Mistral AI 发布 Voxtral 3 语音模型家族与语音 Agent SDK
Mistral AI 发布 Voxtral 3，包含语音转文本、文本转语音模型与基于 LiveKit 的语音 Agent SDK，把听、推理、工具调用与说话整合进单一实时流式管线，每轮对话在 1 秒内完成。
推荐理由：原文给出各模型定价与多项评测口径，读者可据此比较它与现有语音方案的成本和适用场景。
#部署/工程
Mistral AI精选AI 评分7474
The DecoderAI 评分5555 Cloudflare 发布 Clairic 文档抽取模型，称比 LLM 更快更省
Cloudflare 在 Workers AI 上以预览形式发布 AI 模型 Clairic，称其从文档中抽取数据比大语言模型更快、更便宜，开放权重（open weights）随后跟进。
The Decoder精选AI 评分7676 Black Forest Labs 开源图像模型 FLUX 3 Image Klein，8 GB 显存即可运行
Black Forest Labs 发布 56 亿参数的开源权重图像模型 FLUX 3 Image Klein，支持文生图、图像编辑和最多十张参考图生成，具备原生 4K 输出、像素级精确编辑和边界框定位元素。
推荐理由：原文给出了参数量、显存门槛和许可条款，读者可以据此判断它能否在本地工作流中替代闭源图像模型。
AWS Machine Learning Blog精选AI 评分6262 Claude Sonnet 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，定位为面向聚焦编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。
推荐理由：官方给出 Sonnet 5.5 在 Amazon Bedrock 上的能力定位与调用示例，可据此判断它适合承接哪类持续运行的编码任务。
Hugging Face BlogAI 评分3434 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速推理
Liquid AI 发布实验性草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。该草稿模型仅增加 280M 参数（约 8.9%），并首日支持 llama.cpp、MLX-VLM 和 SGLang。
OpenAI NewsAI 评分4545 OpenAI Jalapeño 首批结果显示 AI 推理速度与效率领先行业
OpenAI 自研推理芯片 Jalapeño 首批结果显示其在 AI 推理速度与能效上达到行业领先水平。Jalapeño 为现代模型提供更高吞吐量与更低延迟，同时具备更快的推理速度和更高的能效表现。
Hugging Face Blog精选AI 评分8181 Hugging Face 发布 Thinking Machines 的多模态模型 Inkling 及 Inkling-Small
Hugging Face 上线 Thinking Machines Lab 的 Inkling 系列开源多模态模型，Inkling 为 975B 总参数、41B 激活参数的 decoder-only MoE 模型，原生支持图像、文本、音频输入与 1M 上下文，在 45 trillion token 上训练。
推荐理由：原文给出架构细节与各部署配置的显存开销，读者可据此判断自己硬件能否跑起来。
Hugging Face Blog精选AI 评分7474 Hugging Face 发布 Holo3.1 系列计算机使用智能体模型
Hugging Face 发布 Holo3.1 系列计算机使用智能体模型，基于 Qwen 家族，提供 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF、NVFP4 量化权重以支持本地推理。
推荐理由：给出了各尺寸在移动与桌面基准上的具体提升和量化后的吞吐数据，可据此评估本地部署的可行性。
Hugging Face BlogAI 评分5555 JetBrains 发布 12B MoE 开源模型 Mellum2，每 token 仅激活 2.5B 参数
JetBrains 发布开源 Mixture-of-Experts 模型 Mellum2，总参数 12B、每 token 激活 2.5B，面向低延迟文本与代码工作负载，采用 Apache 2.0 许可。
Hugging Face Blog精选AI 评分6161 Overworld 发布实时交互视频扩散模型 Waypoint-1 与推理库 WorldEngine
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，用 10,000 小时游戏画面训练，支持零延迟自由控制相机与按键输入。
推荐理由：原文对比了与现有世界模型在控制延迟上的差异，并给出推理库的具体吞吐与帧率数据，便于评估其实用性。
Hugging Face Blog精选AI 评分9292 Hugging Face 欢迎 OpenAI 开源 gpt-oss 模型家族并给出部署指南
Hugging Face 发布博客介绍 OpenAI 新开源的 gpt-oss 模型家族，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均为 MoE 架构并采用 MXFP4 4-bit 量化，采用 Apache 2.0 许可，120B 可装入单张 H100，20B 可在 16GB 显存内运行。
推荐理由：系统梳理了 gpt-oss 在不同硬件上的推理优化选择，可直接作为本地部署的参考。
Hugging Face Blog精选AI 评分8888 Hugging Face 迎来 Meta Llama 4 Maverick 与 Scout 模型
Hugging Face 官方博客宣布 Meta 新一代 Llama 4 模型上线 Hub：Maverick 约 400B 总参数、128 专家，Scout 约 109B 总参数、16 专家，均为 17B 激活参数的 MoE 架构，支持文本与图像输入，训练数据最多 40 万亿 token、覆盖 200 种语言。
推荐理由：原文拆解了 NoPE、分块注意力等架构选择，读者可理解超长上下文如何实现。
Hugging Face Blog精选AI 评分9393 Hugging Face 官方介绍 Llama 3.1 系列模型及生态集成
Hugging Face 与 Meta 合作将 Llama 3.1 系列集成到其生态，Hub 上提供 8 个开放权重模型（3 个 base 和 5 个微调版本），涵盖 8B、70B、405B 三种尺寸，均支持 128K 上下文窗口和 8 种语言，并新增工具调用能力与更宽松的许可（允许用模型输出改进其他 LLM）。
推荐理由：详细列出三种尺寸的显存需求与量化方案，读者可据此判断自己硬件能否跑起来。
Hugging Face Blog精选AI 评分7878 Google 发布开源大模型 Gemma，Hugging Face 完成全生态集成
Google 发布开源大模型系列 Gemma，包含 7B 和 2B 两种参数规模、各有 base 与 instruction-tuned 版本，共 4 个开放模型上线 Hugging Face Hub。
推荐理由：文章给出各尺寸模型的跑分对照和单卡微调命令，读者可据此判断在自有硬件上落地的可行性。
Hugging Face BlogAI 评分5656 Hugging Face 发布 Würstchen：42x 空间压缩的快速文生图扩散模型
Hugging Face 发布 Würstchen 扩散模型，其文本条件组件在高度压缩的图像潜在空间中工作，实现 42x 空间压缩，通过 Stage A（VQGAN）、Stage B（Diffusion Autoencoder）与 Stage C（Prior）三阶段设计，训练与推理成本大幅降低。
Hugging Face Blog精选AI 评分6565 Falcon 系列模型接入 Hugging Face 生态并提供完整推理与微调指南
Hugging Face 官方博客介绍 Falcon 系列模型（Falcon-40B 与 Falcon-7B，由阿布扎比 Technology Innovation Institute 以 Apache 2.0 许可发布）接入其生态的完整用法。
推荐理由：文章系统梳理了 Falcon 在 Hugging Face 生态中的推理、量化与微调路径，可直接迁移为落地参考。