公司与模型
Hugging Face 社区的热门开源模型、数据集、工具与榜单变化。
15 条精选近 30 天 15 条共收录 16 条
Hugging Face 宣布启动 Project ProtoStar，联合卡内基梅隆大学、普渡大学等机构，推动公共资助科研数据、模型和代码以 AI-ready 格式开放复用。首个挑战赛由 CMU 主办，将于 11 月 2 日开始，使用美国 210 个城市的历史天气数据训练 AI 预测 2019-2026 年气候指标，并产出政策建议。
推荐理由：Hugging Face 联合多所高校发起 ProtoStar，推动公共资助科研数据以 AI 可用格式开放，并通过挑战赛验证复用价值。
美国司法部正在审查英伟达以 129.3 亿美元收购开源平台 Hugging Face 的计划是否会对竞争对手造成不利影响，该交易预计 2027 年上半年完成。同时审查范围还包括英伟达对 SchedMD 和 Run:ai 的收购以及与 Groq 的许可协议是否存在排他性销售行为。法国竞争管理局也对英伟达在 CUDA 生态和云提供商持股方面的潜在反竞争风险展开调查。
推荐理由：原文梳理了美国司法部对英伟达收购 Hugging Face 及相关客户合作模式的反垄断审查进度，帮助判断这笔交易的时间线和监管阻力。
Hugging Face 发布 Mistral Large 4 开源，模型采用 1T 总参数 / 49B 激活的 MoE 结构，支持文本与图像输入，并提供 FP8、NVFP4 及 GGUF 量化版本。
推荐理由：文章给出了架构、基准分数和代码示例，读者可直接了解新模型的能力与部署方式。
Hugging Face 发布 Granite Switch 4.1.1，基于模块化 Switch 架构提供增量更新，重点更新了 Granite Speech ASR 与 granitelib-core 中的 Decision 适配器。
推荐理由：更新展示了模块化的 Switch 架构，在不重训基础模型的情况下快速迭代专业适配器。
Hugging Face 发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包，在 Apple 平台上提供可更换推理引擎的本地语音转文字和结构化决策 API。
推荐理由：这是Hugging Face在Swift侧扩展本地模型能力的新框架，覆盖语音识别和结构化决策两种场景。
Hugging Face Blog 发布 TorchNeuronx 模型支持 Space，用于查询 Hugging Face Hub 上热门模型是否能在 AWS Trainium 上无需修改直接运行，并提供对应的 run.py 启动脚本与 Neuron 编译器版本。
推荐理由：官方给出不依赖手动适配的 Trainium 兼容查询入口和可复用启动脚本，直接对应落地部署路径。
Recursive 发布首个自主 AI 研发流程生成的语言模型 Flint，40B 参数中仅 2.5B 活跃，针对本地硬件的 agentic coding 设计。在 M4 Pro 等端侧设备上推理速度显著超过同类密集模型，权作用于 Apache 2.0 许可在 Hugging Face 开放。
推荐理由：这是 Recursive 首次公开可用模型，展示 Eureka Machine 自动化研发流程的实际产出，可参考其对 MoE 结构和端侧推理的优化思路。
IBM 发布 Granite Speech 5.0 语音模型家族并更新 4.1 版本，含 granite-speech-5.0-2b、 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus，支持英语、法语、德语、西班牙语、葡萄牙语、日语等转录与翻译，并提供关键词偏置、说话人归属和原生标点功能。
推荐理由：原文披露了三个模型的能力差异与基准数字，开发者可据此按准确性、速度或多人场景选型。
Hugging Face 宣布发布 SimReady Central Library，提供一个包含超过 2000 个已准备好仿真属性的 OpenUSD 资产库，用于构建机器人物理 AI 训练环境和 AI 工厂数字孪生。
推荐理由：原文明确发布了 SimReady Central 库并给出使用方式和 OEM 准入路径，适合关注物理 AI 仿真生态的读者评估其对现有开发流程的影响。
Hugging Face 联合创始人兼 CEO Clem Delameo 在 X 上发文，批评 Netflix 纪录片《AI Gone Rogue》对 OpenAI 智能体攻击事件的处理不准确。
推荐理由：Hugging Face CEO 对 Netflix 纪录片的准确性提出批评，指出纪录片过度拟人化 AI 智能体，忽略了安全限制和开放模型在防御中的实际作用。
Hugging Face 推出 TorchTPU，将 TPU 作为 PyTorch 原生后端，Transformers 和 Diffusers 现在可直接在 TPU 上运行，无需 PyTorch/XLA。TPU 上运行 Qwen3-30B-A3B 等模型时，结合 Pallas 内核可实现最高 21.5 倍的解码加速，目前 96.5% 的测试通过。
推荐理由：Hugging Face 官方介绍 TorchTPU 后端及 Transformers、Diffusers 的 TPU 原生支持，读者可了解迁移成本与性能收益。
Hugging Face 发布 AnyLanguageModel 1.0、swift-huggingface 1.0 和 swift-xet 1.0。
推荐理由：Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 平台本地与托管推理的 Swift API，并同步发布相关工具包。
Hugging Face 宣布 TorchNeuron 将于 2026 年 10 月 20 日开放公共测试，用户可通过 pip install torch-neuronx 安装。
推荐理由：Hugging Face 宣布 TorchNeuron 公共测试，让 Transformers 等库原生支持 AWS Trainium 的 eager 模式与 torch.compile，降低部署门槛。
Hugging Face宣布Reflection推出的首个模型Beam开源，它是501B参数MoE模型，每token激活23B，支持1M上下文，主要面向编码和Agent场景。
推荐理由：文章给出了Beam的参数规格、推理部署与微调配方，有助于评估它在本地跑长上下文编码任务时的可行性。
IBM 发布 Granite Switch 4.1，8B 与 30B 两个版本通过 Decision aLoRA 与 Speech-to-text 组件在同一端点切换对话、决策与语音转写，共享 KV cache 并已在 vLLM 与 llama.cpp 中支持。
推荐理由：原版给出了一个模型端点同时支撑对话、决策和语音转写的能力组合，读者可直接对比多模型方案在显存与延迟上的差异。