NVIDIA 发布面向欧洲各行业的开源模型组合
NVIDIA 扩展其开源模型家族，覆盖语言、机器人、生物和量子计算领域，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina 和 Ising。
推荐理由：官方一次性梳理了覆盖语言、机器人、生物、量子的开源模型组合及获取渠道，读者可按行业找到对应可定制的基础模型。
#Hugging Face
NVIDIA Blog精选AI 评分6565 Hugging Face Blog精选AI 评分7171 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可在关系数据上超越监督式机器学习
NVIDIA 发布 Kumo Relational，一个预训练关系型基础模型，直接在企业数据库上做预测：给定预测查询，它收集最多 10,000 条历史样例作为上下文，在单次前向传播中预测流失、需求或欺诈等结果，无需任务专用训练、特征工程或表扁平化。
推荐理由：原文给出了基准数字、架构原理和开源入口，读者可以据此评估用预训练模型替代表格机器学习管线的可行性。
Hugging Face BlogAI 评分5656 VocabX 方法预览：按成本特化小模型词表，将实际推理成本降低 77%
Dharma-AI 预告 VocabX 论文的部分结果：基于 Qwen3-4B 的葡萄牙语作文自动批改系统中，按每个 token 的成本而非频率重建词表，在子词层与宏 token 层同时优化，不改基座模型和训练配方。
Hugging Face BlogAI 评分5050 Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 平台本地与托管模型调用
Hugging Face 发布 AnyLanguageModel 1.0，同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
Hugging Face Blog精选AI 评分6969 Hugging Face 联合 TorchTPU 为 Transformers、Diffusers、Kernels 带来 TPU 原生支持
Hugging Face 宣布通过 PyTorch 原生后端 TorchTPU，Transformers、Diffusers 和 Kernels 无需 torch_xla 或 JAX 即可原生运行在 TPU 上，模型只需 device_map="tpu" 即可加载。
推荐理由：原文给出从 torch_xla 迁移到原生 PyTorch 后端的具体用法和内核加速数据，读者可据此评估 TPU 工作流迁移成本。