Hugging Face 宣布启动 Project ProtoStar，联合卡内基梅隆大学、普渡大学等机构，推动公共资助科研数据、模型和代码以 AI-ready 格式开放复用。首个挑战赛由 CMU 主办，将于 11 月 2 日开始，使用美国 210 个城市的历史天气数据训练 AI 预测 2019-2026 年气候指标，并产出政策建议。
推荐理由：Hugging Face 联合多所高校发起 ProtoStar，推动公共资助科研数据以 AI 可用格式开放，并通过挑战赛验证复用价值。
Hugging Face 发布 Mistral Large 4 开源，模型采用 1T 总参数 / 49B 激活的 MoE 结构，支持文本与图像输入，并提供 FP8、NVFP4 及 GGUF 量化版本。
推荐理由：文章给出了架构、基准分数和代码示例，读者可直接了解新模型的能力与部署方式。
Hugging Face 发布 Granite Switch 4.1.1，基于模块化 Switch 架构提供增量更新，重点更新了 Granite Speech ASR 与 granitelib-core 中的 Decision 适配器。
推荐理由：更新展示了模块化的 Switch 架构，在不重训基础模型的情况下快速迭代专业适配器。
Hugging Face 发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包，在 Apple 平台上提供可更换推理引擎的本地语音转文字和结构化决策 API。
推荐理由：这是Hugging Face在Swift侧扩展本地模型能力的新框架，覆盖语音识别和结构化决策两种场景。
NVIDIA 发布 Nemotron 3.5 Transcribe 开源语音模型，支持 40 种语言转录、31 种语言翻译及 13 种语言说话人归属，并在 Hugging Face Open ASR、David AI 和 VoiceArena 等多个榜单中获得开源模型第一。
推荐理由：模型在多个基准上刷新了开源记录，并附带 Granary v2 数据集和微调方案，方便开发者快速验证效果。
Hugging Face Blog 发布 TorchNeuronx 模型支持 Space，用于查询 Hugging Face Hub 上热门模型是否能在 AWS Trainium 上无需修改直接运行，并提供对应的 run.py 启动脚本与 Neuron 编译器版本。
推荐理由：官方给出不依赖手动适配的 Trainium 兼容查询入口和可复用启动脚本，直接对应落地部署路径。
微软联合HuggingFace在ThinkingBox-Bench基础上推出thinkingbox-training开源仓库，展示如何将ThinkingBox中“数据库终态可执行检查”作为GRPO奖励信号，并用离线策略相对难度筛选任务池，在Qwen3.8-27B上完成50步RL微调。
推荐理由：文章展示了ThinkingBox-Training的实现细节和训练结果，帮助开发者理解如何将数据库可执行检查转化为RL奖励机制。
AllenAI 发布 OlmoEarth v1.3，提供全球 10 米分辨率年度卫星嵌入，并在 Hugging Face 开源模型、预训练数据与代码。配套推出 OlmoEarth Embeddings Explorer，支持拖拽查看变化、找相似区域并就地训练轻量分类器。
推荐理由：发布了行星级卫星嵌入模型和免登录交互式探索工具，给出了基准对比和复现成本，读者可直接评估其对地理空间工作流的改变。
IBM 发布 Granite Speech 5.0 语音模型家族并更新 4.1 版本，含 granite-speech-5.0-2b、 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus，支持英语、法语、德语、西班牙语、葡萄牙语、日语等转录与翻译，并提供关键词偏置、说话人归属和原生标点功能。
推荐理由：原文披露了三个模型的能力差异与基准数字，开发者可据此按准确性、速度或多人场景选型。
NVIDIA 发布 Kumo Forecast（原 NV-Tesseract Forecasting），开源多变量时间序列预测模型与 Kumo-TS 代码库。该模型基于 MOMENT-1-large Transformer 主干，包含直接预测路径和 DARR 历史模式检索路径，并提供 horizon-specific 可解释性框架。
推荐理由：原文说明了Kumo Forecast的架构与DARR检索模式，并给出模型代码与权重链接，读者可直接基于此复现或微调。
