ZGateway：Meta 为 ZippyDB 引入代理层，承载 40% 流量
Meta 推出 ZGateway，作为 ZippyDB 客户端与 ZServer 数据库之间的无状态代理层，目前承载约 40% 的 ZippyDB 流量，预计将增长至 60% 以上，每秒可处理超过 10 亿次操作，平均用例仅增加约 6% 计算开销。
#Meta
#Meta
今日 5 条Meta EngineeringAI 评分2222
Meta EngineeringAI 评分4949 Meta 构建组织级"第二大脑"：让 AI 智能体从专家反馈中持续学习
Meta 工程团队构建了一个面向合规领域的 AI 智能体，作为领域"第二专家"沉淀机构知识。系统将知识架构与推理层分离，通过自改进闭环把专家反馈编译为经过回归测试的更新，无需重训练模型，并将 200+ 文件按 Position、Taxonomy、Routing、Gateway 等类型组织成严格分类体系。
The Pragmatic EngineerAI 评分5858 The Pulse：Meta 因 AI 计划将团队缩减 60%
Gergely Orosz 在 The Pulse 中讨论 Meta 是否真的因为 AI 决定把团队规模缩减 60%，并援引 Reuters 的深度报道称 Meta 管理层决定削减 60% 的团队规模，并于 1 月制定计划，执行这家社交媒体巨头史上最大规模裁员。
Meta EngineeringAI 评分5353 Meta 推出面向 AI 规模以太网的 RDMA 传输协议 MetaRoCE
Meta 发布 MetaRoCE，一个专为 AI 工作负载在通用以太网上运行而从头设计的 RDMA 传输协议，并通过 OCP 开放规范、参考软件实现和合规测试套件。
Meta Engineering精选AI 评分6363 Meta 发布首款内置网卡的训练芯片 MTIA 300
Meta 发布 MTIA 300，这是其自研 MTIA 系列中首款面向排序和推荐模型训练优化的芯片，在芯片封装内集成两个网络 chiplet，各含 6 个定制 800 Gbps RDMA NIC，总 I/O 带宽达 1.2 TB/s，无需经过 PCIe 总线。
推荐理由：Meta 给出 MTIA 300 的内置网卡与卸载式集合通信设计，可对比传统 GPU 集群的通信瓶颈。
Interconnects · Nathan LambertAI 评分2626 Nathan Lambert：开源模型生态为何愈发依赖 Nvidia 的“造 token 机器”
Nathan Lambert 认为，开源模型生态正越来越依赖 Nvidia 的投入，后者据报道已为此花费 260 亿美元。他把带完整训练配方、数据和代码的开源语言模型比作 Linux，而只放权重和推理代码的开源权重模型更像具体软件版本。若这套投入无法带来与 Anthropic、OpenAI API 相当的回报，开源模型或转向偏效率、可修改和专用化的长尾路线。
The Pragmatic EngineerAI 评分5353 The Pulse：Meta 自食其果的离职潮
Meta 的裁员和强制转岗让未受影响的工程师也开始寻找新工作，形成一轮离职潮；Meta 如今用大额股权挽留这些人，但似乎并不奏效。作者还提到 Cursor 团队发布了一个通用 AI harness，体验类似“面向知识工作的 Codex”，他试用后用它自动化了大量日常工作，并认为更多 AI 厂商会跟进这一形态。
Meta Engineering精选AI 评分6262 Meta 如何在 WhatsApp 以端到端加密与可验证性构建 Scam Alert
Meta 在 WhatsApp 上构建了可选的 Scam Alert 功能，用端侧机器学习模型在本地对来自非联系人的消息做诈骗概率分类，消息内容不会离开设备，也不会被自动上报。
推荐理由：原文给出 WhatsApp 端侧反诈告警的隐私架构与可验证设计，读者可了解端侧模型在加密通信场景的完整工程路径。
NVIDIA Developer Blog精选AI 评分6464 Meta 开源 Muse Glimmer：30B 稠密模型，面向本地智能体工作流
Meta 重返开源生态，发布 Muse Glimmer，一个 30B 开源权重稠密模型，上下文窗口超过 120K，面向本地 AI 智能体工作。该模型针对 NVIDIA 边缘、桌面和工作站 AI 平台优化，可在单 GPU 上达到 20K tokens/sec，让常驻智能体在本地处理数据并执行复杂任务。
推荐理由：Meta 回归开源发布 30B 本地智能体模型，并给出单 GPU 吞吐数字和运行平台范围。
Hugging Face Blog精选AI 评分8282 Meta 发布 Muse Glimmer：30B 本地智能体多模态开源模型
