跳到正文

#产品更新

今日 14 条
4月10日周五
4月9日周四
  1. Hugging Face Blog65

    Waypoint-1.5:为日常GPU带来更高保真度的交互式世界

    Waypoint-1.5是Overworld的下一个实时视频世界模型,旨在将交互式生成世界带给普通用户。该版本提高了视觉保真度,扩展了可以本地运行模型的硬件范围,并朝着无需数据中心级计算即可进行交互式世界模拟迈出了另一步。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

4月8日周三
  1. Hugging Face Blog67

    Safetensors 加入 PyTorch 基金会

    Safetensors,一个由 Hugging Face 开发的模型权重存储和共享格式,已加入 PyTorch 基金会,成为 Linux 基金会下的一个基金会托管项目。

    推荐理由:Safetensors 成为 PyTorch 基金会的一部分,标志着其在开源机器学习社区中的地位和影响力的提升,读者可以关注其对未来模型存储和共享的影响。

4月2日周四
  1. Hugging Face Blog85

    Google DeepMind Gemma 4 多模态模型发布

    Google DeepMind 发布了 Gemma 4 多模态模型,支持图像、文本和音频输入,并生成文本响应。该模型具有多种大小和参数,支持多种开源工具和平台,包括 transformers、llama.cpp、MLX、WebGPU 和 Rust。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

4月1日周三
  1. Hugging Face Blog85

    Falcon Perception 发布

    Falcon Perception 是一个 0.6B 参数的早期融合 Transformer,用于从自然语言提示中进行开放词汇定位和分割。该模型通过混合注意力掩码处理图像块和文本,并使用小型结构化标记接口和轻量级输出头生成可变数量的实例。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  2. OpenAI News60

    Gradient Labs 推出 AI 账户经理功能

    Gradient Labs 推出基于 GPT-4.1 和 GPT-5.4 mini/nano 的 AI 账户经理,自动化银行支持工作流程,实现低延迟和高可靠性。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  3. Hugging Face Blog65

    Gradio 发布 Gradio Server,支持自定义前端

    Gradio 发布了 Gradio Server,允许用户使用自定义前端框架(如 React、Svelte 或纯 HTML/JS)构建应用程序,同时利用 Gradio 的后端功能,包括排队系统、API 基础设施、MCP 支持、ZeroGPU 在 Spaces 上的支持。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

3月31日周二
  1. Hugging Face Blog70

    Hugging Face 发布 Granite 4.0 3B Vision 智能体功能

    Hugging Face 发布了 Granite 4.0 3B Vision,一款专为企业文档理解设计的紧凑型视觉语言模型。该模型在表格提取、图表理解和语义键值对提取方面表现出色,并支持独立使用或与 Docling 集成以增强文档处理流程。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  2. Mistral AI70

    Mistral AI 发布 Spaces CLI,专为人类和智能体设计

    Mistral AI 发布了 Spaces CLI,这是一个专为人类和智能体设计的命令行界面。Spaces CLI 具有简洁的目录结构、自动生成的配置文件和集成服务,旨在提高开发效率。该工具还支持智能体操作,通过插件系统和结构化数据接口,使智能体能够自主地完成项目配置和部署。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  3. Hugging Face Blog72

    Hugging Face 发布 TRL v1.0 后训练库

    Hugging Face 发布了 TRL v1.0 后训练库,该库支持超过 75 种后训练方法,旨在提供稳定性和易用性。

    推荐理由:TRL v1.0 的发布标志着 Hugging Face 在后训练方法库方面的重大进展,读者可以了解其设计理念和未来发展方向。

3月29日周日
  1. Google DeepMind65

    Google DeepMind 展示由 Gemini 驱动的 AI 鼠标指针原型

    Google DeepMind 发布由 Gemini 驱动的 AI 鼠标指针实验性演示,旨在让指针不仅识别指向内容,还能理解用户意图。该系统遵循四项交互原则,包括保持工作流连续性、利用“这个/那个”等自然语言简写以及将像素转化为可操作实体。目前这些理念正被整合进 Chrome 和 Google AI Studio 等产品中,允许用户仅通过指向和语音即可执行图像编辑或地图查询等操作。

    推荐理由:原文展示了基于 Gemini 的实验性 AI 指针,通过视觉与语义上下文理解替代传统文本提示词,为跨应用交互提供了新的设计思路。

3月28日周六
3月27日周五
  1. Hugging Face Blog35

    Claude 模型在 OpenClaw 平台上的访问限制与替代方案

    Anthropic 对 Pro/Max 订阅者限制 Claude 模型在 OpenClaw 平台上的访问,但用户可通过 Hugging Face Inference Providers 或本地模型运行方式继续使用。Hugging Face 提供了丰富的开源模型选择,包括 GLM-5,每月还提供 $2 的免费推理服务。本地运行模型则可享受隐私、零 API 成本和完全控制。

3月26日周四
  1. Google DeepMind62

    Google DeepMind 发布 Lyria 3 Pro 音乐模型并扩展至多个产品

    Google DeepMind 推出 Lyria 3 Pro,这是其最先进的音乐生成模型,支持创建长达 3 分钟的曲目,并具备对前奏、主歌、副歌和桥段等音乐结构的理解与定制能力。

