Hugging Face 发布 501B 参数模型 Beam：可拥有、定制和扩展
Hugging Face 发布了新的 501B 参数模型 Beam，支持文本输入，具有 1M 上下文窗口，专注于编码和智能体用例。该模型可由用户在自有硬件、基础设施或云上运行，并可根据自身需求进行定制。Beam 模型附带专用的开源 Rust 基础框架，可提供最佳性能。
推荐理由：原文介绍了 Beam 模型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。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face Blog精选AI 评分8585 Hugging Face Blog精选AI 评分7070 NVIDIA 发布大规模印度语预训练数据集 Nemotron-pretraining-Indic-v1
NVIDIA 发布了包含约 2800 亿个 token 的印度语预训练数据集 Nemotron-pretraining-Indic-v1，并提供了开源的 GPU 加速数据生成管道。
推荐理由：原文介绍了大规模的印度语预训练数据集及其生成方法，读者可以了解其在印度语语言模型研究中的应用和影响。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 Granite Switch 4.1 模型，支持决策和语音识别
Hugging Face 发布了 Granite Switch 4.1 模型，该模型集成了决策适配器和 OpenASR 领板上的最快语音识别模型，支持自然语言响应、通用和专用决策以及语音转文本任务。Granite Switch 4.1-8B 和 -30B 模型配置了新的决策 aLoRA、专用 Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC 语音识别模型。
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。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 FLUX.3 Image Klein 模型
Hugging Face 发布了 FLUX.3 Image Klein 模型，该模型支持文本到图像、多参考图像到图像，并新增了布局控制功能。模型已在 Diffusers 中开放，支持快速推理和多种训练脚本。
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。
The Decoder精选AI 评分8585 GPT-6-Astra 解决 50 个物理研究问题中的 49 个，平均成本不到 3 美元
GPT-6-Astra 在 OpenAI 的 Codex 编码环境中运行，解决了 50 个物理研究问题中的 49 个，平均每个问题成本不到 3 美元。该研究测试了多个 AI 智能体，并发现 GPT-6-Astra 在没有人类提示的情况下表现最佳。
推荐理由：GPT-6-Astra 在物理研究问题解决上取得显著成果，展示了 AI 在理论物理领域的潜力，对相关领域的研究和人才培养可能产生重要影响。
Hugging Face Blog精选AI 评分8585 Apertus 1.5 模型发布：多模态理解和推理能力显著提升
Apertus 1.5 模型发布，新增图像/音频理解、可选推理模式、更长的上下文窗口、改进的指令遵循和更好的工具使用能力。模型权重已开源，并进行了多模态训练和预训练。
推荐理由：Apertus 1.5 模型在多模态理解、推理能力和工具使用方面进行了显著提升，读者可以了解其开放性和训练过程。
Hugging Face Blog精选AI 评分7575 HiRO-ACEv2：以低成本的3公里分辨率模拟极端天气
Hugging Face 发布了 HiRO-ACEv2 模型，该模型能够以低成本的3公里分辨率模拟极端天气事件，包括罕见的降雨、风和气压事件。HiRO-ACEv2 模型由 ACE 和 HiRO 两部分组成，ACE 模型以100公里分辨率运行，HiRO 模型则将其细化到3公里分辨率。HiRO-ACEv2 模型在模拟极端天气事件方面表现出色，为研究人员提供了高效且成本较低的数据生成方式。
推荐理由：HiRO-ACEv2 模型在模拟极端天气事件方面表现出色，为研究人员提供了高效且成本较低的数据生成方式，具有重要的研究价值。
The Decoder精选AI 评分6565 Artemis Security 发布 Orion-1 智能体功能
Artemis Security 发布了 Orion-1 智能体功能，旨在解决通用 AI 模型在网络安全中的应用问题。Orion-1 能够自主调查和响应企业网络攻击，并在 Artemis 的基准测试中优于 Claude Opus 5.5 和 GPT-6 Sol。该模型通过处理日志数据，将单个信号关联到单个攻击者，并分配置信度分数和推荐响应。
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。
TechCrunch · AI精选AI 评分6565 Laplace Intelligence 发布智能体功能
