Hugging Face 的 WebAI 团队发布 @huggingface/kernels，一个从 Hugging Face Hub 加载并运行优化 WebGPU kernel 的 JavaScript 库，同时上线 207 个 kernel 的初始集合，均以 Apache-2.0 许可发布在 webgpu-kernels 组织下。
推荐理由：Hugging Face 发布 207 个 WebGPU kernel 与浏览器端加载库，并给出与 ORT WebGPU 的逐项对比数据。
Webflow 开源了 CLI 工具 ctxcop，在 AI 编程代理读取命令输出、文件或调用工具时，于模型看到内容前把凭证替换成占位符，支持 Claude Code、Cursor、Codex、Aider 等代理。
Lago 发布基于 Rust 构建的 MCP Server，让 Claude 等兼容 MCP 的 AI 客户端用自然语言读取实时发票、客户与用量数据，并支持重试失败付款这一项写操作，不能创建发票、改套餐或编辑客户记录。
Multiverse Computing 发布论文提出 Quantization-Aware Healing（QAH），直接从未压缩的原始模型蒸馏到已结构压缩并量化的学生模型，而非从恢复后的 bfloat16 checkpoint 蒸馏。
推荐理由：Multiverse Computing 公开 QAH 方法，4-bit 压缩模型在 9 项基准中 7 项超过自身 bfloat16 版本，可对照其压缩与蒸馏流程。
Gradio 发布内置的 gr.Workflow，把多步 AI 流程描述为由带类型节点组成的图，并直接渲染成可拖拽画布，每个节点可运行、每个中间结果可见。同一张图同时是 REST API，每个输出按标签生成独立端点，可用 Gradio client 或 curl 调用，也能一键部署到 Hugging Face Spaces。
Liquid AI 为 LFM2.5 家族的 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍。
推荐理由：Liquid AI 为 LFM2.5 三个模型发布 DSpark 草稿模型，给出 H100 与 M4 Max 上的实测加速比和接入命令。
Hugging Face 2026 年 1 至 8 月观察显示，中国实验室的月度最大开源模型参数规模在 754B 至 2.78 万亿之间，而美国模型在七个月中有五个月低于 130B。
Strands Robots 演示了如何用单个 agent 循环完成机器人数据闭环：录制演示、直接从 Hugging Face Hub 流式读取训练、再把策略部署回硬件，全程保持 LeRobot 磁盘格式不变。
Vercel 为 AI SDK 搭建了名为 ai-sdk-factory 的软件工厂，运行四周后由 agent 撰写的 PR 占每周合并量的 25-35%，7 月超过 75% 的已关闭 issue 由工厂关闭，开放 issue 从 6 月底峰值 1,022 降到 8 月初的 844。
推荐理由：Vercel 公开了 AI SDK 维护中软件工厂的架构与四周运行数据，可看到 agent 分工、沙箱隔离和人工审核如何配合。
NVIDIA Nemotron 3.5 Lightning 已在 Ollama 上线，可完全在本地设备运行。
Meta Superintelligence Labs 的首个开源模型 Muse Glimmer 已在 Ollama 上线，这是一个 30B 多模态模型，面向本地运行的 Agent 工作负载，上下文长度 128K+，采用 Apache 2.0 许可。
Meta 发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数的多模态模型，采用 Apache 2.0 许可，面向本地 agentic 场景，如编码、文档分析和个人助理。
推荐理由：Meta 发布 30B 多模态开源模型 Muse Glimmer，并给出 transformers、llama.cpp、vLLM 的本地部署与微调路径。
Sentry 分享了其内部自动化调试工作流：用 AI 调试 agent Seer 的 autofix 在核心 Sentry、文档、MCP server 和 CLI 等项目的 GitHub 仓库中定位根因、生成修复方案并自动开 PR，再用每小时运行的 Claude routine 检查 Slack 中 4 小时内的新 PR、指派最合适的评审人并提醒合并或关闭。
