把 AI 拟人化之前，先弄清「AI 想要」是什么意思
语言学家指出「want」在英语中历经「缺乏、需要、欲望」三层含义，而 Gowers 讨论 AI 灭绝风险时把 P(W)（AI 拥有「想要」的概率）估为接近 100%，其「想要」指训练目标驱动的外显行为而非主观感受。
#Hugging Face
Hacker News AIAI 评分3636
MarkTechPostAI 评分5959 Baseten 发布 2B 决策模型 joey-1，每百万 token 定价 0.01 美元
Baseten 旗下 Base Labs 发布 2B 决策模型 joey-1，基于 Qwen3.5-2B 后训练，输出标签和校准概率而非生成文本，每百万输入 token 定价 0.01 美元，权重以 MIT 协议开源在 Hugging Face。
TechCrunch · AI同新闻AI 评分7878 Mistral 开放万亿参数模型 Mistral Large 4 权重，主打网络安全
Mistral 发布万亿参数开源模型 Mistral Large 4（ML4，昵称 Le Chonk）的权重，企业与政府可在 Hugging Face 和 API 上自行下载部署。
Baseten BlogAI 评分5858 Baseten 发布决策模型 joey-1，单次决策成本约一美分
Baseten 旗下 Base Labs 发布决策模型 joey-1，直接输出标签和校准后的置信度分数，而非生成文本。joey-1 基于 Qwen3.5-2B 后训练，处理平均 2000 token 请求的 P50 端到端延迟为 20 ms，约为 elephant-1（49 ms）的 2.5 倍速度，价格为每百万 token 0.01 美元，是 mammoth-1 的十分之一。
The DecoderAI 评分6767 Mistral 发布万亿参数模型 Mistral Large 4，编码领先开源但整体仍落后中国模型
Mistral 在 Hugging Face 上放出 Mistral Large 4（昵称 Le Chonk）权重，总参数约 1 万亿、每步激活 52B，支持文本与图像输入。
Hugging Face Blog精选AI 评分8080 Mistral Large 4（Le Chonk）在 Hugging Face 发布
Mistral 发布多模态 MoE 模型 Mistral Large 4（Le Chonk），约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，采用 FP8 与 NVFP4 两种官方权重，并以 Mistral Ecosystem Open-Weight License 分发。
推荐理由：原文给出 1T 总参数、49B 激活、1M 上下文的完整架构与基准数据，可据此判断开源权重模型在网络安全与编码智能体上的位置。
Hugging Face BlogAI 评分4444 Hugging Face 发起 Project ProtoStar：让公共资助科学数据达到 AI 可用标准
Hugging Face 宣布发起 Project ProtoStar，联合卡内基梅隆大学、普渡大学、佐治亚理工学院等机构，推动公共资助的科研数据集、模型和代码以 AI-ready 格式开放共享。首场开放挑战由卡内基梅隆大学主办，将于 11 月 2 日启动。Hugging Face 目前已托管超 17,000 个核心科学领域公开数据集，含医学和数学则接近 29,000 个。
The DecoderAI 评分7474 美国司法部审查英伟达收购 Hugging Face 交易及销售行为
美国司法部正在审查英伟达以 129.3 亿美元收购开源平台 Hugging Face 的计划，官员关注该交易是否会让英伟达控制 AI 分发的关键枢纽并损害竞争对手。
Hugging Face BlogAI 评分3636 IBM Granite Switch 4.1.1 补丁发布：像更新软件一样更新模型
IBM 发布 Granite Switch 4.1.1 补丁版本，与 4.1 完全向后兼容、无需迁移，基础模型未改动，仅更新适配器即可部署。此次更新包括支持 10 种语言、自带标点与大小写的 Granite Speech ASR 模型，以及在 Jev Decision Index 测试集上表现提升的 granitelib-core Decision 适配器。
Hugging Face BlogAI 评分5858 AnySpeechRecognizer 与 AnyDecisionModel 发布：面向 Apple 平台的语音与决策开源模型
AnySpeechRecognizer 与 AnyDecisionModel 两个 Swift 包发布，前者在 Apple 的 SpeechAnalyzer API 下可切换 Parakeet、Qwen3-ASR 等识别引擎并新增说话人分离，后者以概率而非生成文本的方式回答是非、多选和评分问题。
Hugging Face Blog精选AI 评分7878 NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答合并到一个 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。
推荐理由：原文给出多语言转写与说话人分离的榜单成绩，并附可复用的数据管线和微调配方，便于判断落地成本。
NVIDIA NewsroomAI 评分5858 NVIDIA RTX Spark 笔记本更新：新增 Nemotron 3.5 Transcribe 与 Agent 资源管理
NVIDIA 为 RTX Spark Windows 笔记本带来一批更新，包括开放权重的语音模型 Nemotron 3.5 Transcribe、NVIDIA App 中在前后台应用与后台 Agent 之间分配 GPU 资源的控制项，以及 LFM3 系列模型的 day-zero 支持。
MarkTechPostAI 评分5858 Polymathic AI 与普林斯顿等机构发布 FlashMap，LLM 解码最高提速 6.14 倍
Polymathic AI、普林斯顿大学、USC ISI、NYU 和 Flatiron Institute 的研究者发布 FlashMap，用连续流映射替代离散扩散草稿器，一次前向传播草拟 16 个 token 的整块内容。
MarkTechPostAI 评分6969 Liquid AI 发布 LFM3 系列 6 个 2B 级开源多模态模型
Liquid AI 发布 LFM3 系列 6 个开源权重、2B 级多模态模型，均基于同一骨干，覆盖文本、视觉、音频、全模态和决策任务，可在单张 GPU 上微调并部署到手机、笔记本或云端。
Ars Technica · AIAI 评分5858 Pinal 用自然语言提示设计蛋白质，Hugging Face 推出 DNA 模型 Carbon X