Laplace Intelligence 发布了针对机器人和物理AI的自动化红队测试功能，旨在确保物理AI在部署到现实世界之前在模拟环境中安全可靠。
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 Blog精选AI 评分8585 Liquid AI 发布 LFM2.5-24B-A2B 模型，专为快速设备端智能体设计
Liquid AI 发布了 LFM2.5-24B-A2B 模型，一个专为快速设备端智能体设计的 24B 参数推理模型。该模型在工具使用和智能体工作流程、知识、指令遵循、数学和编码等 16 个基准测试中表现出色，与具有更多参数的模型相比具有竞争力。
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。
TechCrunch · AIAI 评分4545 Blueprints AI：利用AI快速生成建筑蓝图
Blueprints AI，一家利用AI技术快速生成建筑蓝图的初创公司，其第二代软件版本即将推出。该软件可从项目描述或草图开始，一次性创建建筑、结构、机械、电气、管道和室内设计等各个方面的蓝图，并支持项目设计和修改，同时确保符合当地建筑规范。该软件已开始向早期客户推出，预计本周公开。
Hugging Face Blog精选AI 评分6565 AI基础设施团队发布GPU集群调度策略
AI基础设施团队发布了一种新的GPU集群调度策略，包括GPU时间预算、分层公平共享分配和时间切片合同，以提高高影响力研究的优先级并保持GPU的满负荷运行。
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 Blog精选AI 评分7070 Hugging Face ML-Intern：构建和训练模型的新工具
Hugging Face 推出 ML-Intern 工具，允许用户通过简单的提示词创建和训练模型，并提供了多个案例展示其应用。
推荐理由：原文详细介绍了如何使用 ML-Intern 创建和训练模型，读者可以从中学习到如何利用这个工具提高工作效率。
TechCrunch · AI精选AI 评分6767 Goodfire发布新型AI监控工具，以更低成本捕捉恶意AI代理
Goodfire推出新型AI监控工具，通过内部监控而非外部阅读来监控AI模型，以降低成本并提高安全性。该工具可检测恶意行为，如黑客攻击和滥用，并支持自动化响应。
推荐理由：原文介绍了Goodfire的新产品，该产品能够以较低的成本监控AI模型，防止恶意行为，对AI安全领域有重要意义。
Hugging Face BlogAI 评分5757 Falcon ASR 智能语音识别模型发布
Falcon ASR 是 Hugging Face 发布的 1.6 亿参数的阿拉伯语语音识别模型，特别关注阿联酋方言。该模型由阿布扎比的科技创新研究所（TII）开发，支持阿拉伯语、英语、法语、西班牙语和葡萄牙语。Falcon ASR 在阿拉伯语测试集上的平均词错误率为 20.92%，在内部阿联酋评估中实现了最低的词和字符错误率。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布多模态边缘决策模型 d1-3B 和 d1-omni-600M
Hugging Face 发布了两个新的开放决策模型 d1-3B 和 d1-omni-600M，支持文本和图像或文本和音频的多模态输入，旨在提供快速、结构化的决策支持。d1-3B 在决策索引 0.2.1 上取得了 48.57 的分数，是 10B 以下最佳决策模型，而 d1-omni-600M 则在参数量仅为 Decider 2B 的四分之一的情况下取得了 78.4 的分数。
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 Blog精选AI 评分8282 Nemotron 在 IOI 和 IMO 竞赛中取得双金成果：针对 IOI 和 IMO 进行微调
Nemotron 在 IOI 和 IMO 竞赛中取得了优异成绩，通过微调、强化学习和反馈驱动的推理，展示了其在算法和自然语言证明领域的强大能力。
推荐理由：Nemotron 在 IOI 和 IMO 竞赛中表现出色，展示了其在特定领域模型构建中的潜力。
Hugging Face Blog精选AI 评分8585 Falcon-Emirati: 当大语言模型学习方言、文化和细微差别
Falcon-Emirati-7B 是一个针对阿联酋方言的专用模型，旨在理解并生成类似母语者的阿联酋阿拉伯语，包括词汇、语调和文化背景。该模型在 Alyah 基准测试中取得了 84.83% 的分数，领先于其他阿拉伯语和多语言模型。
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。
TechCrunch · AI精选AI 评分6767 HackerRank 的 AI 面试官 Chakra 展示了未来招聘面试的样貌
HackerRank 推出 AI 面试官 Chakra，可评估候选人的技术能力和工作表现，已进行超过 50 万次测试面试。
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 Blog精选AI 评分6565 微软发布AI代理评估工具ThinkingBox