Supabase 开源了 supabase/evals，一套用于测试 AI Agent 构建 Supabase 项目能力的基准与框架，让 Claude Code、Codex、OpenCode 等编码 Agent 在真实 Supabase 任务上运行并被打分。
PostHog 过去 6 个月把月均 PR 量从 1 月的 1,441 个提升到 6 月的 4,725 个，工程人数只增加 10%，目标"每月 10,000 个 PR 很轻松"可能提前到 9 月达成。
一位开发者趁 GitHub 频繁宕机，让 AI agent 用仍处 beta 的 Neon 后端套件搭出一个可用的 Git 托管服务。他此前完全不了解 Git 服务端内部机制，结果却出乎意料地顺利。
Diffusers 现已可直接用 from_pretrained() 加载 Nunchaku 4-bit 量化检查点，无需本地 CUDA 编译或独立推理引擎。
Lago 的 Agent SDK 新增价格模式，开启后 SDK 会查询模型价格、按 token 用量算出美元成本、应用你设置的加价，并向 Lago 发送一条 llm_cost 事件用于动态计费。
推荐理由：Lago 把 LLM 调用的美元成本与加价直接算进计费事件，做转售的开发者可据此省掉自建定价层。
Ollama 宣布完成 8800 万美元融资，由 Benchmark 的 Peter Fenton 领投，Theory Ventures、8VC、Y Combinator 及 Docker 创始人 Solomon Hykes 等参投。
Hugging Face 与 Cerebras 联合演示了一套开源的实时语音到语音管线，用 Cerebras 加速 Gemma 4 31B 的推理。管线各层模块化可替换，依次为 Nvidia Parakeet 语音识别、Cerebras 上的 Gemma 4 VLM 推理、阿里 Qwen3TTS 文本转语音。
Netlify 开源了 AXIS，一套用于衡量服务对 AI agent 友好程度的评分框架与工具，类似 Agent Experience 版的 Lighthouse。
PaddleOCR 在 Hugging Face 发布 PP-OCRv6 通用 OCR 模型家族，提供 tiny、small、medium 三档，参数从 1.5M 到 34.5M，其中 small 和 medium 支持 50 种语言。
PostHog 发布了一条产品改进流水线，把产品数据中的信号分组为问题，再由后台 agent 研究并自动在 GitHub 开 PR，直到 CI 通过。
Hugging Face 团队分享了用本地模型给 OpenClaw 仓库做 issue 与 PR 分类的方案，在 NVIDIA GB10 上运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b，通过 Pi harness 加只读 reposhell 与 final_json 结构化输出完成标签分类，再按规则推送到 Discord。
推荐理由：作者公开了用本地模型加受限 shell 做 PR 分类的完整配方与 330 行评测数据，可迁移到其他高吞吐筛选场景。
OpenRouter 是托管路由网络，充值后调用一个 OpenAI 兼容端点，即可在 70+ 供应商间自动故障转移，无需自持供应商密钥；Portkey 是 AI 控制平面，2026 年被 Palo Alto Networks 收购，在你已有的密钥前加治理、提示词管理与可观测性。
Hugging Face 发布了一套针对 Agent 使用工具的基准测试方法，以 transformers 为案例，衡量 Agent 完成任务所耗费的 token、延迟与失败次数，而非只看最终答案。
智谱发布旗舰模型 GLM-5.2，主打长任务能力，首次在 1M token 上下文上稳定支持长程工作，并以 MIT 协议开源。它引入 IndexShare 架构，每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下把每 token FLOPs 降低 2.9×，同时改进 MTP 层使投机解码接受长度最多提升 20%。
推荐理由：GLM-5.2 把 1M 上下文和编码能力做成开源模型，读者可据此判断它在长任务上与闭源前沿的差距。
