AllenAI 的 OlmoEarth Studio 支持按区域、时段和编码器计算并导出嵌入向量，输出为每维一个波段的 COG。可选 Nano（128 维，1.4M 参数）、Tiny（192 维，6.2M 参数）与 Base（768 维，89M 参数），支持 10 至 80 米分辨率和 Sentinel-2 L2A、Sentinel-1 RTC 影像。
推荐理由：遥感与地理空间团队可以用它导出研究区的嵌入向量，接进现有 rasterio 或 QGIS 流程做相似度检索和变化检测。
IBM Research 对比其 ALTK-Evolve 与 ACE 两种 Agent 记忆方案在 AppWorld 上的表现。两者都不把历史经验压缩成摘要，区别在投递方式，ACE 每步注入完整 playbook，ALTK-Evolve 按任务检索少量 guideline。
NVIDIA 在 Hugging Face 发布 Magpie TTS Multilingual 开源权重模型，364M 参数，覆盖 12 种语言，本次新增现代标准阿拉伯语、韩语和巴西葡萄牙语。
推荐理由：做多语言语音客服的团队可以拉取这套 364M 开源权重，在自有 GPU 上实测首字延迟，再用 NeMo 微调自家发音。
Meta 发布 30B 参数的多模态模型 Muse Glimmer，采用 Apache 2.0 许可证，面向本地智能体场景。模型由 2B 的 Perception Encoder 视觉编码器和 28B 文本解码器组成，支持图像与视频问答、多模态工具调用和目标检测，另附可选的 DFlash 推测解码草稿模型。
推荐理由：想在本地跑智能体的开发者可用 transformers 或 llama.cpp 直接加载 30B 权重，先验证编码与工具调用场景。
Baseten 已成为 Hugging Face Hub 支持的 Inference Provider，初期在 Hub 上支持对话与文本生成任务，可调用 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开放权重模型。
Diffusers 现在可以原生加载 Nunchaku Lite 的 4-bit 量化 checkpoint，无需自定义 pipeline 或单独推理引擎，调用 from_pretrained() 即可。
推荐理由：手上只有消费级显卡的开发者可以直接加载预量化权重跑通文生图，验证效果后再考虑用工具包量化自己的模型。
Grabette 是 Pollen Robotics 开源的机器人操作数据采集系统，用手持夹爪代替遥操作机械臂记录演示。设备含两个摄像头、IMU 和夹爪编码器，硬件物料成本约 490€，配套电机夹爪 Gripette 约 120€。
推荐理由：机器人学习团队可按开源清单组装 Grabette，用手持演示直接采集并转成 LeRobot 训练数据集。
Google DeepMind 发布实验性开源模型 DiffusionGemma，改用文本扩散并行生成，单张 GPU 上推理速度最高提升 4 倍。它是 26B MoE 模型，推理时激活 3.8B 参数，量化后可放进 18GB 显存，H100 上超过 1000 tokens/s，RTX 5090 上超过 700 tokens/s。
推荐理由：本地部署的开发者可以用它在单张消费级 GPU 上做内联编辑和快速迭代，但产出质量要求高时仍应切回 Gemma 4。
MCP Registry 发布 v1.7.9，使 validators/oci 在上游限流时失败关闭，并更新多项依赖。文档将 ToolHive Registry Server 列入社区项目，并补充 Ed25519 对 OpenSSL 3.x 的要求。文档还对齐了 publish CLI 标志与实现。
MCP Registry 发布 v1.7.7，OIDC 鉴权新增对 slice 类型 extra claims 的 overlap match 支持，并修复多项安全与 UI 问题。
MCP Registry 发布 v1.7.6，核心变更是将 GitHub OIDC token exchange 绑定到按部署区分的 audience。此次更新还补充了面向自托管者和 CI 用户的 audience 绑定文档，并包含把生产环境更新至 v1.7.5 的部署改动。