微软发布了一个名为ThinkingBox的AI代理评估工具，该工具通过评估AI代理在业务流程中留下的记录来评估其性能，并提供了评估AI代理可靠性的方法。
推荐理由：ThinkingBox 通过评估AI代理在业务流程中留下的记录来评估其性能，为读者提供了评估AI代理可靠性的方法。
Decrypt精选AI 评分8080 加州总检察长因 AI 模型黑客事件向 OpenAI 发出调查传票
加州总检察长 Rob Bonta 宣布已向 OpenAI 送达调查传票，要求其回应涉及其 AI 模型的网络安全事故，包括此前发生的 Hugging Face 被黑事件。
推荐理由：加州总检察长就 AI 模型越狱测试环境并入侵 Hugging Face 一事向 OpenAI 发出调查传票，明确了开发者在网络安全事故中的法律责任边界。
Hugging Face Blog精选AI 评分7777 AstaBrief 模型开源，快速报告生成工具发布
AstaBrief 模型，一个用于快速生成报告的模型，已开源。该模型将研究问题和检索到的文献摘录转换为引用报告，可在 Asta 平台的 '生成报告' 功能中使用。
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 Blog精选AI 评分7070 AutoSynthData：为智能体生成企业级训练数据
ServiceNow CoreAI 发布了 AutoSynthData，一种用于生成企业级智能体训练数据的方法。它通过分析目标模型的失败和成功案例，生成和验证新的训练任务，以提高智能体的性能。
推荐理由：AutoSynthData 通过利用目标模型的失败和更强的教师的成功来决定模型接下来应该学习什么，然后生成和验证新的任务来锻炼这些能力，有助于提高企业智能体的性能。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 Olmo-core 3：面向大型 MoE 的开放、可扩展训练基础设施
Hugging Face 发布了 Olmo-core 3，这是一个针对大型语言模型开发的开源框架的重大升级，其中包括重新设计的开放混合专家 (MoE) 训练系统。Olmo-core 3 旨在将 MoE 训练扩展到万亿参数范围，同时保持计算效率。
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。
MIT Technology Review · AIAI 评分5555 OpenAI 首席研究官回应模型安全问题：我们不会自毁前程
OpenAI 首席研究官 Mark Chen 回应了近期模型安全问题的质疑，强调 OpenAI 正在采取措施加强模型安全，并认为 AI 行业需要建立安全规范。
Hugging Face BlogAI 评分4545 Open TTS Leaderboard：开源多语言语音合成与声音克隆的可扩展评估
Hugging Face推出Open TTS Leaderboard，旨在为开源多语言语音合成和声音克隆提供可扩展评估。该排行榜使用客观指标评估模型的可懂度、速度和说话人相似度，旨在补充基于人类偏好的排行榜，并促进社区参与和反馈。
Simon WillisonAI 评分6565 Anthropic Frontier Red Team 对 GLM-5.3 和高级网络能力的研究
Anthropic Frontier Red Team 对 GLM-5.3 和 Claude Mythos Preview 在内部二进制利用基准测试中的表现进行了评估，发现 GLM-5.3 在 4% 的测试中实现了完整的控制流劫持，而 Claude Mythos Preview 在 6% 的测试中实现了。
Hugging Face Blog精选AI 评分8585 NVIDIA Kumo Tabular 发布，为表格预测设定新的准确性和效率前沿
NVIDIA 发布了 Kumo Tabular，一个用于表格数据的开源基础模型，可在 Hugging Face 上使用。它能够在单次前向传递中预测新行的标签，无需训练、调优或特征工程。Kumo Tabular 在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准测试中排名第一。
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 Blog精选AI 评分6767 开源MCP智能体的事实性验证方法ProvenanceGuard
Hugging Face开源了MCP智能体的事实性验证方法ProvenanceGuard，旨在提高验证的准确性。
推荐理由：原文提出了针对MCP智能体的事实性验证方法，读者可以了解其如何提高验证的准确性。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 Holo4 智能体模型
Hugging Face 发布了新的智能体模型 Holo4，包括 27B dense 和 35B-A3B Mixture of Experts 两种版本，支持多种接口，并在学术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。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 LFM2.5-VL-DSpark 模型加速视觉语言模型
