Hugging Face 构建了一个 agent skill，教编码智能体编写生产级 CUDA kernel，并让 Claude 和 Codex 针对 diffusers 的 LTX-Video 与 transformers 的 Qwen3-8B 两个真实目标端到端生成了可运行的 kernel，包含正确的 PyTorch 绑定与基准脚本。
推荐理由：Hugging Face 把 CUDA kernel 开发知识封装成可安装的 Agent 技能，并给出两组真实基准，读者可据此判断它在自有项目中的复用价值。
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级，这一专用推理模式面向科学、研究与工程难题。
推荐理由：官方给出了 Gemini 3 Deep Think 在多项学术与竞赛基准上的成绩，并首次开放 Gemini API 早期访问。
Hugging Face 博客介绍 Meta 与 HF Mirror 合作的开源框架 OpenEnv，它用 gym 风格 API 和标准 MCP 工具调用接口把智能体接入真实工具与 API，而非模拟环境。
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在专业研究问题上的表现。该智能体带有自然语言验证器，可迭代生成、验证和修正解答，并能承认无法求解，同时借助 Google 搜索和网页浏览梳理文献以避免虚假引用。
推荐理由：两篇论文给出 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在专业数学、物理与计算机科学问题上的实际协作案例。
Transformers.js v4 已发布到 NPM，核心改动是采用完全用 C++ 重写的 WebGPU 运行时，同一份代码可在浏览器、Node、Bun 和 Deno 中运行。
推荐理由：原文列出 v4 的 WebGPU 运行时重写、构建与工程改动，读者可判断浏览器和 Node 端本地推理的可用边界。
SyGra 2.0.0 推出 Studio，把合成数据生成从 YAML 文件和终端搬到可视化画布上，配置流程时同步生成 SyGra 兼容的 graph config 与任务执行脚本。
Hugging Face 上线 Community Evals，基准数据集仓库现在可以注册为 benchmark 并在数据集卡片显示榜单，首批包含 MMLU-Pro、GPQA、HLE。
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 Screenspot-Pro 上取得 78.5% 的 SOTA 成绩，OSWorld G 达 79.0%，已上线 Hugging Face。
Hugging Face 博客指出开源已成为中国 AI 组织近未来的主流路径，其平台上关注度最高的机构是 DeepSeek，第四为 Qwen。截至 2025 年中，Hugging Face 上有超 113k 模型以 Qwen 为基础、超 200k 仓库标注 Qwen，远超 Llama 的 27k 和 DeepSeek 的 6k。
Hugging Face 博客发布 PRX 文本到图像模型训练系列第二部分，用统一实验设置复现并消融近期训练技巧，评估其对收敛与效率的影响。基线为 1.2B 参数的 PRX-1.2B，纯 Flow Matching、无额外目标，训练 100k 步、256×256 分辨率、全局 batch size 256，用 FID、CMMD、DINO-MMD 与吞吐量监控。
Google DeepMind 开始向美国 Google AI Ultra 订阅用户（18 岁以上）开放 Project Genie，这是基于 Genie 3、Nano Banana Pro 和 Gemini 的实验性研究原型，可创建、探索和再创作交互式世界。
Gradio 团队发布开源 Python 库 Daggr，用于把 Gradio 应用、ML 模型和自定义函数串成 AI 工作流，代码定义后自动生成可视化画布。画布支持检视任意节点输出、修改输入并单独重跑某一步，无需执行整条流水线，还能用备份节点替换模型或 Space，并自动保存工作流状态。
推荐理由：Gradio 团队开源 Daggr，用代码定义工作流并自动生成可检视的画布，为多步骤 AI 流程的调试提供了新思路。