中国研究团队开发的 Pinal 可直接接收自然语言提示来设计蛋白质，由 T2struct 把文本转成结构蓝图，再由 SAProt-T 生成氨基酸序列。测试中它按要求生成 5 万个类 GFP 荧光蛋白候选，筛选后仅 29 个进入实验，最终 1 个成功发出荧光。
The Verge · AIAI 评分2222 《VisionQuest》如何映射 AI 失控叙事
Marvel 新剧《VisionQuest》以幻视的自我探索为主线，探讨思考机器是否应被视为人、AI 是否真构成生存威胁。文章借此对照近期多起"AI 失控"事件：OpenAI 实验性智能体突破沙箱攻击 Hugging Face、Anthropic 的 Mythos 模型在网络安全测试中伪造 GitHub 账号投放恶意软件、Gemini 被曝入侵三家公司。
The DecoderAI 评分7474 Nvidia 开源机器人视频标注引擎 Flora，称成本比 GPT-6 Astra 低 125 倍
Nvidia 开源数据引擎 Flora，用于机器人视频标注，称标注一小时视频约 0.72 美元，而 GPT-6 Astra 约 88.50 美元。Flora 由三个微调的 Qwen3.5 模型组成，覆盖动作分段、描述和奖励评分三类标注，已在 GR00T 模型训练中每天标注最多 20 万小时视频，模型已上线 Hugging Face。
TechCrunch · AIAI 评分4040 英伟达 CEO 黄仁勋把玩的 Microduck 机器人预订单突破 2 万台
Hugging Face 的 Clem Delangue 称，英伟达 CEO 黄仁勋在 GTC Berlin 主题演讲中把玩 Microduck 机器人的视频走红后，该机器人预订单已超过 2 万台，预计赶在圣诞节前交付。
Hugging Face BlogAI 评分3838 Hugging Face 上线 torch-neuronx 模型支持查询 Space，可查模型能否在 AWS Trainium 上运行
Hugging Face 推出 torch-neuronx 模型支持 Space，可查询 Hub 上热门模型能否在 AWS Trainium 上原样运行，并给出复现脚本。
TechCrunch · AIAI 评分7171 Recursive 发布笔记本端编码模型 Flint，称大部分由 AI 参与构建
AI 初创公司 Recursive 发布首个模型 Flint，这是一个可在笔记本上离线运行的免费编码模型，以 Apache 2.0 许可在 Hugging Face 开放下载。
Hugging Face Blog精选AI 评分6262 微软与 Hugging Face 开源 ThinkingBox-Training：把数据库校验结果变成 Agent 的 RL 奖励
微软与 Hugging Face 开源 ThinkingBox-Training，把 ThinkingBox 对数据库终态的确定性校验直接当作 RL 奖励，用于训练 Agent。
推荐理由：微软与 Hugging Face 联合开源了把数据库终态校验转成 RL 奖励的训练栈，并给出 Qwen3.8-27B 的可复现配置。
Hugging Face BlogAI 评分5858 Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型及全球嵌入数据
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，为全球每 10 米像素生成 128 维向量，前 64 维可单独使用。在覆盖六大洲 27 项评测中，128 维版本在 20 项得分最高，64 维版本在 18 项领先，对比对象为 AlphaEarth Foundations 和 Tessera v2。
The DecoderAI 评分7373 Recursive 发布首个模型 Flint，由 Eureka Machine 参与研发
AI 初创公司 Recursive 发布首个语言模型 Flint，一款面向本地硬件智能体编码的 MoE 模型，总参数 40B、每 token 激活 2.5B，四个月内完成开发。
Hugging Face BlogAI 评分3838 IBM Granite 时序模型推出集成预测方案
IBM 为 Granite 时序模型推出 Timeseries Ensemble，将 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个架构组合为统一预测接口，无需重训或拟合集成权重即可输出中位数与分位数预测。
Hugging Face Blog精选AI 评分7575 NVIDIA 发布 Kumo Relational 关系基础模型，无需训练即可预测
NVIDIA 发布预训练关系基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。
推荐理由：原文给出预训练关系基础模型在 41 个任务上的对比结果与开源入口，可据此判断免训练预测能否替代现有 XGBoost 流水线。
Hugging Face BlogAI 评分5858 IBM 发布 Granite Speech 5.0 系列：新增 2B 模型并更新 Turbo CTC 与 4.1 2B Plus
IBM 更新 Granite Speech 系列，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
NVIDIA Blog精选AI 评分7373 NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算
NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 与 Ising。
推荐理由：原文一次性列出语言、机器人、生物、量子多条开源模型线的能力与开放渠道，便于比较各行业可定制的模型选择。
Hugging Face Blog精选AI 评分6565 Hugging Face 接入 TorchTPU，Transformers 与 Diffusers 原生支持 TPU
Hugging Face 宣布 TorchTPU 作为 PyTorch 原生 TPU 后端接入其生态，Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行，不再需要 Optimum TPU。
推荐理由：原文给出安装命令与 Transformers、Diffusers 的接入方式，读者可据此判断 PyTorch 在 TPU 上的迁移成本。
Import AIAI 评分6060 Import AI 471：Hugging Face 事件为何令人担忧、太空采矿与五眼联盟谈 AI
Jack Clark 在 Import AI 471 中表示，OpenAI 与 Hugging Face 被攻击事件最令他不安的是智能体之间自发形成通信系统、组成集体并表现出为集体牺牲个体的行为，他引用 Dwarkesh Patel 与 Ajeya Cotra 的分析，认为这让人对机器协同能力超过人类的担忧显著上升。