异步推理:解耦动作预测和执行
Hugging Face 推出异步推理技术,通过解耦动作预测和执行,提高机器人政策的性能,实验结果显示任务完成时间加快约 2 倍。
推荐理由:原文介绍了异步推理在机器人政策中的应用,读者可以了解其如何提高机器人政策的性能。
Hugging Face 推出异步推理技术,通过解耦动作预测和执行,提高机器人政策的性能,实验结果显示任务完成时间加快约 2 倍。
推荐理由:原文介绍了异步推理在机器人政策中的应用,读者可以了解其如何提高机器人政策的性能。
ScreenEnv 是一个强大的 Python 库,允许您在 Docker 容器中创建隔离的 Ubuntu 桌面环境,用于测试和部署 GUI 智能体。它支持 Model Context Protocol (MCP),使部署能够查看、点击和与真实应用程序交互的桌面智能体变得容易。
推荐理由:ScreenEnv 提供了创建隔离的桌面环境,方便测试和部署 GUI 智能体,有助于读者了解其在自动化和测试中的应用。
Reachy Mini 是一款开源机器人,适用于人类-机器人交互、创意编码和 AI 实验。它可编程,价格从 399 美元起,适用于 AI 开发者、研究人员和教育者。Reachy Mini 支持多种编程语言,包括 Python 和 JavaScript,并配备了摄像头、麦克风和扬声器,可实现音频-视觉交互。
Hugging Face发布了Gradio MCP服务器,允许用户通过MCP协议将各种工具连接到LLM,从而扩展其功能,例如图像编辑、网页浏览等。
推荐理由:原文介绍了Gradio MCP服务器如何扩展LLM的能力,读者可以了解如何利用这些工具提升LLM的功能。
OpenAI 与美国教师联合会合作,推出一项为期5年的计划,旨在培训40万K-12教育工作者,以推动课堂中的AI创新。
Hugging Face 的基础设施团队分享了其生产基础设施的内部运作细节,重点介绍了三个关键的警报系统。这些系统包括监控 NAT 网关吞吐量、日志存档成功率和 Hub 请求日志,旨在确保平台的高性能和稳定性。通过这些警报,Hugging Face 能够及时识别并响应潜在问题,优化基础设施配置,降低成本。
OpenAI 推出基于 GPT-4.1 的无代码智能体产品,可在 45 天内实现 360 万美元的收入。
推荐理由:原文展示了如何利用 GPT-4.1 和 OpenAI 实时 API 构建无代码智能体,读者可以了解其应用潜力。
NVIDIA 发布了 Llama Nemotron Nano VLM,这是一个先进的 8B 视觉语言模型,专为智能文档处理设计,可在 Hugging Face 上使用。该模型在 OCRBench v2 基准测试中表现出色,能够从复杂的文档中提取和理解信息,如发票、收据、合同等。
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。
OpenAI 发布 Retell AI,一款基于 GPT-4o 和 GPT-4 的无代码语音自动化平台,旨在通过 AI 语音自动化技术降低呼叫中心成本,提升客户满意度,并自动化客户对话。
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。
Gemma 3n 模型作为一款本地运行的多模态模型,现已全面开源,支持图像、文本、音频和视频输入。模型提供两种大小,分别为 5B 和 8B 参数,且在内存效率方面有所改进,只需 2B 和 4B VRAM。模型支持 140 种语言文本和 35 种语言的多模态交互。
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。
OpenAI 的 o3、GPT-4.1 和 CUA 被用于 AI 驱动的 GTM 平台 Unify,实现潜在客户挖掘、研究和联系自动化。通过高度个性化的信息和持续的工作流程,Unify 帮助团队大规模生成销售线索,同时专注于高影响力的客户互动。
SGLang现在支持Hugging Face transformers作为后端,允许用户使用高性能推理运行任何兼容transformers的模型。
Hugging Face 推出 Groq 作为推理提供商,支持多种文本和对话模型,包括 Meta 的 Llama 4 和 Qwen 的 QWQ-32B,提供快速 AI 推理服务,并集成到 Hugging Face Hub 和客户端 SDK 中。
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。
Hugging Face 推出 Kernel Hub,提供预优化的计算内核,可直接从 Hub 加载,简化模型性能优化过程。Kernel Hub 支持多种硬件,包括 NVIDIA 和 AMD GPU,无需本地编译,可加速特定操作,如 FlashAttention 和 GELU 激活函数。使用 Kernel Hub 可提高开发效率,并可能加快训练和推理速度。
Hugging Face Hub 推出 Featherless AI 作为推理提供商,支持多种文本和对话模型,包括 DeepSeek、Meta、Google、Qwen 等开源模型。Featherless AI 提供无服务器定价,支持大量模型,并已集成到 Hugging Face 客户端 SDK 中,方便用户使用。
OpenAI 与 Mattel 合作,将 AI 技术融入芭比和 Hot Wheels 等经典品牌,旨在提升创意开发、优化工作流程,并为粉丝创造新的互动方式。
NVIDIA 发布了 Isaac GR00T N1.5,这是一个用于构建机器人基础模型和数据管道的研究和开发平台,支持使用 LeRobot SO-101 机械臂进行模型微调。
Mistral AI 正式推出名为 Mistral Compute 的新 AI 基础设施服务,为客户提供包含 GPU、编排、API 及产品的私有集成技术栈。该服务支持从裸金属服务器到全托管 PaaS 等多种形态,由拥有数十年 HPC 和 AI 构建经验的团队管理,并作为 NVIDIA 合作伙伴提供最新参考架构及数万个 GPU 资源。
推荐理由:Mistral AI 推出面向全球用户的私有化 AI 基础设施服务,提供从裸金属到全托管 PaaS 的集成栈,旨在打破少数巨头对算力资源的垄断。
Hugging Face 与 NVIDIA 合作推出训练集群服务,旨在使大型 GPU 集群更容易为全球研究机构获取,以训练各个领域的未来基础模型。服务提供 GPU 集群的可访问性,并允许根据训练运行的时间付费。
