跳到正文
#开源生态
9月4日周五
9月3日周四
  3. Aravind Srinivas89

    NVIDIA 宣布收购 Hugging Face，黄仁勋称开放模型能强化安全、加速创新与扩散并支持主权 AI，NVIDIA 将成为 Hugging Face 及其社区和开放模型未来的归属。Perplexity CEO Aravind Srinivas 转发表示，可便捷训练和部署开放模型的仓库对 AI 保持公众可及和有用至关重要，乐见 NVIDIA 以此支持开源社区。

    引用Jensen Huang@JensenHuang

    Exciting day for NVIDIA and @huggingface. Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty. They allow every developer, startup, university, industry and country to build with, customize and benefit from AI. Thank you @ClementDelangue for coming to me. NVIDIA is going to be a great home for Hugging Face, its community and the future of open models. 🤗 https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/

  4. Rohan Paul87

    NVIDIA 官方宣布以 $12.93B 收购 Hugging Face，其中约 $11.9B 付给股东、至多 $1B 用于员工保留股权，预计在获得监管批准后于 2027 年上半年完成交割。

    引用Jensen Huang@JensenHuang

    Exciting day for NVIDIA and @huggingface. Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty. They allow every developer, startup, university, industry and country to build with, customize and benefit from AI. Thank you @ClementDelangue for coming to me. NVIDIA is going to be a great home for Hugging Face, its community and the future of open models. 🤗 https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/

  7. Ars Technica：AI86

    Nvidia 以 130 亿美元收购 AI 模型平台 Hugging Face

    Nvidia 已同意以 130 亿美元收购 AI 模型平台 Hugging Face。Hugging Face 托管数百万模型和数据集，是开源 AI 的重要阵地，去年曾以 70 亿美元估值拒绝了 Nvidia 的大额投资以保持独立。Nvidia 称交易目标是加速开放权重模型的普及，这类模型设计公开，用户可自行下载、定制并在自有硬件上运行。

  11. IT之家·人工智能87

    英伟达宣布以约 129.3 亿美元收购 Hugging Face，预计 2027 年上半年完成

    英伟达 CEO 黄仁勋宣布，公司同意以 129.303 亿美元收购 Hugging Face，交易预计 2027 年上半年完成。双方将扩大平台规模、加强基础设施，Hugging Face 承诺继续面向整个 AI 生态开放，开发者无需使用英伟达算力即可在平台上开发和部署模型。目前平台有超过 1,800 万名开发者、300 多万个模型、50 万个数据集和 100 万个应用，企业用户超过 20 万家。

  12. NVIDIA Blog91

    NVIDIA 宣布以 129.303 亿美元收购 Hugging Face

    NVIDIA 宣布已同意以 12,930,300,000 美元收购 Hugging Face，黄仁勋在官方博客公布了这一消息。Hugging Face 目前有超过 1800 万开发者，托管超过 300 万个模型、50 万个数据集和 100 万个应用，服务超过 20 万家企业。

    推荐理由：原文来自收购方本人，给出了收购金额和对平台开放性的具体承诺，读者可以据此评估对开源生态的影响。

  17. Hugging Face 社区博客72

    Hugging Face 发布开源工具 funes，为编码智能体提供可本地持有的记忆层

    Hugging Face 发布开源工具 funes，为 Claude Code、Codex、pi、Hermes 等编码智能体提供本地记忆层，把已有会话记录索引成 Lance 数据集，一条 funes add 命令即可让 Agent 自主召回原始出处（Agent、时间戳、会话、轮次）。

    推荐理由：原文给出本地记忆层的检索机制、跨 Agent 复用方式，以及召回比压缩和交接更省成本的基准数字，方法可直接复用。

  18. Hugging Face 社区博客63

    用 TRL 和 OpenEnv 训练编码模型画水彩：Hugging Face 全流程开源复现

    Hugging Face 博客作者基于 Surya Narreddi 的原始想法，用 TRL、OpenEnv 和 Qwen/Qwen3.5-35B-A3B 复现了让语言模型通过 p5.brush 写 JavaScript 画水彩的 RL 训练流程，所有数据集、环境、脚本和模型均开源在 Hub。

