Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 发布一种新架构，将多 Token 预测（MTP）头挂载到已冻结的 Gemini Nano v3 模型上，作为端侧推理的即插即用加速方案，已部署到 Pixel 9 和 10 系列。
推荐理由：Google 把 MTP 头挂到冻结的 Gemini Nano v3 上，读者可了解端侧推理在内存与能耗约束下的具体优化路径。
#部署/工程
#部署/工程
今日 4 条Google Research精选AI 评分6262
Hugging Face Blog精选AI 评分6262 用一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 发布教程，介绍用一条 hf jobs run 命令在 HF 基础设施上启动私有、兼容 OpenAI API 的 vLLM 端点，按秒计费，无需自行配置服务器或 Kubernetes。
推荐理由：原文给出从启动到查询、调试、接入编码智能体的完整命令链路，可直接照做复现。
Google ResearchAI 评分3232 Google 用线性弹性缓存优化云成本：Spanner 内存用量降 15.5%
Google Research 提出线性弹性缓存，把页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小。在 Spanner 生产环境运行数月后，内存用量降低 15.5%，缓存未命中仅增加 5.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。
Hugging Face Blog精选AI 评分6262 NVIDIA NeMo AutoModel 发布，MoE 微调吞吐提升 3.4-3.7 倍
NVIDIA 发布开源库 NeMo AutoModel，构建在 HuggingFace Transformers v5 之上，为 MoE 模型微调带来 3.4-3.7 倍训练吞吐提升和 29-32% 的 GPU 显存下降。
推荐理由：原文给出 NeMo AutoModel 在 MoE 微调上的吞吐与显存对比数据，读者可据此判断是否值得替换现有训练栈。
Mistral AIAI 评分5050 Mistral 为 Connectors 引入管理员控制、API key 作用域与调试器
Mistral 为 Connectors 推出多项新能力：按 workspace 或组织管理连接器访问权限并支持工具级开关，带 connector scope 的 API key 可防止自动化 AI 工作负载中的身份冒用，多账号连接器允许一个连接器绑定多个账号。
Mistral AI精选AI 评分6666 Mistral 发布 OCR 4，支持边界框、块分类与置信度输出
Mistral 发布 OCR 4，在提取文本之外新增边界框、块类型分类和逐页逐词置信度，支持 170 种语言，可单容器自托管部署。官方称独立标注者在 600+ 份文档的盲评中平均 72% 更偏好 OCR 4，并在 OlmOCRBench 上取得 85.20 的最高分。
推荐理由：官方给出 OCR 4 的边界框、块分类与置信度输出，以及自托管和定价细节，便于判断其在 RAG 与智能体流程中的接入方式。
Hugging Face BlogAI 评分3636 Transformers.js 试验跨源存储（Cross-Origin Storage）API
Google Chrome 团队开发者关系工程师 Thomas Steiner 在 Hugging Face 博客展示了 Transformers.js 对跨源存储（Cross-Origin Storage）API 的试验。
Hugging Face Blog精选AI 评分6262 Hugging Face 如何用 AI 与开源工具每周发布 huggingface_hub
Hugging Face 将 huggingface_hub 的发布周期从每 4 到 6 周一次改为每周一次，整套流程由单个 GitHub Actions 工作流驱动，使用 OpenCode 和开源权重模型（当前为 Z.ai 的 GLM-5.2）起草发布说明与 Slack 公告。
推荐理由：原文公开了每周发版工作流的完整结构，其中确定性校验加人工复核的循环可迁移到其他生成任务。
Hugging Face Blog精选AI 评分6262 如何用本地模型免费分诊 OpenClaw 仓库的 issue 和 PR
Hugging Face 博客分享了用本地模型加 agent harness 对 OpenClaw 仓库的 issue 和 PR 做实时分类分诊的方案，作者在 NVIDIA GB10 上运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b，通过受限的 reposhell 只读命令补充上下文后输出结构化标签。