Meta 发布多模态模型 Muse Glimmer，从 Muse 蒸馏到 30B 参数，采用 Apache 2.0 许可，面向本地智能体场景，可用于编码、文档分析和个人助理。
推荐理由：材料给出 30B 多模态模型在智能体与编码基准上的完整对比表和本地部署路径，可判断其端侧适用边界。
Meta EngineeringAI 评分3737 Meta 广告排序新架构：多阶段序列模型与类 LLM 缩放定律
Meta 为广告排序提出多阶段序列模型架构，将重的离线用户建模与轻量的在线排序解耦，并引入稠密 tokenization 与 target-aware 注意力直接学习特征交互。
Hugging Face BlogAI 评分1616 GPU 管理：为什么闲置 GPU 是新的停飞客机
Hugging Face 发文指出，AI 的下一道真实约束是利用率而非智能，闲置 GPU 如同停飞客机——成本按日历小时计提，产出只按算力小时累积。
Interconnects · Nathan LambertAI 评分3030 禁止开源 AI 将是个错误：Interconnects 与 Interconnected 联合评论文章
Interconnects 与 Interconnected 联合发表评论文章，警告华盛顿近期的 AI 监管动作可能进一步波及甚至禁止开源 AI，认为这将是严重错误。
Hugging Face Blog精选AI 评分6161 Hugging Face 旗下 OpenEnv 转为委员会治理并明确为智能体 RL 互操作层
Hugging Face 宣布 OpenEnv 转为由 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft 等组成的委员会协调，项目地址移至 huggingface/OpenEnv。
推荐理由：原文交代了 OpenEnv 转向委员会治理并明确自身为协议层而非奖励框架，读者可据此判断开放智能体 RL 的协作边界。
Google DeepMind精选AI 评分7474 Google 将 SynthID 与 C2PA 内容验证扩展到 Search、Gemini 和 Chrome
Google 宣布扩展内容透明度与验证工具，把 SynthID 的图片、视频、音频验证从 Gemini app 扩展到 Search，并将在未来几周进入 Chrome，Gemini 中该功能已被使用 5000 万次。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到 Search、Gemini 和 Chrome，并开放云端检测 API，读者可了解内容溯源工具的实际入口与合作方。
Hugging Face BlogAI 评分4444 Safetensors 加入 PyTorch 基金会
Safetensors 已加入 PyTorch 基金会，成为 Linux 基金会下托管项目，与 DeepSpeed、Helion、Ray、vLLM 和 PyTorch 并列，商标、代码仓库与治理权归属 Linux 基金会而非任何单一公司。
Hugging Face BlogAI 评分2424 OpenMed 训练跨 25 物种的 mRNA 语言模型：CodonRoBERTa-large-v2 困惑度 4.10，仅耗 165 美元
OpenMed 用 250k 条 CDS 对比多种 Transformer 架构后，确定 CodonRoBERTa-large-v2 在密码子级语言建模上最优，困惑度 4.10、Spearman CAI 相关性 0.40，明显优于 ModernBERT。
Hugging Face BlogAI 评分5858 OpenEnv 实践：在真实环境中评测工具调用智能体
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。
Hugging Face BlogAI 评分2828 Hugging Face Open ASR Leaderboard 新增多语言与长音频赛道，并发布 60+ 模型趋势预印本
Hugging Face 的 Open ASR Leaderboard 新增多语言与长音频转写赛道，并发布了一份基于 60+ 个开源与闭源模型的趋势预印本。
Hugging Face Blog精选AI 评分6060 Meta 与 Hugging Face 联合发布 OpenEnv Hub 智能体环境共享中心
Meta 与 Hugging Face 宣布合作推出 OpenEnv Hub，一个供开发者构建、分享和探索智能体环境（agentic environments）的开放社区中心，这些环境定义了智能体执行任务所需的工具、API、凭证和执行上下文，可用于训练和部署。
推荐理由：Meta 与 Hugging Face 联合推出的智能体环境共享中心，给出环境规范与训练部署一体的路径。