    推荐理由：作者用 TRL 和 OpenEnv 完整开源复现了让编码模型画水彩的 RL 配方，含数据池、环境和三组奖励对比，可整体迁移复用。

  22. Aravind Srinivas60

    Perplexity 开源本地推理引擎 Lily，专为 Apple Silicon 上的 Qwen3.6-35B-A3B 优化，用于支撑 Mac 应用新推出的混合计算功能，避免端侧算力成为 Computer 任务瓶颈。

    引用Perplexity@perplexity_ai

    Today we’re open-sourcing Lily, the local inference engine we built for hybrid compute in Perplexity Computer. Lily is specialized for Qwen3.6-35B-A3B on Apple silicon, built so on-device compute doesn’t bottleneck Computer tasks. Read more: https://www.perplexity.ai/hub/blog/optimizing-on-device-inference-for-apple-silicon

  24. MiniMax (official)58

    FastVideo 发布的 FastH3 现已支持 NVIDIA DGX Spark，并通过 MLX 支持 Apple Silicon，较 MiniMax H3 基础版本地生成提速 8x。文中展示了一段 15 秒 1344×768 的视频，由两台 NVIDIA DGX Spark 完全本地生成。

    引用Hao AI Lab@haoailab

    (1/7) Last week FastVideo released FastH3. Today we bring it local: @NVIDIA DGX Spark 💚 and @Apple Silicon 🍎through MLX. 8x speedup! FastH3 now supported on NVIDIA DGX Spark and Apple Silicon! over base @MiniMax_AI H3 for local generation! This 15 seconds 1344×768 clip was generated on two NVIDIA DGX Sparks. Fully local. @NVIDIARTXSpark @NVIDIAAI

9月2日周三
  1. Rohan Paul56

    Cohub 是一个开源 Agent OS，为 Agent 提供会话之外的持久工作空间，集中管理文件、会话、工具、定时任务和可复用上下文。作者 Rohan Paul 转发了该项目的介绍，并重点分析其双层记忆模型：Space 保存单个项目的完整工作状态，只把持久性知识提升到作为组织记忆的 Hub，兼顾低成本保留执行状态与选择性沉淀共享判断。

    引用Xiuhan@xiuhan_xhu

    https://x.com/i/article/2092786084619145217

  3. Unsloth AI66

    Unsloth 通过 MTP（Multi-Token Prediction）让 Qwen3.8-Flash-Next 本地推理提速约 1.3 至 1.7 倍且精度不变，GGUF 在单张 RTX PRO 6000 上可达 170 tokens/s（基线 100 tokens/s）。

    引用Unsloth AI@UnslothAI

    Qwen3.8-Flash 现在可以在本地运行了！🔥 这个 125B 的 MoE 模型表现超过了 Claude-Opus-4.6（Max）。 通过 Unsloth GGUF 在 75GB 内存上运行。 Qwen3.8-Flash-Next 让 CPU 内存 / 统一内存配置也能达到接近 VRAM 的速度。 指南：https://unsloth.ai/docs/models/qwen3.8-next GGUF：https://huggingface.co/unsloth/Qwen3.8-Flash-Next-GGUF

    推荐理由：原文给出了 MTP 加速的具体倍数、显存门槛和各量化档位内存需求，读者可以据此判断自己的设备能否跑通。

  4. OpenClaw🦞51

    OpenClaw 转发 GitHub 的访谈视频，链接 https://youtu.be/5VSwaUXtPIE?si=vdegRI2eH4wXo2lG。GitHub 介绍视频由 OpenClaw 创作者 @steipete 及其维护者讲述该项目如何构建、扩展并保障安全，并称其为 GitHub 历史上增长最快的开源项目。

    引用GitHub@github

    🦞 @openclaw 2.0 has arrived! But what did it take to get here? 👀 Find out how creator @steipete and its maintainers built, scaled, and secured the fastest-growing open source project in GitHub history. 🚀 https://youtu.be/5VSwaUXtPIE?si=vdegRI2eH4wXo2lG

  5. Baseten 工程博客62

    Baseten 解析后训练最佳开源模型并按成本分档推荐

    Baseten 发文解析开源模型后训练的成本驱动因素，指出活跃参数量是 RL 后训练成本的最大来源，总参数和 KV cache 主要限制推理速度，并按成本档位推荐 DeepSeek-V4-Flash、GLM-5.2、Kimi K2.6、Kimi K2.7 Code、Nemotron-3-Super-120B 和 Qwen3 系列。选型建议关注库支持、基准表现和后训练循环成本三方面。