推荐理由：作者用本地模型加受限 shell 做 PR 分类的完整配方，含 330 行评测对比与吞吐数据，可迁移到其他分诊场景。
OpenAI NewsAI 评分4040 Samsung Electronics 面向全球员工部署 ChatGPT 和 Codex
Samsung Electronics 在全球员工中部署 ChatGPT Enterprise 和 Codex，这是 OpenAI 规模最大的企业级 AI 落地之一。
OpenAI NewsAI 评分5555 OpenAI 推出合作伙伴网络，投入 1.5 亿美元
OpenAI 推出 Partner Network，投入 1.5 亿美元帮助全球合作伙伴加速企业 AI 的采用、部署与转型。
Google ResearchAI 评分4242 Google 支持加州大学圣地亚哥分校用 2000 台退役 Pixel 手机搭建低碳计算平台
加州大学圣地亚哥分校在 Google 支持下，正用 2000 台退役 Pixel 智能手机的主板搭建数据中心，为数百名研究人员和学生提供低成本、低碳的云计算。SPEC 基准显示 25-50 台手机约等于一台现代服务器，这些手机以 25-50 台为单位组成由 Kubernetes 管理的自管理集群。该系统预计于 2026 年秋季全面上线。
Hugging Face BlogAI 评分2222 PyTorch 性能剖析（二）：从 nn.Linear 到融合 MLP
PyTorch 性能剖析系列第二部分将手写的 matmul-add 换成 nn.Linear，并堆叠三层加激活函数构成 MLP，在 NVIDIA A100-SXM4-80GB 上分析其 profiler trace。
OpenAI NewsAI 评分2222 通过 Oracle 云承诺额度访问 OpenAI 模型与 Codex
OpenAI 模型与 Codex 现可通过 Oracle Cloud 访问，企业可使用既有云承诺额度来构建和部署 AI。该方式支持企业级安全与治理。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
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 上最高实现 4 倍推理提速。
推荐理由：官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛，读者可据此判断本地低并发场景的取舍。
Hugging Face Blog精选AI 评分6060 如何把 GitHub CI 迁移到 Hugging Face Jobs
Hugging Face 发布教程，介绍如何让 GitHub Actions 把 CI 任务调度到 Hugging Face Jobs 上运行。
推荐理由：原文给出把 GitHub Actions 任务迁移到 Hugging Face Jobs 的完整步骤与 Trackio 实测数据，可据此评估 GPU CI 的可行性。
Hugging Face Blog精选AI 评分7171 H Company 发布 Holo3.1 计算机使用智能体模型家族
H Company 发布 Holo3.1 计算机使用智能体模型家族，基于 Qwen 系列，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重用于本地推理。
推荐理由：原文给出 Holo3.1 在移动端、跨框架与量化本地部署上的具体提升，可据此判断计算机使用智能体的落地边界。
Hugging Face Blog精选AI 评分6262 JetBrains 发布 Mellum2：12B 参数 MoE 模型
JetBrains 发布 Mellum2，一个从零训练的 12B 参数 Mixture-of-Experts 模型，覆盖自然语言与代码，每个 token 仅激活 2.5B 参数，采用 Apache 2.0 许可。官方称其相比同规模模型推理速度超过 2 倍，可用于路由、RAG、摘要、子智能体和高吞吐编码场景，模型已在 Hugging Face 开放下载。
推荐理由：JetBrains 给出 Mellum2 的参数量、激活规模与推理速度，读者可据此判断它在多模型系统中的定位。
Hugging Face BlogAI 评分2626 超越 LLM：为何可扩展的企业级 AI 落地依赖 Agent Logic
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 agentic layer 中的 agent logic——知识图谱、算法、程序分析库等软件原语，可引导 LLM 聚焦企业工作流、压缩上下文空间。
OpenAI News精选AI 评分6262 OpenAI 在密歇根动工 1GW 数据中心，属 Stargate 项目
OpenAI 在密歇根破土动工一个 1GW 数据中心项目，属于 Stargate 计划的一部分。该项目建设 AI 基础设施，目标是扩大接入、创造就业并支持当地社区。