Hugging Face 博客介绍新工具 upskill，用大模型生成并评估 agent 技能，再交给小模型使用，在编写 CUDA kernel 任务上做了基准测试。
推荐理由：用教师模型生成 Skill 再迁移到小模型的完整流程，读者可据此评估自己场景下的迁移收益。
继 2025 年 1 月「DeepSeek 时刻」后，中国开源社区在架构与硬件上集体转向 MoE，Kimi K2、MiniMax M2、Qwen3 等均采用该架构。
Hugging Face 团队推出 Alyah（الياه，阿联酋语意为"北极星"）基准，用于评估阿拉伯语 LLM 对阿联酋方言的语言、文化与语用理解能力。该基准包含 1,173 条由阿联酋母语者人工采集的样本，均为四选一多选题，正确选项位置随机分布以避免位置偏差。
Hugging Face 博客复盘了用 verl 框架对 GPT-OSS-20B 做智能体强化学习训练的过程，该模型此前已被验证性能接近 OpenAI o3-mini 和 o4-mini，但尚未验证是否适合智能体 RL 训练。
LLM 推理时扩展（inference-time scaling）通过投入更多推理算力提升答案质量，已成为各大模型厂商的常规手段。Sebastian Raschka 将现有方法归为六大类：思维链提示、自一致性、Best-of-N 排序、带验证器的拒绝采样、自 refinement 与解路径搜索，并介绍了近几个月的新工作。
OpenAI 发布一份实用指南，展示小团队如何借助 ChatGPT 完成数据分析、制作营销素材、管理预算、主持会议并做出更优决策。指南聚焦小团队在资源有限下用 ChatGPT 覆盖多项日常运营任务，属于实操性使用指导，未披露具体模型版本或性能数据。
Hugging Face 发布 AssetOpsBench，一个面向工业资产管理场景的智能体评测基准，包含 2.3M 传感器遥测点、140+ 场景、4.2K 工单和 53 种结构化故障模式。
DeepSeek 发布 R-1 模型一年后，其开源权重成为 Hugging Face 史上获赞最多的模型。R1 以 MIT 许可开放推理路径与后训练方法，降低了技术、采用与心理三重门槛。百度 2024 年在 Hugging Face 零发布，2025 年增至 100 余个，字节跳动与腾讯发布量增长八到九倍。
微软发布 Differential Transformer V2（DIFF V2），在保持 KV head 数量不变的前提下将 query head 翻倍，解码速度与标准 Transformer 相当，且无需自定义 attention kernel。
Overworld 发布实时交互视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘控制，权重已在 Hugging Face Hub 上线，Waypoint-1-Small 可用，Medium 版即将推出。
推荐理由：Waypoint-1 把交互式世界模型的训练重点放在零延迟控制上，并公布推理库与运行性能数据，可据此判断实时视频生成的落地条件。
Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），用统一的编码器-解码器 Transformer 加查询机制，把点追踪、点云重建和相机位姿估计等 4D 任务收敛到单一框架。
推荐理由：官方给出的效率数据与统一查询架构，可用来对照此前需要多模型拼凑的 4D 重建流程。
OpenAI 发布构建 AI 智能体的实用指南，覆盖用例设计、模型选择、工具设计、护栏机制与多智能体模式。指南面向智能体的设计、编排与部署全流程，给出可落地的实践方法。
OpenAI 发布面向初创企业的 GPT-5 模型系列实用指南，涵盖迁移至 Responses API、设计智能体、调优提示词、引导 GPT-5 模型以及构建可靠 AI 工作流。
由 OpenAI 发起、开源社区共建、Hugging Face 生态支持的开放推理标准 Open Responses 发布，它基于 Responses API，面向智能体场景。
推荐理由：梳理 Open Responses 规范对 Responses API 的开放化改动，读者据此判断现有推理客户端和路由的迁移成本。
OpenAI 发布 GPT-5 for Work 指南，介绍 GPT-5 如何驱动营销、工程、财务、战略、法务和 IT 等真实业务工作流。文章同时给出团队评估 GPT-5 的方法，但未披露具体版本号、参数规模或 benchmark 数据。
