Hugging Face 发布 2026 春季开源 AI 生态报告
Hugging Face 发布《State of Open Source on Hugging Face: Spring 2026》报告,用平台数据梳理过去一年开源 AI 在竞争、地域、技术趋势与社区上的变化。
推荐理由:报告用下载、派生模型等多维数据刻画开源生态一年变化,可帮助读者理解竞争与地域格局的迁移。
Hugging Face 发布《State of Open Source on Hugging Face: Spring 2026》报告,用平台数据梳理过去一年开源 AI 在竞争、地域、技术趋势与社区上的变化。
推荐理由:报告用下载、派生模型等多维数据刻画开源生态一年变化,可帮助读者理解竞争与地域格局的迁移。
H Company 发布面向计算机使用智能体的多模态模型 Holotron-12B,基于 NVIDIA Nemotron-Nano-2 VL 后训练,现已在 Hugging Face 以 NVIDIA Open Model License 开源。
Hugging Face 在 Hub 上推出 Storage Buckets,一种可浏览、可用 Python 脚本或 hf CLI 管理的可变 S3 式对象存储,用于存放 checkpoint、优化器状态、处理后的数据分片和日志等中间产物。
推荐理由:原文说明了它与 Git 存储的分工边界以及 Xet 去重带来的成本收益,读者可据此判断是否迁移现有工作流。
Hugging Face Blog 发布长文,为 TRL 的异步训练器设计做调研,按七个维度(编排原语、rollout buffer 设计、权重同步协议、staleness 管理、partial rollout 处理、LoRA 支持、分布式训练后端)对比了16个从零围绕异步训练构建的开源库。
推荐理由:文章用七个维度拆解了16个开源RL库的异步训练设计,读者可据此对比选型并理解各自权衡。
LeRobot v0.5.0 发布,自 v0.4.0 起合并 200 多个 PR、新增 50 多位贡献者,新增完整 Unitree G1 人形支持(含运动、操作、遥操作与全身控制)、OpenArm 与 Earth Rover 等硬件,以及 Pi0-FAST 自回归 VLA、Real-Time Chunking、Wall-X、X-VLA、SARM 和 PEFT 支持等六项策略。
推荐理由:原文逐项列出了硬件、策略、数据与环境四条线的能力变化,读者可据此判断这次版本更新会怎样扩展可支持的机器人与训练流程。
Hugging Face 官方博客介绍 Ulysses Sequence Parallelism(来自 Snowflake AI Research 的 Arctic Long Sequence Training 协议)如何通过注意力头并行把长序列训练分布到多 GPU。
Hugging Face 官方博客介绍 Modular Diffusers,它用可复用的块(如文本编码、图像编码、去噪、解码)组合构建扩散流水线,作为现有 DiffusionPipeline 的灵活替代,API 保持一致。
推荐理由:原文给出可复用块的组合方式与自定义块写法,读者可据此判断如何改造现有扩散工作流。
Photoroom 在 PRX 系列第三篇中把此前验证有效的扩散模型技巧组合起来,用 32 张 H200、约 $1500 总算力预算完成 24 小时文生图模型训练,并开源代码到 https://github.com/Photoroom/PRX 。
推荐理由:原文把像素空间训练、token 路由、感知损失等技巧的组合方式和超参写全,可直接复现其 24 小时训练配方。
Hugging Face 官方博客介绍如何用 Unsloth 和 Hugging Face Jobs 通过 Claude Code、Codex 等 coding agent 快速微调 LLM(以 LiquidAI/LFM2.5-1.2B-Instruct 为例),Unsloth 相比标准方法约 2 倍提速、约 60% 省显存。
Hugging Face 宣布 GGML(llama.cpp 的创建者)及其团队加入 HF,以在 Local AI 快速发展期间为项目提供长期可持续资源。合并后 Georgi Gerganov 和团队仍 100% 投入维护 llama.cpp,在技术方向和社区上保持完全自治,项目继续 100% 开源并由社区驱动。
推荐理由:说明了合并后 llama.cpp 保持自治与开源的原因,以及 transformers 与本地推理栈打通的技术方向。