    推荐理由：原文把后训练成本拆解为活跃参数、总参数和 KV cache 三个因素，并按成本档位比较了多款开源模型，方法可直接迁移到选型。

  7. Meituan LongCat68

    LongCat-2.0 现已在 @cline 中免费试用！🐱 [引用 @cline]：LongCat-2.0 目前在 Cline 中免费使用。 这是一款来自 @Meituan_LongCat 的 1.6T 开源权重 MoE 模型，拥有 1M 上下文，得分与 Claude Opus 4.7 和 Gemini 3.1 Pro 相近。 立即尝试：npm i -g cline /model 在免费模型下选择 LongCat-2.0

    引用Cline@cline

    LongCat-2.0 现在在 Cline 中免费开放。 这是一个 1.6T 开放权重 MoE 模型，拥有 1M 上下文，来自 @Meituan_LongCat，得分与 Claude Opus 4.7 和 Gemini 3.1 Pro 相近。 立即试用： npm i -g cline /model 在免费模型下选择 LongCat-2.0

    推荐理由：官方宣布 LongCat-2.0 可在 Cline 免费试用，并给出安装命令和模型选择路径，读者可直接接入现有编码工作流。

  8. Rohan Paul83

    Bloomberg 报道 Nvidia 正接近以约 129 亿美元收购 Hugging Face，交易总额可能达约 140 亿美元，双方尚未达成最终协议，时间与细节仍可能变动。该价格约为 Hugging Face 2023 年融资轮 45 亿美元估值的 2.9 倍，按年化收入约 1.5 亿美元计算相当于 86 倍，Nvidia 还谈及在交易中加入 10 亿美元的员工留任方案。

    引用Rohan Paul@rohanpaul_ai

    最新消息：英伟达同意以129亿美元收购Hugging Face。 据报道，HuggingFace的年化收入约为1.5亿美元，这相当于该运行率的86倍。 - The Information。

    推荐理由：原文给出交易价格、估值倍数和留任奖金等关键细节，读者可以快速了解这桩收购的规模与进展。

  10. MiniMax (official)53

    MiniMax 官方宣布，基于 vLLM-Omni 和 FastVideo 团队（@haoailab）开源的 FastH3，并获 @NVIDIAAI 硬件支持，完整 10.1 秒含同步音频的 MP4 视频在 8.7 秒内渲染完成，生成速度快于播放速度。

    引用vLLM@vllm_project

    🎬Video generation faster than playback! 🚀MiniMax H3 on vLLM-Omni + FastVideo's FastH3: a complete 10.1s MP4 - video AND synchronized audio - rendered in 8.7s!⚡️ Thanks to @MiniMax_AI for the great Minimax H3 release, the FastVideo team @haoailab for open-sourcing FastH3 and helping on the serving integration, and @NVIDIAAI for the continued sponsorship and joint optimization efforts!

  11. Hao AI Lab50

    FastVideo 团队宣布 FastH3 Dense 已可在 vLLM-Omni 上服务。引用的 vLLM 项目演示显示，MiniMax H3 生成一段 10.1 秒、含同步音频的完整 MP4 仅需 8.7 秒，快于播放速度；FastH3 已开源，NVIDIA 提供赞助并参与联合优化。

    引用vLLM@vllm_project

    🎬Video generation faster than playback! 🚀MiniMax H3 on vLLM-Omni + FastVideo's FastH3: a complete 10.1s MP4 - video AND synchronized audio - rendered in 8.7s!⚡️ Thanks to @MiniMax_AI for the great Minimax H3 release, the FastVideo team @haoailab for open-sourcing FastH3 and helping on the serving integration, and @NVIDIAAI for the continued sponsorship and joint optimization efforts!

9月1日周二
  1. Hugging Face 社区博客62

    Hugging Face 发布 @huggingface/kernels，提供 207 个 WebGPU 内核用于浏览器本地 AI 推理

    Hugging Face WebAI 团队发布 @huggingface/kernels 库及 207 个以独立仓库形式托管在 Hub 上的 WebGPU 内核（Apache-2.0），每个内核带 manifest、正确性测试、基准用例和 WGSL 着色器模板。

    推荐理由：原文给出与 ORT WebGPU 的对比数据和开源加载方式，读者可据此评估浏览器本地推理的可行路径。