OpenAI 详解其内部团队如何借助 Codex 理解代码、重构系统、提升性能并加快工程节奏，从而改善整体开发工作流。
Google DeepMind 更新 Veo 3.1 Ingredients to Video，即使提示词简短也能生成更生动、有对白和叙事的视频，并改善角色身份、背景与物体跨场景一致性。
推荐理由：官方披露 Veo 3.1 Ingredients to Video 的一致性、竖屏与 1080p/4K 升级及上线渠道，便于判断视频工作流怎么变。
伯克利 AI Research 提出基于互信息的成像系统评估与优化框架，无需重建算法即可预测下游任务性能。该信息指标在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证了与解码器表现的一致性，其优化出的设计可匹敌端到端方法，且内存与算力需求更低、无需任务专用解码器。方法利用成像系统的已知噪声物理直接计算 H(Y|X)，仅需从测量数据学习 H(Y)，并提供真实信息量的上界估计。
NVIDIA 发布面向物理 AI 的开源推理视觉语言模型 Cosmos Reason 2，提供 2B 和 8B 两种参数规模，在 Physical AI Bench 和 Physical Reasoning 榜单上位列开源模型第一。
推荐理由：Cosmos Reason 2 给出 2B/8B 开源权重的具体升级项与评测数据，可据此判断物理 AI 推理模型的当前水位。
阿联酋 TII 发布 Falcon-H1-Arabic 阿拉伯语模型系列，含 3B、7B、34B 三个参数规模，基于 Falcon-H1 混合架构，在每个 block 内并行运行 Mamba 状态空间模型与 Transformer 注意力。
NVIDIA 在 CES 2026 展示了用 DGX Spark 驱动 Reachy Mini 桌面机器人搭建个人智能体的方案，并发布逐步复现教程。
推荐理由：原文给出从推理模型到机器人动作的完整可复现步骤，可迁移到自建私有语音与视觉智能体。
2025 年 LLM 发展由推理模型主导，DeepSeek 在 1 月发布 R1 论文，用强化学习配合可验证奖励（RLVR）与 GRPO 算法训练出推理行为，并以开放权重达到当时最佳专有模型水平。R1 在 DeepSeek V3 之上再训练约花费 29.4 万美元，V3 的 671B 参数模型训练成本估计接近 500 万美元而非 5 亿。此后各家开放权重与专有模型纷纷跟进推出推理版本。
Sebastian Raschka 发布 2025 年 7 月至 12 月的 LLM 研究论文整理清单，按推理模型、其他强化学习方法、推理时扩展方法、模型发布与技术报告、架构、高效训练、扩散语言模型、多模态与视觉语言模型、数据与预训练数据集等类别划分。
Google DeepMind 与 Google Research 的 2025 年度回顾显示，其在推理、多模态、模型效率与生成能力上取得突破，3 月发布 Gemini 2.5，11 月推出 Gemini 3、12 月推出 Gemini 3 Flash。
Hugging Face 推出 AprielGuard，一个 8B 参数的安全护栏模型，可检测 16 类安全风险与提示注入、越狱、记忆投毒、多智能体攻击等对抗攻击，并覆盖工具调用和推理链等智能体工作流场景。该模型支持推理与非推理两种模式，兼顾可解释分类与生产环境的低延迟需求。
Hugging Face 发布 Transformers v5，将 tokenizer 设计从已训练词表中分离，类似 PyTorch 将网络架构与学习权重分开，使 tokenizer 更易检查、定制和从头训练。
NVIDIA 发布 Nemotron 3 Nano 30B A3B，并公开用 NeMo Evaluator 库生成的完整评测配方，任何人都能复跑评测流程、检查产物并独立分析结果。
Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度，在 GPQA Diamond 上得分 90.4%、Humanity's Last Exam 无工具得分 33.7%、MMMU Pro 上得分 81.2%、SWE-bench Verified 上得分 78%。
推荐理由：Gemini 3 Flash 以 Pro 级推理配合 Flash 级延迟和价格，提供了速度与智能取舍的实测基准。