Hugging Face 的模型分发与托管：新模型上架、推理端点与企业版定价、Spaces 上可玩的 demo——模型层的「应用商店」。
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，这是一个 501B 参数的 MoE 模型，每 token 激活 23B，支持 1M token 上下文，采用 Apache 2.0 许可，聚焦编码与 Agent 场景。
推荐理由：Hugging Face 官方博客详解 Reflection 开源 501B MoE 模型 Beam 的架构、部署与后训练配方，适合关注大模型自托管与微调的团队。
Liquid AI 发布 LFM2.5-24B-A2B，一个 24B 总参数、2B 激活参数的推理模型，面向设备端运行私有 Agent，会先思考再回答并调用工具。
推荐理由：Liquid AI 发布 24B 总参数、2B 激活参数的端侧推理模型，给出与更大 MoE 的基准对比和本地部署方式。
Cloudflare 在 Workers AI 上线 Clef-omni，这是 Clef 系列开放权重决策模型的新成员，可直接接收音频（WAV 或 MP3）和视频（MP4 或 WebM）输入，无需先转录再串联模型。
推荐理由：Cloudflare 在 Workers AI 上线支持音视频输入的 Clef-omni，并下调 Clef-flash 价格，可据此比较各档模型的价格与上下文取舍。
Cloudflare 发布 Clef-omni，可同时接收音频（wav/mp3）、视频（mp4/webm）、图像和文本输入，基于 Qwen3-Omni-30B-A3B-Instruct MoE 架构，已在 HuggingFace 开源权重。
推荐理由：Cloudflare 发布支持音视频输入的多模态决策模型 Clef-omni，并同步下调 Clef-flash 价格、提升 Clef 速度。
作者用 HuggingChat 里的 ML-intern 模式，在几天内做出六个模型，包括把 9B 提示词改写器蒸馏成 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机角度 LoRA、涂鸦替换 LoRA 和 Agate 4 步蒸馏模型，总 GPU 与 CPU 算力费用约 103 美元。
推荐理由：作者公开了用 ML-intern 从零训练六个小模型的完整提示词写法与逐项算力账单，可迁移到自己的模型微调流程。
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的端侧多模态嵌入模型，原生支持文本、图像、音频和视频的统一嵌入空间。
推荐理由：Google DeepMind 发布 740M 参数的多模态嵌入模型，给出端侧内存占用与向量截断方案，可据此评估本地检索管线。
Google 发布 EmbeddingGemma 2，一个基于 Gemma 4 的 sub-1B 开源多模态嵌入模型，采用 Apache 2.0 许可，把文本、代码、图像、视频和音频映射到统一的 768 维空间。
推荐理由：Google 发布 EmbeddingGemma 2 开发者指南，给出多模态嵌入的加载、截断与选型方法。
Together AI 发布教程，演示如何用 Qwen3.5 4B 为基座模型、从 Hugging Face 的多个数据集采样约 3.8 万条样本做微调，训练成本约 $17、耗时约 25 分钟。
推荐理由：Together AI 官方给出从数据准备到部署分类模型的完整流程，训练成本约 $17、耗时约 25 分钟。
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。
Stability AI 发布 Stable Audio 3.0 模型家族，包含 Small SFX、Small、Medium 和 Large 四款模型，均基于完全授权数据训练。
推荐理由：Stability AI 发布开放权重音频模型家族，读者可据此了解可商用授权与本地部署的边界。
Cohere 发布开源 ASR 模型 Transcribe（cohere-transcribe-03-2026），采用 Conformer 编码器-解码器架构，2B 参数，Apache 2.0 许可，支持 14 种语言，已在 Hugging Face 开放下载。
推荐理由：Cohere 发布开源 ASR 模型 Transcribe，给出 5.42% 平均 WER 与 14 种语言支持，可对照 Whisper 等模型评估选型。
Replicate 宣布 FLUX 微调运行速度大幅提升，微调后的运行速度已与基础模型相同：FLUX.1 [schnell] 在 512x512、4 步下为 0.6 秒（P50），FLUX.1 [dev] 在 1024x1024、28 步下为 2.8 秒（P50）。
推荐理由：Replicate 公布 FLUX 微调提速的具体延迟数字与开源优化方式，并说明如何关闭这些优化。
Stability AI 的 Stable Diffusion 3.5 已在 Replicate 上线，提供 Large、Large Turbo 和 Medium 三个版本，Large Turbo 只需 4 步即可生成高质量图像。
推荐理由：Replicate 上线 Stable Diffusion 3.5 三个版本，并给出每张图价格与商用授权门槛，便于开发者评估接入成本。
Replicate 现在支持用 Ostris 的 AI Toolkit 微调 FLUX.1 [dev]，通过上传少量示例图片即可让模型学会新的风格、角色或物体，训练采用 LoRA 技术。
推荐理由：Replicate 官方给出 FLUX.1 微调的完整流程与成本，含数据准备、参数和定价细节。
Replicate 发布教程，演示如何用 BAAI/bge-large-en-v1.5 模型生成文本嵌入，并给出从文本列表、JSONL 文件到 SAMSum 数据集的完整代码流程。
推荐理由：Replicate 官方给出用 BGE 模型生成文本嵌入的完整流程，并实测其成本低于 OpenAI Ada v2。
Replicate 现在支持部署、运行和微调大型语言模型，官方提供 FLAN-T5、GPT-J 和 LLaMA 版本，也可以推送任意自定义模型。模型可用 Python、Node.js 或 HTTP API 调用，无需自建服务器或 GPU；微调功能处于预览阶段，先开放少量名额，支持 Flan-T5、GPT-J 和 LLaMA。
推荐理由：Replicate 上线语言模型托管与微调预览，开发者可据此判断是否把模型部署从自建 GPU 迁到 API。
Replicate 发布教程，介绍如何用 LoRA 和 Alpaca 训练数据微调 LLaMA，并给出从克隆 Alpaca-LoRA 仓库、安装 Cog、转换权重到微调和运行模型的完整步骤。
推荐理由：Replicate 官方给出用 Alpaca-LoRA 微调 LLaMA 的完整步骤，含硬件要求与耗时，可照着复现。