Hugging Face 宣布发布 SimReady Central Library，提供一个包含超过 2000 个已准备好仿真属性的 OpenUSD 资产库，用于构建机器人物理 AI 训练环境和 AI 工厂数字孪生。
推荐理由：原文明确发布了 SimReady Central 库并给出使用方式和 OEM 准入路径，适合关注物理 AI 仿真生态的读者评估其对现有开发流程的影响。
NVIDIA 发布 Cosmos3-H-Dreams，面向腹腔镜胆囊切除术的交互式生成手术模拟器。模型基于 Cosmos 3，通过老师到学生蒸馏与 FlashDreams 加速，支持在单卡 NVIDIA RTX PRO 6000 上实时推理。
推荐理由：NVIDIA 把 Cosmos 系列能力拓展到腹腔镜手术场景，模型支持多步蒸馏与 FlashDreams 流式推理，开发者可在 RTX PRO 6000 上体验实时交互模拟。
Hugging Face 推出 TorchTPU，将 TPU 作为 PyTorch 原生后端，Transformers 和 Diffusers 现在可直接在 TPU 上运行，无需 PyTorch/XLA。TPU 上运行 Qwen3-30B-A3B 等模型时，结合 Pallas 内核可实现最高 21.5 倍的解码加速，目前 96.5% 的测试通过。
推荐理由：Hugging Face 官方介绍 TorchTPU 后端及 Transformers、Diffusers 的 TPU 原生支持，读者可了解迁移成本与性能收益。
Hugging Face 发布 AnyLanguageModel 1.0、swift-huggingface 1.0 和 swift-xet 1.0。
推荐理由：Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 平台本地与托管推理的 Swift API，并同步发布相关工具包。
PyTorch 2.15 为 Mac 带来多项改进。FP8 浮点支持到达 MPS，可通过 F.scaled_mm 直接进行 GPU 矩阵乘法。MoE 模型在 M3 Ultra 上使用 torch.compile 解码速度提升 5–6.6 倍，Qwen3.6-35B-A3B 从 9.4 提升至 61.3 tokens/s。
推荐理由：PyTorch 2.15 为 Mac 带来 FP8、MoE 加速和大量 Metal 原生内核，读者可据此评估本地运行大模型与视频生成的实际提升。
Hugging Face 宣布 TorchNeuron 将于 2026 年 10 月 20 日开放公共测试，用户可通过 pip install torch-neuronx 安装。
推荐理由：Hugging Face 宣布 TorchNeuron 公共测试，让 Transformers 等库原生支持 AWS Trainium 的 eager 模式与 torch.compile，降低部署门槛。
Hugging Face宣布Reflection推出的首个模型Beam开源，它是501B参数MoE模型，每token激活23B，支持1M上下文，主要面向编码和Agent场景。
推荐理由：文章给出了Beam的参数规格、推理部署与微调配方，有助于评估它在本地跑长上下文编码任务时的可行性。
IBM 发布 Granite Switch 4.1，8B 与 30B 两个版本通过 Decision aLoRA 与 Speech-to-text 组件在同一端点切换对话、决策与语音转写，共享 KV cache 并已在 vLLM 与 llama.cpp 中支持。
推荐理由：原版给出了一个模型端点同时支撑对话、决策和语音转写的能力组合，读者可直接对比多模型方案在显存与延迟上的差异。
NVIDIA宣布参与欧盟AI in Science Enablers Initiative，提供开源模型、数据集和软件工具。公司推出了新的Deep Learning Institute开源课程库，并通过Inception项目与法国、西班牙和瑞典的AI工厂合作，为初创企业开放计算资源。欧洲目前在建35台超级计算机，这是欧洲历史上单年度最大规模超算建设。
推荐理由：原文给出了欧盟科学计算倡议的参与方式，读者可了解欧洲科研界如何获得NVIDIA算力与模型支持。
Meta 在 Hugging Face Blog 发布开源权重的多模态大模型 Muse Spark Open。该模型约 816B 总参数、每次 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最长 1M tokens，定位为面向智能体编码等长任务模型。
推荐理由：Meta 开源 816B 多模态 MoE 模型，给出推理、微调与端侧量化部署方案，可评估其在长上下文代码与 Agent 任务上的可用性。