Hugging Face Blog精选AI 评分7272 Meta 发布 Gaia2 基准与 ARE 智能体评测环境
Meta 发布 GAIA 的后续基准 Gaia2 以及开源框架 Meta Agents Research Environments（ARE），用于运行、调试和评测智能体。
推荐理由：Meta 发布 Gaia2 基准与 ARE 环境源码，给出多模型在模糊、噪声与时间推理任务上的实测结果，便于对照自身智能体能力。
Hugging Face BlogAI 评分4949 Arm 与 ExecuTorch 0.7：让生成式 AI 走向大众
ExecuTorch 0.7 beta 将默认启用 Arm KleidiAI，为基于最新 Arm CPU 架构及大量旧款手机自动带来加速，开发者无需改代码即可通过 ExecuTorch 和 XNNPack 获得优化，实现更快的模型启动、更低延迟和更小内存占用。
Hugging Face BlogAI 评分3333 NVIDIA AI-Q Blueprint 基于 Llama Nemotron 登顶 DeepResearch Bench 开源榜首
NVIDIA AI-Q Blueprint 在 DeepResearch Bench 的"LLM with Search"榜单上以 40.52 分登顶，成为得分最高的完全开源许可方案。
Hugging Face BlogAI 评分3737 Hugging Face 与 AMD 为 MI300X 打造自定义内核，加速 Llama 3.1 405B FP8 推理
Hugging Face 与 AMD 合作，为 MI300X 编写开源优化内核，提升 Llama 3.1 405B 在 FP8 下用 VLLM 的推理性能。三个自定义内核——融合残差连接、RMS norm 与 FP8 转换，融合 SwiGLU 激活与 FP8 转换，以及 Skinny GEMM——带来显著加速，测量基于输入 1、输出 128 的解码场景。
Hugging Face BlogAI 评分4949 NVIDIA Llama Nemotron Nano VL 上架 Hugging Face：8B 文档处理 VLM
NVIDIA Llama Nemotron Nano VL 已上架 Hugging Face，这是一款 8B 视觉语言模型，面向智能文档处理与 OCR。
Hugging Face BlogAI 评分2323 Featherless AI 成为 HF Mirror Inference Providers 支持的服务商
Featherless AI 已接入 HF Mirror Hub 的 Inference Providers，其无服务器推理可直接用于模型页面及 JS、Python 客户端 SDK。
Hugging Face BlogAI 评分2424 Hugging Face 盘点 Vision Language Models 一年进展：更小、更强、更快
Hugging Face 发布博客回顾过去一年视觉语言模型（VLM）的关键变化：Qwen 2.5 Omni 采用 Thinker-Talker 架构，MiniCPM-o 2.6 以 8B 参数覆盖视觉、语音和语言；Moonshot AI 的 Kimi-VL-A3B-Thinking 用 16B 总参数、2.8B 激活参数的 MoE 解码器实现长链式推理。
Hugging Face BlogAI 评分5757 Meta 发布 Llama Guard 4 与 Llama Prompt Guard 2 安全模型
Meta 发布 Llama Guard 4 和两个 Llama Prompt Guard 2 安全模型。
Hugging Face BlogAI 评分3434 HF Mirror 与 Cloudflare 合作，让 FastRTC 实时语音与视频更顺滑
HF Mirror 与 Cloudflare 达成合作，FastRTC 开发者用一个 HF Mirror token 即可接入 Cloudflare 覆盖 335 个以上地点的全球 TURN 网络。
Hugging Face Blog精选AI 评分8787 Llama 4 Maverick 与 Scout 上线 Hugging Face，两款 MoE 多模态模型开放权重
Meta 发布 Llama 4 Maverick（约 400B 总参数、17B 激活）和 Llama 4 Scout（约 109B 总参数、17B 激活）两款原生多模态 MoE 模型，权重已上线 Hugging Face 的 meta-llama 组织，含 base 与 instruct 版本，需先接受 Llama 4 社区许可协议。