Hugging Face 官方博客介绍 Gradio 6 中 gr.HTML 的新能力:支持自定义模板、作用域 CSS 和 JavaScript 交互,让 LLM 一次生成前端、后端与状态管理,全部写在一个 Python 文件里,无需构建步骤,可秒级部署到 Hugging Face Spaces。
Hugging Face 发布了一个教编码智能体编写生产级 CUDA kernel 的 agent skill,随 kernels 库提供,可用 kernels skills add cuda-kernels --claude 等命令装入 Claude、Codex、OpenCode 等智能体。
推荐理由:给出了可直接安装的 skill 命令和两组真实基准数据,读者可据此评估它能否用于自己的 kernel 工作流。
Hugging Face 与 Meta 的开源框架 OpenEnv 让智能体在真实系统而非模拟环境中接受评估,Turing 为此贡献了生产级 Calendar Gym 日历环境,包含访问控制、跨用户可见性受限和多步工作流等约束。
Hugging Face 宣布 Transformers.js v4 已发布到 NPM(npm i @huggingface/transformers),核心变化是采用用 C++ 重写的全新 WebGPU Runtime,与 ONNX Runtime 团队合作在约 200 个已支持模型架构上完成测试,同一份代码可运行于浏览器、Node、Bun 和 Deno。
推荐理由:原文给出了构建耗时、包体积和推理速度的具体数字,读者可据此评估升级到 v4 的实际收益。
Hugging Face 推出 SyGra 2.0.0 的 Studio,一个把合成数据生成变成可视化画布操作的交互环境,取代手写 YAML 和终端流程。用户可在画布上拖拽节点、预览数据源、内联调提示词并实时查看执行流,Studio 会同步生成对应的 SyGra graph config 与任务执行脚本。
Hugging Face 推出 Community Evals,让基准数据集仓库可托管排行榜,模型仓库自行存储评测分数,社区可通过 PR 提交结果,Verified 徽章标识可复现的结果。
推荐理由:原文说明了分数分散在各处的问题和去中心化上报机制,读者可理解它如何让评测过程变得可追溯。
H Company 发布了迄今最大的 UI 本地化模型 Holo2-235B-A22B Preview,在 Screenspot-Pro 上以 78.5%、OSWorld G 上以 79.0% 刷新 SOTA,现已上线 Hugging Face。
Hugging Face Blog 第三篇系列文章分析 DeepSeek Moment 之后中国 AI 组织的开源路径与未来方向,认为开源在可预见的未来仍是中国 AI 组织的主流策略。
Hugging Face Gradio 团队发布并开源 Python 库 Daggr,用几行代码把 Gradio 应用、模型和自定义函数串成 AI 工作流,并自动生成可视化画布,可查看中间输出、单独重跑某一步并管理状态。
Hugging Face 发布开源工具 upskill,用 Claude Opus 4.5 等大模型生成并评测 agent skill,再迁移到更小或本地模型使用,本次以编写 diffusers 模型的 CUDA 内核为基准任务。
推荐理由:原文给出用大模型生成技能再迁移到小模型的完整流程与实测数据,读者可据此判断能否降低自己的调用成本。
Hugging Face 分析了 DeepSeek Moment 之后中国开源 AI 生态在架构与硬件上的选择:Kimi K2、MiniMax M2、Qwen3 等主流模型几乎一致转向 MoE 架构,Apache 2.0 成为默认开源许可,0.5B–30B 小模型因易本地运行和微调而广受欢迎,100B–700B 大模型则作为"教师模型"向下蒸馏。
Hugging Face 与 LinkedIn 团队复盘了在 verl 框架下为 GPT-OSS-20B 解锁 agentic RL 训练的过程,依次修复了三类问题。
Hugging Face 推出 AssetOpsBench,一个面向工业资产管理的 Agent 评测基准,包含 2.3M 传感器遥测点、140+ 场景、4.2K 工单和 53 种故障模式,从任务完成、检索准确率、结果验证、序列正确性、清晰度与幻觉率六个维度打分。
Hugging Face 发布系列博文首篇,复盘 DeepSeek R1 发布一年来中国开源 AI 生态的演变。文章指出 R1 通过公开推理路径与后训练方法、采用 MIT 许可,降低了技术、采用与心理三重门槛,使先进推理能力变成可下载、蒸馏和微调的工程资产。