推荐理由：OpenAI 在密歇根动工 1GW 数据中心，读者可了解 Stargate 的落地规模与选址进展。
OpenAI News精选AI 评分6060 OpenAI 前沿模型与 Codex 正式上线 AWS
OpenAI 前沿模型与 Codex 现已在 AWS 上正式可用，企业可通过已有的 AWS 环境、控制机制和采购流程接入 OpenAI。客户可借此从评估阶段更快推进到生产部署。
推荐理由：OpenAI 前沿模型与 Codex 上线 AWS，企业可在既有云环境与采购流程中直接接入。
Mistral AI精选AI 评分7272 Mistral 发布工业工程 AI 栈，Vibe 升级为长任务智能体
Mistral 在 AI Now Summit 2026 上发布面向工业工程的 AI 栈，与 Airbus、BMW、ASML 合作优化设计、仿真与生产，并强调对专有数据和 IP 的完全控制。其智能体工具 Vibe 升级为统一智能体，可处理收件箱与日历、深度研究、交付物撰写，并完成从需求到合并变更的编码工作。位于法国 Les Ulis 的 10 MW 推理数据中心计划于 2026 年 Q3 开放。
推荐理由：Mistral 一次性公布工业 AI 栈、Vibe 智能体与自建数据中心，可据此观察其企业级全栈布局。
Mistral AI精选AI 评分6262 Mistral 推出物理 AI，将 Emmi AI 并入企业工程栈
Mistral 宣布将 Emmi AI 并入公司，推出面向工业工程的物理 AI 能力，作为其企业解决方案中的新基础能力。该能力从几何与边界条件直接预测物理场，单次前向推理在单张 GPU 上以秒级完成，用于加速产品设计、工装工艺设计和实时数字孪生，合作方包括 ASML、Airbus、Safran 和 Siemens Energy。
推荐理由：Mistral 把物理仿真 AI 纳入企业平台，读者可了解其定位、适用场景与合作伙伴。
Mistral AI精选AI 评分6262 Mistral 收购 Physics AI 公司 Emmi AI，加速工业 AI 布局
Mistral AI 本周签署最终协议收购 Physics AI 先驱 Emmi AI，以强化其作为工业企业 AI 转型伙伴的定位。Emmi AI 成立于奥地利，专注 Physics AI 与大型工程模型，可实时仿真替代多日计算并构建数字孪生，其 30 多名研究人员与工程师将于 5 月加入 Mistral 的 Science 与 Applied AI 团队。
推荐理由：Mistral 通过收购 Physics AI 公司 Emmi 补强工业仿真能力，读者可了解其 Science 路线与工业 AI 布局。
Mistral AI精选AI 评分6565 Mistral 在 Studio 发布 Connectors，支持内置与自定义 MCP
Mistral 在 Studio 发布 Connectors（公开预览），内置连接器和自定义 MCP 均可通过 API/SDK 用于所有模型与 Agent 调用。
推荐理由：Mistral 把 MCP 连接器做成平台级注册实体，读者可据此判断企业 Agent 集成层会如何被收敛。
Hugging Face BlogAI 评分4242 PaddleOCR 3.5 发布：支持 Transformers 作为推理后端
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、PaddleOCR-VL 1.5 等模型。
OpenAI NewsAI 评分4848 OpenAI 与 Dell 合作，将 Codex 引入混合云与本地企业环境
OpenAI 与 Dell 达成合作，将 Codex 引入混合云和本地部署环境，帮助企业在数据与工作流中安全部署 AI 编程智能体。
Google DeepMind精选AI 评分6262 Google 将 SynthID 与 C2PA 内容验证扩展到 Search、Gemini、Chrome 和 Pixel
Google 宣布扩展内容透明度与验证工具，把 SynthID 的图像、视频和音频验证从 Gemini 应用扩展到 Search，并将在未来几周进入 Chrome；该验证功能已在全球被使用 5000 万次。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到 Search、Gemini、Chrome 和 Pixel，读者可了解内容溯源工具的实际覆盖范围。
Hugging Face BlogAI 评分3636 Hugging Face 详解连续批处理中的异步调度：如何让 GPU 利用率逼近 100%
Hugging Face 发文解析连续批处理中的同步瓶颈：用 8B 模型、batch size 32 生成 8K tokens 时，总耗时 300.6 秒，其中 24.0% 的时间 GPU 在等待 CPU，纯属浪费。
OpenAI NewsAI 评分4242 OpenAI 如何为 Windows 版 Codex 构建安全有效的沙箱