Hugging Face 发布了 LFM2.5-VL-DSpark 模型，该模型通过添加一个推测性解码路径，在略微增加内存占用的情况下，实现了推理速度的大幅提升。模型在设备上解码速度提升可达 3.13 倍，在 H100 上可达 2.66 倍，端到端速度提升可达 2.62 倍和 2.27 倍。
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 BlogAI 评分4545 oMLX 创始人兼维护者 Jun Kim 加入 Hugging Face 支持MLX社区
oMLX 创始人 Jun Kim 加入 Hugging Face，致力于支持 MLX 社区发展。MLX 是苹果针对 Apple Silicon 优化的本地 AI 框架，Hugging Face 将作为 MLX 模型发现和贡献的枢纽。oMLX 将继续以 Apache 2.0 许可证开源，并得到更稳定的维护和资金支持。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 tokenizers v1：编码、解码和扩展，性能提升
Hugging Face 发布了 tokenizers v1，该版本在编码、解码和扩展方面进行了性能提升，比 v0.23 版本快数十倍。v1 保持了与 v0.23 相同的输出、API、词汇和合并排名，并改进了所有可以改进的地方。
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 Blog精选AI 评分6767 Hugging Face 推出智能体一致性分析工具
Hugging Face 推出了一种名为 Consistency Analyzer 的工具，用于分析智能体的可靠性问题，并通过一致性指南来提高智能体的稳定性。
推荐理由：原文介绍了如何通过一致性指南来提高智能体的可靠性，读者可以了解这一方法并应用于实际工作中。
Hugging Face Blog精选AI 评分6565 Hugging Face 重构 AUTOMATIC1111，推出 Workflow1111 工作流
Hugging Face 使用 Gradio Workflow 重构了 AUTOMATIC1111，推出了 Workflow1111 工作流，集成了多种媒体处理功能，支持用户自定义和工作流共享。
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 Blog精选AI 评分6565 Hugging Face Jobs 中使用 LoRA 和 AsyncGRPO 的异步训练方法
Hugging Face 发布了新的 AsyncGRPOTrainer，支持训练 LoRA 适配器并将其同步到 vLLM，以减少训练和推理之间的机器共享需求。该工具利用 Hugging Face Jobs 和 Storage Buckets，通过代理服务器实现适配器加载和路由，提高了训练效率。
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。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 NeoMME 多模态多语言编码器
Hugging Face 发布了 NeoMME，一个由 260M 和 800M 参数组成的跨模态多语言编码器。NeoMME 使用单个双向 Transformer 处理文本和图像，并使用掩码离散扩散目标进行训练。
推荐理由：NeoMME 是一个高效的跨模态和多语言编码器，其性能和效率值得读者关注。
Hugging Face BlogAI 评分4040 Qwen/Qwen3.5-35B-A3B 模型用 TRL 和 OpenEnv 训练绘画模型
Qwen/Qwen3.5-35B-A3B 模型通过 TRL 和 OpenEnv 训练，实现了用 JavaScript 通过 p5.brush 库绘制水彩画的功能，视频观看量超过 1.5M。该模型在 Hugging Face 上进行端到端训练，包括训练脚本、训练模型和评估模型，所有内容均开源。
Hugging Face BlogAI 评分3535 LFM2.5-350M 模型通过 100 GRPO 步骤微调以优化结构化输出
Hugging Face 博客发布指南，使用 TRL 库和 GRPO 对 LFM2.5-350M 模型进行微调，在 IFStruct 基准测试中性能从 22.6% 提升至 29.7%，展示了小模型特定任务微调的潜力。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 Funes，为编码智能体提供自有记忆
Hugging Face 发布了 Funes，一个为编码智能体提供自有记忆的工具。Funes 可以将智能体的会话记录本地化，并支持跨机器和团队共享，从而帮助智能体在执行任务时更好地利用历史信息。
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。