Hugging Face 联合社区推出开放推理标准 Open Responses,基于 OpenAI 的 Responses API 并开源,面向智能体工作负载,默认无状态、支持加密推理,流式输出建模为语义事件。
推荐理由:梳理了从 Chat Completion 迁移的核心改动与工具循环规范,便于开发者评估接入成本。
Hugging Face 发布教程,讲解如何用 NVIDIA DGX Spark 和 Reachy Mini 搭建可本地运行的个人 AI 机器人,复现黄仁勋在 CES 2026 主题演讲中的演示。
Hugging Face 官方博客介绍 Transformers v5 对分词器的重新设计,将分词器架构与训练好的词表分离,类似 PyTorch 把网络结构与权重分开。
CUGA(Configurable Generalist Agent)作为开源智能体集成到 Hugging Face Spaces,上线了一个演示:展示小型 CRM 系统,配备 20 个预配置工具,通过 API Agent 处理销售数据查询和 API 交互,并提供 workspace files 以使用预定义策略。
Hugging Face 发布教程,介绍让 OpenAI Codex 接入 HF Skills 仓库后完成端到端机器学习实验的流程。
推荐理由:教程给出从数据校验到成本预估的完整操作链,可直接迁移到自己的微调实验。
Hugging Face 发布 swift-huggingface,一个从零重写的 Swift 包,提供完整的 Hugging Face Hub 客户端,支持模型、数据集、spaces 等完整 Hub API 覆盖。
Hugging Face 发布 hf-llm-trainer skill,让 Claude Code 等编码智能体通过对话完成开源 LLM 微调的全流程,包括校验数据集、选择硬件、生成并提交训练任务、监控进度以及把模型推到 Hub。
推荐理由:教程给出了从数据校验到成本估算的完整闭环,读者可据此评估用对话完成微调的可行性。
Google Research 在 NeurIPS 2025 推出 Massive Sound Embedding Benchmark(MSEB),标准化评测转写、分类、检索、推理、分割、聚类、重排、重建八项听觉核心能力。
Hugging Face 发布 Transformers v5.0.0rc-0,日安装量超 300 万次、累计超 12 亿次,模型架构从 v4 的 40 个增至 400 多个。
推荐理由:官方系统梳理了 v5 在简化、训练、推理和量化上的取舍,读者可据此判断迁移成本与生态兼容变化。
Hugging Face 博客从注意力机制和 KV cache 出发,以提升吞吐量为目标推导出连续批处理(continuous batching)。
Hugging Face Blog 发布 Diffusers 对 FLUX.2 的支持,提供 Flux2Pipeline 与 Flux2Transformer2DModel 的加载代码,使用 diffusers/FLUX.2-dev-bnb-4bit 仓库、Mistral3 文本编码器和 enable_model_cpu_offload 进行文生图推理。
Hugging Face 的 Open ASR Leaderboard 新增多语言与长音频转写赛道,截至 21 Nov 2025 已对比来自 18 个机构的 60+ 开源与闭源模型、覆盖 11 个数据集,并配有一篇预印本总结趋势。
Hugging Face TRL 官方集成 RapidFire AI,让用户在几乎不改代码、不增加 GPU 需求的前提下并发比较多种微调/后训练配置。
Hugging Face 发布 AnyLanguageModel,一个可直接替换 Apple Foundation Models 框架的 Swift 包,只需把 import 语句换掉即可保持相同 API。
Hugging Face 发布教程,介绍如何用 kernels 库的 kernel-builder 构建、测试并把 ROCm 内核分享到 Hub,以 RadeonFlow_Kernels 的 GEMM 内核为例。
AMD 与 Hugging Face、Data Monsters 联合举办 AMD Open Robotics Hackathon,12 月 5-7 日在东京、12 月 12-14 日在巴黎各办一场线下赛,每队最多 4 名 18 岁以上成员,3 天内完成 LeRobot 开发环境搭建与自由项目开发。