推荐理由：Meta 同日发布 Llama 4 Maverick 与 Scout 两款 MoE 多模态模型，并给出架构细节与 Hugging Face 侧集成方式。
Hugging Face BlogAI 评分4141 如何在手机上用 React Native 本地运行 LLM：Hugging Face 的 EdgeLLM 指南
Hugging Face 发布教程，教你用 React Native 和 llama.rn（llama.cpp 的绑定）构建本地运行 LLM 的移动应用，通过加载 GGUF 文件从 HF Mirror 下载模型，全程离线保护隐私。
Hugging Face BlogAI 评分5252 Open R1 发布 OpenR1-Math-220k 数学推理数据集
Open R1 项目发布首个大规模数学推理数据集 OpenR1-Math-220k，用 DeepSeek R1 在 512 张 H100 本地生成 400k 道题的解答，过滤后保留 220k 道含正确推理轨迹的题目。
Hugging Face BlogAI 评分4848 Diffusers 中的开源视频生成模型现状
Hugging Face 发布 Diffusers 开源视频生成模型现状综述，梳理了 CogVideoX、Mochi-1、Hunyuan Video、Allegro、LTX Video 等模型，并对比 Meta MovieGen、OpenAI Sora、Google Veo 2 等闭源方案。
Hugging Face BlogAI 评分4141 如何用 NVIDIA KVPress 压缩 KV Cache 搞定 LLM 长上下文
NVIDIA 推出 Python 工具包 KVPress，通过多种 press 压缩 KV Cache，缓解长上下文 LLM 的显存瓶颈。以 Llama 3-70B 的 bfloat16 精度、1M token 上下文为例，KV Cache 独占 327.6GB，占约 470GB 总显存需求的 70%。
Hugging Face BlogAI 评分2727 在 GCP 第 5 代 Xeon 上基准测试语言模型性能
Hugging Face 用 optimum-benchmark 在 Google Cloud 的 C4（第 5 代 Intel Xeon，Emerald Rapids，带 AMX）和 N2（第 3 代 Xeon，Ice Lake，仅 AVX-512）上对比测试文本嵌入与文本生成。
Hugging Face BlogAI 评分3636 CFM 案例：用 LLM 辅助标注微调小模型，NER 准确率提升 6.4%、成本降低 80 倍
Capital Fund Management（CFM）用 Llama 3.1 辅助标注金融新闻命名实体识别数据，再微调 GLiNER 与 SpanMarker 小模型，F1 分别从 87.0% 和 47.0% 提升至 93.4% 和 90.1%。
Hugging Face BlogAI 评分2222 你也能设计出 SOTA 位置编码：一步步推导出 Llama 3.2 使用的 RoPE
一篇教程从零迭代推导 Transformer 位置编码，最终抵达 Llama 3.2 及多数现代 Transformer 采用的旋转位置编码（RoPE）。文章先给出理想位置编码应满足的 5 条性质，包括每个位置编码唯一且与序列长度无关、相邻位置间存在线性关系、可泛化到训练长度之外的序列、可由模型学习的确定性过程生成，以及能自然扩展到多维以支持图像等数据。
Hugging Face BlogAI 评分3232 Hugging Face 详解 LayerSkip 自推测解码：用早期层草稿加速文本生成
Hugging Face 博客介绍了源自 LayerSkip 论文的自推测解码（self-speculative decoding）：用同一 LLM 的浅层生成草稿 token、深层负责验证，无需额外草稿模型即可同时提升速度并节省显存。
Hugging Face BlogAI 评分4242 Llama 3.2 已在 Keras 中可用
Llama 3.2 的 Keras 支持从发布第一天起就已可用，可直接从 HF 标准 safetensors checkpoint 加载，包括 3.2 checkpoint，需要转换时会即时完成。
Hugging Face BlogAI 评分2121 Hugging Face 发布 BenCzechMark：首个捷克语 LLM 综合评测基准
Hugging Face 发布 BenCzechMark，称其为首个也是最全面的捷克语 LLM 评测套件，含 50 项任务、9 个类别，90% 任务为原生非翻译内容。配套排行榜已收录 25 个以上不同规模的开源模型，覆盖阅读理解、事实知识、语言建模、数学推理等维度，评测指标包括 Acc、EM、AUROC 和词级困惑度。