Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表。
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。
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 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。
Hugging Face 发布教程，讲解如何在 Manifest V3 约束下用 Transformers.js 在 Chrome 扩展中运行本地 AI，并以官方发布的 Gemma 4 浏览器助手扩展为参照。
推荐理由：以官方发布的 Gemma 4 浏览器扩展为参照，拆解 MV3 下后台托管模型、侧边栏与内容脚本分工的架构取舍。
Hugging Face 发布一个 Skill 和配套测试工具，帮助贡献者把 transformers 中的语言模型移植到 mlx-lm，使模型加入 transformers 后能较快在 MLX 上可用。
推荐理由：Hugging Face 公开了把 transformers 模型移植到 mlx-lm 的 Skill 与测试工具，读者可了解其流程与对评审者的减负设计。
Sentence Transformers 发布 v5.4，可在同一套 API 下编码和比较文本、图像、音频与视频，并支持多模态重排模型。新增能力覆盖跨模态相似度、encode_query/encode_document 检索流程以及先检索再重排的 RAG 模式，官方同时列出了 Qwen3-VL、NVIDIA、BGE-VL 等已支持模型。
推荐理由：官方给出 v5.4 多模态嵌入与重排的完整用法和模型清单，可据此评估跨模态检索的落地成本。
Overworld 发布实时视频世界模型 Waypoint-1.5，在 RTX 3090 至 5090 等桌面硬件上可实时生成最高 720p、60 FPS 的环境，并新增面向更广消费级硬件的 360p 版本，后续将支持 Apple Silicon Mac。
推荐理由：Waypoint-1.5 把实时交互世界模型下放到消费级显卡，读者可据此判断本地生成式世界的硬件门槛变化。
Google DeepMind 的 Gemma 4 多模态模型家族已在 Hugging Face 上线，采用 Apache 2 许可，支持图像、文本和音频输入并生成文本。
推荐理由：Gemma 4 以 Apache 2 许可开放五个尺寸并覆盖音频与端侧部署，读者可据此判断开源多模态模型的可用边界。
TII 的 Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早期融合 Transformer，用自然语言提示做开放词表定位与分割，在 SA-Co 上达到 68.0 Macro-F1，高于 SAM 3 的 62.3，但在存在性校准上落后（MCC 0.64 对 0.82）。
推荐理由：原文给出 0.6B 早期融合模型在 SA-Co 与 PBench 上的分项对比，可据此判断单骨干感知路线相对模块化管线的取舍。
Hugging Face 发布 gradio.Server，它扩展自 FastAPI，让开发者用 React、Svelte 或原生 HTML/JS 等任意前端搭配 Gradio 的队列、SSE 流式、并发控制和 gradio_client 兼容能力。
推荐理由：原文给出 gradio.Server 的完整后端示例，读者可据此判断自带前端与 Gradio 队列、ZeroGPU 如何配合。
IBM 发布 Granite 4.0 3B Vision，一款面向企业文档理解的紧凑视觉语言模型，以 LoRA 适配器形式叠加在 Granite 4.0 Micro 之上，采用 Apache 2.0 许可并在 Hugging Face 上线。
推荐理由：Granite 4.0 3B Vision 以 3B 规模在图表与表格抽取基准上超过更大模型，并给出 LoRA 适配器与 Docling 集成路径。
Hugging Face 发布 TRL v1.0，将这一原本的研究代码库正式定位为带明确稳定性契约的后训练库，目前实现超过 75 种后训练方法，月下载量 300 万次。
推荐理由：TRL v1.0 把稳定核心与实验层分开，并给出与同类后训练库的横向对比，便于判断选型。
Anthropic 正在限制 Pro/Max 订阅者在开放智能体平台中访问 Claude 模型，Hugging Face 给出两条把 OpenClaw、Pi 或 Open Code 智能体迁移到开源模型的路径。
推荐理由：给出两条把 OpenClaw 等智能体从 Claude 迁到开源模型的路径，含具体命令与配置，可直接照做。
NVIDIA 发布一套嵌入模型微调流程，用单张 GPU 和不到一天时间把通用嵌入模型改造成理解特定领域的模型，无需人工标注。流程基于 Llama-Nemotron-Embed-1B-v2，用 LLM 从领域文档生成合成问答对、挖掘难负样本并做多跳展开，再用对比学习微调。
推荐理由：给出从合成数据生成到部署的完整嵌入模型微调流程，含 Atlassian 实测提升数据，可迁移到自有领域语料。
Hugging Face 发布《State of Open Source on Hugging Face: Spring 2026》，基于平台数据回顾过去一年开源 AI 生态变化。
推荐理由：Hugging Face 用平台数据勾勒开源 AI 一年变化，中国模型下载占比与机器人数据集增长是两条主线。
H Company 发布 Holotron-12B，一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态 computer-use 模型，现已上线 Hugging Face，采用 NVIDIA Open Model License。
推荐理由：原文给出模型架构、吞吐对比与基准提升，读者可据此判断它在高并发 computer-use 场景的可用性。
Hugging Face 在 Hub 上推出 Storage Buckets，一种非版本化的 S3 风格对象存储，用于存放 checkpoint、优化器状态、处理后的数据分片和 Agent traces 等频繁变动的中间产物。
推荐理由：Hugging Face 官方发布可变对象存储 Buckets，读者可据此判断训练中间产物该放在哪一层。
Hugging Face 发布 LeRobot v0.5.0，这是该项目迄今最大的一次更新，自 v0.4.0 以来合并超过 200 个 PR、新增 50 多位贡献者。
推荐理由：LeRobot v0.5.0 一次性补齐人形机器人、VLA 策略与仿真环境加载，可据此判断开源机器人栈的当前边界。
Hugging Face 发布 Modular Diffusers，用可复用的块组合扩散流水线，作为现有 DiffusionPipeline 类的更灵活替代方案。每个块自带输入输出，可独立运行或增删替换，并支持自定义块发布到 Hub 供他人以 trust_remote_code=True 加载。该功能还与节点式可视化界面 Mellon 集成，可从块定义自动生成节点 UI。
推荐理由：Hugging Face 官方介绍 Modular Diffusers 的可组合块机制，读者可据此判断扩散流水线搭建方式的改动。
Photoroom 在 Hugging Face 博客发布 PRX 系列第三篇，用 32 张 H200、约 1500 美元预算在 24 小时内训练出一个文生图扩散模型。
推荐理由：Photoroom 公开了 24 小时训练文生图模型的完整配方与代码，读者可据此复现并调整各组件。