Vercel 发布开源 agent 框架 eve，目前已进入公开预览，用于构建、运行和扩展 agent。eve 把 agent 定义为一个文件目录，agent.ts 配置模型、instructions.md 定义身份，工具、技能、子 agent、渠道和定时任务都通过新增文件接入，构建时自动装配。
推荐理由：Vercel 开源了自家在用的 agent 框架，文件即 agent 的设计和内置的持久化执行、沙箱、审批值得一看。
Ollama 更新了 MLX 引擎，称在 Apple Silicon 上实现迄今最高性能，模型响应更快、质量更高且占用内存更少。新引擎支持 NVIDIA 的 NVFP4 格式，官方称相比 q4_K_M 约将 4-bit 量化的质量损失减半，输出速度约快 20%。
Cursor 的 Bugbot 平均审查时间从约 5 分钟降至约 90 秒，单次运行成本降低约 22%，每次审查平均多发现 10% 的 bug（从 0.56 升至 0.62），这些提升来自训练 Composer 2.5 的进展。
作者让编码 agent 调用两个 Hugging Face Spaces，把巴黎地标做成 3D Gaussian splat 画廊，全程没有手动打开图像生成器或 3D 重建工具。
推荐理由：作者用两个 Hugging Face Spaces 串起提示词到 3D 的完整流程，展示了 agents.md 让模型可被 agent 直接调用的做法。
Cohere 发布 North Mini Code，这是其首个开源 agentic 编码模型，采用 MoE 架构，30B 总参数、3B 激活，Apache 2.0 许可，支持 256K 上下文。
推荐理由：Cohere 首款开源 agentic 编码模型，30B 总参数仅 3B 激活，可本地部署，适合关注小模型编码能力的开发者。
Sentry 的 SDK 团队用一个 Claude skill 自动复现 GitHub issue：输入 issue URL 后解析语言与版本、用 uv/npm/bundle 等标准工具搭出最小复现、写运行说明并提 PR，必要时回链原 issue。
Ollama 0.30 发布，通过 llama.cpp 增强 GGUF 模型兼容性，并补充 Apple silicon 上的 MLX 引擎。NVIDIA 硬件性能最高提升 20%，Vulkan 默认启用，将 GPU 加速扩展到 AMD 和 Intel 设备。新版本还支持 LFM、Prism 及 Unsloth 发布的微调模型，并可直接从 Hugging Face 运行 GGUF 模型。
Hugging Face 重新设计官方命令行工具 hf CLI，使其同时适配人类用户和编码 Agent，并在 hf v1.9.0 引入 agent-mode 输出。
Hcompany 发布 Holo3.1 系列计算机操作 Agent 模型，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF、NVFP4 量化权重用于本地推理。
推荐理由：Holo3.1 补齐移动端与本地量化部署，并给出各尺寸在 OSWorld、AndroidWorld 上的分数对比。
JetBrains 发布 Mellum2，一个从零训练、面向自然语言与代码的 12B 参数 Mixture-of-Experts 模型，每个 token 仅激活 2.5B 参数，采用 Apache 2.0 许可。官方称其推理速度比同规模模型快 2 倍以上，可用于路由、RAG、摘要、子代理和高吞吐编码功能，并支持私有部署。模型已在 Hugging Face 上线，技术报告发布于 arXiv。
推荐理由：JetBrains 开源 12B MoE 模型，激活 2.5B 参数且推理快 2 倍，适合路由、RAG 与子代理等高频低延迟场景。
Groq SDK 发布 v1.4.0，新增对 pydantic 迭代器进行提前校验（eagerly validating）的支持。该版本于 2026-05-12 提交，完整变更记录见 v1.3.0...v1.4.0。
Hugging Face TRL 合并了一个新 PR，把 RL 训练中变化的权重编码为稀疏 safetensors 文件上传到 Hugging Face Bucket，再由 vLLM 拉取。
Together AI 发布开源视频翻译工具 Violin，基于 Together API，用 ASR、LLM 翻译和 TTS 三段流水线把视频翻译成其他语言，代码以 MIT 许可开源。