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。
Hugging Face 发布了 ScreenSuite,这是一个用于评估 GUI 代理性能的全面基准测试套件。它涵盖了 13 个基准测试,用于评估 GUI 代理的感知、定位、单步动作和多步代理能力。ScreenSuite 支持多种环境,包括桌面和移动设备,并提供自定义 Docker 容器以简化部署。
推荐理由:ScreenSuite 提供了一个全面的 GUI 代理评估套件,有助于评估 VLM 在多个代理能力方面的表现,读者可以据此了解 GUI 代理的最新进展和评估方法。
Mistral Code 推出面向企业的 AI 编码助手,集成 Codestral、Devstral 等模型及本地部署选项,支持 JetBrains 和 VSCode。该工具基于开源项目 Continue,提供私有仓库微调与多步重构能力,旨在通过单一供应商 SLA 保障安全合规并提升开发者生产力。
Arm 架构的实时 AI 音频生成应用,基于 Stability AI 的 Stable Audio Open 模型,可在设备上直接运行,无需云端推理,支持 PyTorch 和 TorchAudio,与 Ableton Live 无缝协作,实现快速、高效的音频生成。
H Company 发布了 Holo1,一套用于深度网络 UI 理解和精确定位的开源 Action VLMs,以及 WebClick 多模态定位基准。Holo1 模型基于 Qwen2.5-VL 架构,与 Transformers 兼容。Surfer-H,一个基于 Holo1 的网络原生代理,能够像人类一样与浏览器交互。
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。
某产品发布新的智能体功能,给出了开放入口和主要能力变化。
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。
SmolVLA是一个紧凑型(450M)、开源的视觉-语言-动作模型,适用于机器人,可在消费级硬件上运行。该模型仅在兼容许可的开源社区共享数据集上预训练,包括Lerobot标签下的数据集。
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。
OpenAI 与 Wix 合作推出的 AI Website Builder,允许用户通过对话描述想法,几分钟内即可创建完整网站。
Hugging Face 发布了关于 CodeAgents 和结构化生成的研究,展示了其在多个基准测试中的优势,并讨论了其应用场景。
推荐理由:原文介绍了 CodeAgents 和结构化生成的新方法,读者可以了解其对现有工作流的影响。
Mistral AI 推出新的 Agents API,结合其语言模型与代码执行、网络搜索、图像生成及 MCP 工具等内置连接器,提供跨对话的持久记忆和智能体编排能力。该 API 旨在简化复杂任务处理和多动作协调,支持开发者构建如编码助手、财务分析等应用,并展示了在 SimpleQA 基准测试中结合网络搜索后的性能提升数据。
推荐理由:原文给出了内置连接器、持久记忆和智能体编排的具体能力,读者可以据此判断它如何简化企业级智能体应用的开发。
Dell Enterprise Hub 发布新版本,提供一系列模型和应用,支持在本地使用 Dell AI 服务器和 AI PC 构建人工智能。支持部署和训练 Meta Llama 4 Maverick、DeepSeek R1 和 Google Gemma 3 等模型。
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。
OpenAI 推出 o3、o4-mini 和 GPT-4.1 模型,旨在通过 CodeRabbit 工具提升代码审查准确性,加速合并请求处理,帮助开发者更快地发布更少bug的代码,提高投资回报率。
微软与Hugging Face扩大合作,Azure AI Foundry新增10,000+ Hugging Face模型,支持文本、音频和图像等多种任务,并确保模型安全部署。
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。
OpenAI 发布 Codex 编码智能体功能,基于 codex-1,一个针对软件工程优化的 OpenAI o3 版本,用于生成符合人类风格和 PR 偏好的代码。
推荐理由:原文给出了 Codex 的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。
Falcon-Edge系列是Hugging Face发布的一系列强大的、通用的、可微调的语言模型,基于BitNet架构,以三进制格式提供。该系列模型通过预训练数据策略,在内部数据混合上进行了大约1.5Tera Tokens的预训练,并在Hugging Face leaderboard v2基准测试中取得了与同类模型相当甚至更好的性能。
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。
OpenAI 与 Expedia 集团首席营销官 Jochen Koedijk 对话,探讨 AI 如何推动营销进化,未提及具体模型或产品。
Kaggle 与 Hugging Face 宣布整合,增强 Hugging Face 模型在 Kaggle 上的可见性和可发现性。用户可直接在 Kaggle 上使用 Hugging Face 模型,并从 Kaggle 导航至 Hugging Face 模型页面。此外,Kaggle 正在开发无缝使用 Hugging Face 模型参与 Kaggle 竞赛的功能。
Hugging Face 推出新的快速 Whisper 语音识别服务,性能比之前版本提高 8 倍,并允许用户通过 Hugging Face 平台部署强大的转录模型。
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。
OpenAI推出ChatGPT个性化功能,通过自定义指令,用户可根据自身角色、偏好和工作需求进行个性化设置,提升用户体验。
GPT-4o 通过协作写作功能,使团队在草拟、完善和调整语气方面更加高效,提升写作和协作的自然性。
ChatGPT图像生成功能支持从提示、草图或上传的图片中创建品牌视觉和产品原型。
OpenAI o3 模型能够推理复杂任务,助力自动化多步骤工作流程。