M token 训练语料中的 45 万亿 token 多模态训练，同日推出 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：官方详细拆解了 Inkling 的 MoE、相对注意力等架构设计，并给出从 2TB BF16 到 1-bit GGUF 的多档部署路径，方便按硬件选型。
LMSYS Blog精选AI 评分7575 SGLang 与 Miles 为 Thinking Machines Lab 975B 多模态模型 Inkling 提供 Day-0 支持
SGLang 与 Miles 团队同 Thinking Machines Lab 合作，为 975B 参数、上下文最长 1M tokens 的多模态模型 Inkling 提供 Day-0 支持。
推荐理由：原文给出 Inkling 架构细节、SGLang 各项优化后的具体吞吐数字，以及 Miles 侧完整 RL 训练方案，工程参考价值具体。
Hugging Face Blog精选AI 评分6161 LeRobot v0.6.0 发布：世界模型策略、奖励模型 API 与六大仿真基准
Hugging Face LeRobot 团队发布 v0.6.0，引入 VLA-JEPA、LingBot-VA、FastWAM 三个世界模型策略，新增 GR00T N1.7、MolmoAct2、EO-1 等 VLA，以及 Robometer、TOPReward 奖励模型和统一奖励 API。
推荐理由：官方完整发布说明覆盖世界模型策略、奖励模型、基准与部署 CLI，读者可据此评估是否升级自己的机器人训练工作流。
Mistral AI精选AI 评分6464 Mistral 发布 Leanstral 1.5：6B 激活参数的开源形式化证明模型
Mistral 发布 Apache-2.0 开源的 Leanstral 1.5，总参数 119B、激活 6B，专注 Lean 4 形式化证明。模型饱和 miniF2F（验证与测试集均 100%），在 PutnamBench 解出 587/672 题，FATE-H 87%、FATE-X 34% 达到 SOTA，单题成本约 $4。
推荐理由：官方给出完整基准数据和训练细节，还展示了在 57 个真实仓库中发现 5 个未知 bug 的案例，可了解形式化验证的实际落地。
OpenRouter Announcements精选AI 评分7676 OpenRouter 评出 2026 年 6 月最值得关注的四款开放权重模型
OpenRouter 认为 2026 年 6 月最值得关注的四款开放权重模型是 DeepSeek V4 Flash、GLM 5.2、MiniMax M3 和 NVIDIA Nemotron 3 Ultra，并指出开放权重模型与美国前沿实验室的能力差距已连续 18 个月保持在 3-6 个月且未在扩大。
推荐理由：OpenRouter 用自家价格与吞吐数据逐一点评四款开放权重模型的适用场景，读者可以按成本、质量和模态对号入座选型。
Nathan Lambert: Interconnects精选AI 评分8282 Nathan Lambert：GLM-5.2 是开源智能体模型的台阶式跃迁
Nathan Lambert 撰文认为 Z.ai 于 6 月 13 日向 GLM Coding Plan 用户推出、6 月 16 日以 MIT 许可开源的 GLM-5.2，是首个在编码智能体场景中真正好用的开源权重模型，社区评测显示其在 Arena 智能体榜单上是唯一能与 OpenAI 和 Anthropic 最新模型抗衡的开源模型。
推荐理由：作者以亲测和社区评测为依据，把 GLM-5.2 与 DeepSeek R1 时刻类比，并展开开源与闭源差距及监管风险的独特分析。
Mistral AI精选AI 评分6262 Mistral AI 发布开源搜索框架 Search Toolkit 公测版
Mistral AI 发布 Search Toolkit 公测版，一个用于构建 AI 应用生产级搜索管道的开源可组合框架，统一了此前分散的数据摄取、检索与评估三个环节。
推荐理由：官方发布开源搜索框架，把 ingestion、检索和评估整合为统一接口，适合评估它能否减少 RAG 基础设施维护成本。
Mistral AI精选AI 评分6969 Mistral 发布 Mistral Medium 3.5 并在 Vibe 和 Le Chat 推出云端远程智能体
Mistral 发布 Mistral Medium 3.5，一个 128B 稠密开源权重模型（modified MIT 许可），256k 上下文窗口，SWE-Bench Verified 得分 77.6%，τ³-Telecom 得分 91.4，自托管最少只需四块 GPU，API 定价每百万输入 token $1.5、输出 token $7.5。
推荐理由：官方同步发布模型与云端异步智能体，给出基准分数、定价和开源权重，可对照评估其编码与长程任务能力。