OpenAI 为在 Windows 上启用 Codex 构建了安全有效的沙箱，通过受控的文件访问和网络限制来隔离其运行。该方案旨在让 Codex 在 Windows 环境下安全执行任务。
Hugging Face BlogAI 评分2222 在 AWS 上构建基础模型训练与推理的模块化基础设施
Hugging Face 发文解析 AWS 上基础模型训练与推理的开源软件栈分层架构，涵盖 Slurm、Kubernetes、PyTorch、JAX 及 Prometheus、Grafana 等工具。
OpenAI NewsAI 评分4242 OpenAI 成立 DeployCo，帮企业围绕智能落地部署
OpenAI 推出企业部署公司 DeployCo，帮助各类组织将前沿 AI 投入生产环境并转化为可衡量的业务成果。该公司定位为企业级部署主体，聚焦前沿 AI 的实际落地与业务影响。
OpenAI NewsAI 评分4343 OpenAI 如何安全运行 Codex
OpenAI 通过沙箱隔离、审批机制、网络策略和智能体原生遥测来安全运行 Codex，以支持编程智能体的安全合规采用。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
一篇综述指出，并行推理正从固定 fork-and-join、树搜索等外部预设结构，转向让模型自行决定何时分解子任务、开多少并行线程以及如何协调的自适应并行推理。文中梳理了 Self-consistency、Best-of-N、MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法，并指出顺序推理的 token 增长会带来上下文退化和延迟问题。
Hugging Face BlogAI 评分3434 vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标
PipelineRL 在 vLLM V0 到 V1 迁移中通过修复四项问题让 V1 与 V0 参考对齐：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。
OpenAI NewsAI 评分4242 OpenAI 发布 MRC（Multipath Reliable Connection）大规模 AI 训练网络协议
OpenAI 推出 MRC（Multipath Reliable Connection）超级计算机网络协议，通过 OCP 开放发布，用于提升大规模 AI 训练集群的韧性与性能。
Hugging Face Blog精选AI 评分6060 Granite 4.1 LLM 是如何构建的：IBM 公开预训练、SFT 与 RL 全流程
IBM Granite 团队发布技术长文，详解 Granite 4.1 系列稠密解码器模型（3B、8B、30B）的构建流程：在约 15T token 上分五阶段预训练，上下文窗口经分阶段扩展至 512K，随后用约 4.1M 高质量样本做 SFT，并通过 on-policy GRPO 配合 DAPO loss 的多阶段 RL 强化数学、编码、指令遵循与通用对话能力。
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-A9B MoE 的结论。
Hugging Face BlogAI 评分2222 DeepInfra 成为 Hugging Face Hub 推理服务商，首批支持 DeepSeek V4、Kimi-K2.6、GLM-5.1
DeepInfra 正式成为 Hugging Face Hub 支持的推理服务商，首批上线对话与文本生成任务，可访问 DeepSeek V4、Kimi-K2.6、GLM-5.1 等开源权重模型。
Mistral AI精选AI 评分7575 Mistral AI 发布 Workflows 公开预览版
Mistral AI 发布企业 AI 编排层 Workflows 公开预览版，基于 Temporal 持久执行引擎，提供持久化执行、可观测性和人工介入审批能力。
推荐理由：Mistral 把企业级 AI 编排的持久化执行、可观测与人工审批打包进 Studio，读者可据此判断生产化落地的门槛变化。
Hugging Face Blog精选AI 评分6262 如何用 OpenAI Privacy Filter 构建可扩展 Web 应用
Hugging Face 博客介绍如何基于 OpenAI 本周在 Hub 上开源的 Privacy Filter 构建三个 Web 应用。该模型是 1.5B 参数、50M 激活参数的 PII 检测器，Apache 2.0 许可，单次前向处理 128k 上下文，可标注八类 PII，并在 PII-Masking-300k 基准上达到 SOTA。
推荐理由：文章用三个可运行示例拆解 gradio.Server 的队列与路由分工，读者可据此复用这套前后端拆分模式。