把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
xAI 的 Grok 4.7 上线 Amazon Bedrock，提供 500K token 上下文窗口和 low 到 xhigh 四档推理力度，通过 us.xai.grok-4.7 和 global.xai.grok-4.7 跨区域推理配置接入，支持 Responses、Chat Completions 和 Converse API。
推荐理由：原文给出 Bedrock 上的接入方式、推理档位与 Artificial Analysis 独立评测数据，可帮助读者评估成本与接入取舍。
AWS 宣布 Claude Sonnet 5.5 可在 Amazon Bedrock 和 Claude Platform on AWS 使用，主打专注编码与知识工作，多数任务单次成本更低、速度更快。
推荐理由：原文给出 Sonnet 5.5 在 Bedrock 的能力变化、与 Opus 5.5 的分工建议和接入步骤，可据此规划工程工作流。
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 在 Amazon Bedrock 正式可用，API 定价显著低于 GPT-5.6 前代。GPT-6 Sol 面向推理、编码和多步骤复杂任务，内部事实性评估中事实错误约为 GPT-5.6 Sol 的一半；GPT-6 Luna 面向大规模重复性任务，支持按请求调整推理力度。
推荐理由：原文给出两款模型的定位差异、定价变化与数据管控细节，读者可以据此为不同负载选型和评估上云方式。
AWS 宣布 Claude Opus 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，是 Claude 5.5 系列首个模型。
推荐理由：原文给出 Claude Opus 5.5 相比 Opus 5 的成本、沟通和安全性变化，以及在 Amazon Bedrock 上从控制台到多种 API 的具体接入方法。
Hugging Face 宣布 transformers 新增 GGUF 模型运行支持，通过 from_pretrained 传入 gguf_file 即可加载 Hub 上的量化 checkpoint，在 Apple Silicon 上本地生成。
推荐理由：官方给出了从加载、量化选择到与 llama.cpp 对比的完整路径，读者可以直接上手在 Mac 本地跑 GGUF。
GitHub 用 AI 智能体将 Copilot 智能体运行时完整重写为超过 800,000 行生产 Rust，通过 128 个 pull request 增量合入 main 并逐步发布，于 2026 年 8 月 21 日达成 100% Rust。
推荐理由：作者亲历复盘用 AI 智能体将 Copilot 运行时从 TypeScript 迁移到 80 万行 Rust 的过程，给出可迁移的增量迁移、提示词缓存与多会话协作方法。
Hugging Face 在 TRL v1.14 的 AsyncGRPOTrainer 中加入 LoRA 支持（PR #7017），训练器与 vLLM 副本作为独立 HF Jobs 运行，仅几 MB 的 adapter 经 Storage Bucket 挂载同步，无需 NCCL。
推荐理由：原文给出完整的跨节点 LoRA 异步 RL 架构与五轮瓶颈调优数据，读者可以复用其中按 KV 前缀路由和 token 打包的调优方法。
Hugging Face WebAI 团队发布 @huggingface/kernels 库及 207 个 WebGPU 内核，每个内核以带版本、正确性与基准测试的独立仓库形式发布在 Hub 上，采用 Apache-2.0 许可。
推荐理由：官方发布 207 个 WebGPU 内核及加载库，并给出与 ORT WebGPU 的实测对比，读者可据此评估浏览器推理的加速空间。
Hugging Face 在 Gradio 中推出 gr.Workflow，把 AI 应用流水线变成类型化节点图，每个节点可运行、中间结果可见。
推荐理由：官方详解了 gr.Workflow 的节点图结构和 REST API 用法，读者可以据此判断如何把多步骤 AI 流水线搭成可拖拽、可部署的应用。
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 三个模型发布 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。
推荐理由：原文给出三类模型的加速数字、质量不变的原理和 llama.cpp、SGLang 的接入命令，读者可据此评估端侧与 GPU 推理收益。
Mistral 发布 Agentic Search 检索层，通过 search、open、navigate、read、grep 五个工具实现多步检索循环，让模型在长文档和多数据源中查找、验证信息。
推荐理由：原文给出 FinanceBench 与 OfficeQA Pro 的具体精度、延迟和 token 数据，读者可据此评估检索方案是否迁移到自家场景。
NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，参数量 364M，新增现代标准阿拉伯语、韩语和巴西葡萄牙语，共支持 12 种语言，并提供生产级 NIM 部署容器。
推荐理由：原文给出TTFA延迟数据和架构改进细节，读者可据此评估自部署级联语音方案相对一体化语音模型的取舍。
Microsoft Research 推出 Echoverse，为计算机使用 Agent 构建了 12 个深度训练环境，包括 10 个领域世界和 2 个能力世界（日期选择器与嵌套过滤）。
推荐理由：原文给出深度世界优于浅层世界的实验对比和开源入口，读者可以据此判断合成训练环境如何影响 Agent 训练。
Hugging Face 在 Diffusers 中新增 Nunchaku Lite 集成路径，可像普通 Diffusers 模型一样用 from_pretrained() 加载 Nunchaku SVDQuant 4-bit（W4A4）检查点，无需单独推理引擎或本地 CUDA 编译。
推荐理由：官方宣布 Diffusers 原生支持 Nunchaku 4-bit 推理，附实测数据和自己量化新架构的完整工作流。
Hugging Face 披露本周检测并处置了一起由自主 AI 智能体系统端到端驱动的入侵，攻击者通过恶意数据集利用两条代码执行路径获得处理节点访问权限，窃取了部分内部数据集和多项服务凭证。
推荐理由：披露一起由自主智能体发起的入侵及 AI 取证应对细节，读者可以了解防御侧如何在护栏限制下自建可用模型能力。
Hugging Face 博客发布 Profiling in PyTorch 系列第三篇，用 profiler 分析注意力机制从朴素实现到 SDPA 各后端的表现。
推荐理由：文章用 profiler 逐一对注意力各实现读 trace，给出 kernel 数、耗时与占用率等一手数据，方法可直接迁移到自己的模型调优。
Hugging Face 宣布 vLLM 的 transformers 建模后端在多个 LLM 架构上已达到甚至超过 vLLM 手写原生实现的推理速度。
推荐理由：官方给出三组 Qwen3 对比基准和可复现脚本，读者可据此判断是否直接切换到 transformers 后端省去移植成本。
Hugging Face 与 SkyPilot 联合推出 store: hf 后端，用 hf:// URL 将 Hugging Face Bucket 或任意 Hub 仓库挂载进 SkyPilot 任务，可在 20+ 云、Kubernetes 和 Slurm 上调度，读取数据零出口费。
推荐理由：原文给出无出口费存储接入 SkyPilot 的具体用法、基准数字和成本对比，读者可据此评估跨云 GPU 训练的存储方案。
Hugging Face 与 Cerebras 发布一个模块化、开源的实时语音对话（speech-to-speech）流水线，用 Cerebras 的高速推理解决语言模型响应延迟瓶颈。
推荐理由：原文给出了完整开放的级联语音对话架构和各层组件，开发者可以照此搭建或替换自己的实时语音 AI 流水线。
Mistral 发布 OCR 4 文档解析模型，在提取文本之外返回边界框、块类型分类和逐词逐页置信度分数，支持 170 种语言、10 个语言组。
推荐理由：官方发布给出了结构化输出能力、价格和基准局限说明，读者可据此评估它对 RAG 与文档流程的适配。