    推荐理由:Lyria 3 Pro 支持生成长达 3 分钟的曲目并具备结构感知能力,同时向 Vertex AI、Gemini 等更多平台开放,为不同层级的创作者提供可控的音乐生成入口。

3月25日周三
3月24日周二
  1. Mistral AI67

    Mistral AI 发布 Voxtral TTS 智能体语音合成模型

    Mistral AI 发布了名为 Voxtral TTS 的 4B 参数文本到语音模型,支持 9 种语言的实时、情感丰富的语音合成,具有低延迟和易于语音适配的特点。该模型适用于企业语音工作流程和可扩展的 AI 智能体,通过 API 和 Mistral Studio 提供,起价为每 1k 字符 0.016 美元。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

3月21日周六
  1. Hugging Face Blog70

    构建特定领域嵌入模型教程

    Hugging Face 发布了构建特定领域嵌入模型的教程,无需手动标记数据,使用 NVIDIA 的公共文档生成合成训练数据集,并提供了详细的步骤和代码。

    推荐理由:原文提供了构建特定领域嵌入模型的工具和方法,读者可以了解如何将其应用于自己的工作流中。

3月18日周三
3月17日周二
  1. Hugging Face Blog70

    H Company 发布 Holotron-12B 多模态计算机使用智能体

    H Company 发布了新的多模态计算机使用智能体 Holotron-12B,该模型基于 NVIDIA Nemotron-Nano-2 VL 模型进行后训练,并优化了生产中的规模和性能。Holotron-12B 在推理效率方面取得了显著提升,并在多个基准测试中表现出色。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  2. OpenAI News70

    OpenAI 发布 GPT-5.4 mini 和 nano

    OpenAI 发布了 GPT-5.4 mini 和 nano,这是 GPT-5.4 的更小、更快的版本,针对编码、工具使用、多模态推理和高量级 API 及子代理工作负载进行了优化。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  3. Mistral AI85

    Mistral Small 4 智能体功能发布

    Mistral AI 发布了 Mistral Small 4,这是 Mistral Small 家族的新一代模型,集成了推理、多模态和智能编码能力,支持文本和图像输入,并优化了推理和效率。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  4. Mistral AI72

    Mistral AI 发布 Leanstral:开源代码智能体

    Mistral AI 发布了 Leanstral,一个针对 Lean 4 的开源代码智能体,旨在提高代码生成和验证的效率。Leanstral 在性能和成本效益方面优于现有的开源模型和 Claude 系列产品。

    推荐理由:Leanstral 的发布标志着代码智能体领域的重要进展,其高效的性能和开源特性使其成为值得关注的产品。

3月12日周四
  1. Google Research78

    Google 在 Flood Hub 推出 AI 驱动的城市山洪预测功能

    Google Research 宣布在 Flood Hub 平台上线城市山洪预测功能,利用新 AI 方法提前 24 小时预测风险。该模型通过 Gemini 分析新闻报道构建 Groundsource 数据集以弥补历史数据缺失,仅依赖全球气象产品即可实现覆盖,旨在缩小发展中国家与发达国家间的预警差距。

    推荐理由:原文介绍了基于AI的城市山洪预警功能,读者可了解其如何利用非结构化数据解决全球南方缺乏监测设施的问题。

3月11日周三
3月10日周二
  1. Hugging Face Blog65

    Hugging Face Hub 推出存储桶功能

    Hugging Face Hub 推出名为 '存储桶' 的新功能,旨在为机器学习项目提供可变、类似 S3 的对象存储,支持通过 Python 脚本或 hf CLI 进行管理。该功能基于 Hugging Face 的 Xet 存储后端,旨在提高存储效率,并支持与 AWS 和 GCP 等云服务提供商的集成。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

3月9日周一
  1. Hugging Face Blog70

    Hugging Face 推出 Ulysses Sequence Parallelism,支持百万token长序列训练

    Hugging Face 推出 Ulysses Sequence Parallelism (Ulysses SP),一种新的序列并行训练方法,可以有效地处理长序列,支持百万token长序列训练。该方法通过在多个GPU之间分配注意力计算,解决了长序列训练中的内存挑战,并已集成到 Hugging Face 生态系统中的多个工具和框架中。

    推荐理由:Ulysses Sequence Parallelism (Ulysses SP) 是一种新的序列并行训练方法,可以有效地处理长序列,对于需要处理大量文本的任务如文档分析、代码理解和推理等具有重要意义。读者可以了解其工作原理和集成方式,评估其对现有工作流的影响。

  2. Hugging Face Blog85

    LeRobot v0.5.0: 每个维度都进行扩展

    LeRobot v0.5.0 发布,支持更多机器人(包括首个类人形机器人),引入新的策略,包括 Pi0-FAST 自回归 VLA 和实时分块,以及从 Hugging Face Hub 加载的模拟环境。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

3月6日周五
3月5日周四