←搜索结果

搜索“Hugging Face”

按匹配度 · 共 1205 条结果 清除搜索

星期四

  1. MarkTechPost

    Liquid AI 开源 d1-3B 与 d1-omni-600M 多模态决策模型

    Liquid AI 发布 Open d1 系列两款开源权重多模态决策模型：d1-3B 读取文本与图像，d1-omni-600M 读取文本加图像或音频，两者都不生成文本，而是在一次前向传播中返回校准后的类型化答案，输出 token 数为 0。d1-3B 有 3.12B 参数，基于 LFM2.5-VL-3B，使用 400M SigLIP2 NaFlex 视觉编码器和 32,768 token 上下文；d1-omni-600M 有 587M 参数，基于 LFM2.5-Encoder-350M，音频编码器为 17 层 FastConformer，上下文 16,384 token，音频片段上限 30 秒。两个检查点已上 Hugging Face，可通过 Transformers 加载并支持 llama.cpp，LFM Open License v1.0 允许年收入低于 1000 万美元的免费商用；d1-3B 在 Decision Index v0.2.1 得 48.57，在 RTX 4090 上单问题延迟 8 ms。

    匹配字段摘要、正文

    #ai-vertical#模型发布#多模态#端侧
  2. Hugging Face

    LiquidAI 发布面向端侧的 d1-3B 与 d1-omni-600M 开源决策模型

    LiquidAI 发布基于 LFM 的两款开源决策模型 d1-3B 和 d1-omni-600M，它们不生成 token，而是在单次前向传播中给出答案。d1-3B 基于 LFM2.5-VL-3B 训练，接受文本和图像输入，在七个公开数据集上平均得分 82.9，高于 Decider 4B；d1-omni-600M 基于双向编码器 LFM2.5-Encoder-350M，加入视觉和音频编码器，得分 78.4，超过 Decider 2B 的 77.1，参数量仅为其四分之一，目前处于早期研究发布阶段。与 NVIDIA 合作在 RTX 4090、Jetson AGX Thor、Jetson AGX Orin 64 GB 和 Jetson Orin Nano 上评测，d1-3B 在每台设备上回答单个问题均低于 50 ms，GPU 上低于 10 ms，处理 384px 图像低于 18 ms。两款模型均为开放权重，已在 Hugging Face 上线。

    匹配字段摘要、正文

    #lab#模型发布#端侧#多模态
  3. Aravind Srinivas

    Perplexity 开源 pplx-embed-v2-late 多向量嵌入模型

    Perplexity 开源 pplx-embed-v2-late，包含 9B 和 0.6B 两个多向量嵌入模型，覆盖文本与图像并共享同一嵌入空间。9B 用于索引多模态数据，0.6B 用于端侧查询，还支持无需 OCR 直接检索 PDF 页面。该模型在 MADQA 上得分 92.4%，在 BrowseComp+ 上得分 64%，权重已在 Hugging Face 发布。

    匹配字段摘要

    #editorial#开源/仓库#多模态#搜索

星期三

  1. Ai2 Blog

    Ai2 的 Bolmo 字节级语言模型研究登上 Nature，并发布新 checkpoint

    Ai2 的 Bolmo 字节级语言模型研究登上 Nature，并在 Hugging Face 发布新 checkpoint，将 byteifying 方法从 Olmo 扩展到 Qwen 3 8B 和 Llama 3 8B，得到 Bwen 8B 与 BlamaLlama-B 8B。Bwen 8B 是迄今最强的 byteified 模型，在综合评测套件上超过 Bolmo 7B。Ai2 同时发布 Stage 1 checkpoint，冻结原模型、只训练新增字节级组件。

    匹配字段摘要、正文

    #lab#论文/研究#开源生态#数据/训练
  2. Hugging Face

    NVIDIA 微调 Nemotron 家族，在 IOI 与 IMO 取得金牌级成绩

    NVIDIA 用同一套微调配方把 Nemotron 打造成竞赛编程与奥数领域的专用模型：IOI 2026 上 Nemotron-3-Ultra-CC 得 535.4 分（满分 600），IMO 系统得 30 分（满分 42），超过官方金牌线。配方包括强基座模型、领域问题与推理轨迹数据、SFT 与 RL 后训练，以及生成-评估-改进的推理循环。相关 SFT 与 RL checkpoint、训练数据集、Nemotron-IMO-Bench 基准和 NeMo-Skills 推理流程已在 Hugging Face 开源。

    匹配字段摘要、正文

    #lab#模型发布#数据/训练#推理
  3. Aaron Levie

    Aaron Levie：AI 将重塑网络安全，智能体攻防成新战场

    Box CEO Aaron Levie 认为，网络安全将是未来几年 AI 最具决定性的领域之一。AI 会带来 vibe coded 问题、智能体攻击乃至意外游荡找数据的智能体集群，OpenAI + Hugging Face 只是前兆；安全团队本就资源最紧张，压力只会更大。AI 智能体同时也是解法，保护代码、企业系统、关键基础设施与数据的智能体产品将大量涌现，能有效部署安全智能体的从业者将迎来繁荣市场。

    匹配字段摘要、正文

    #ai-news#现象/趋势#安全/对齐#Agent
  4. Liquid AI 模型与工程博客精选

    Liquid AI 发布 d1-3B 与 d1-omni-600M 开放权重决策模型

    Liquid AI 发布 d1-3B 和 d1-omni-600M 两款开放权重决策模型，已在 Hugging Face 上线。d1-3B 在 Decision Index v0.2.1 公开集得 48.57，超过所有 10B 以下模型，与 12 倍规模的 Decider 35B-A3B 持平；单次提问在 RTX 4090 上 8 ms、Jetson AGX Thor 上 16 ms、Jetson AGX Orin 上 26 ms、Jetson Orin Nano 上 50 ms。d1-omni-600M 是首个实验性 checkpoint，支持文本与图像或文本与音频输入，同一指数得 15.95。

    匹配字段摘要、正文

    #company#模型发布#端侧#多模态
  5. Sundar Pichai精选

    Google 发布 EmbeddingGemma 2 开源多模态嵌入模型

    Google 发布 EmbeddingGemma 2，这是其首个开源的原生多模态嵌入模型，采用 740M 参数的轻量模块化设计，可处理文本、代码、图像、视频和音频任务。官方称其与 Gemma 4 搭配适合离线、隐私优先的 RAG，性能超过部分参数量两倍以上的专用模型，权重已在 Hugging Face 开放下载。

    匹配字段摘要、正文

    #editorial#模型发布#多模态#端侧
  7. The Decoder

    保险公司为失控 AI 智能体准备数百万理赔，高管个人责任被纳入考量

    保险公司正为失控 AI 智能体造成的数百万美元理赔做准备。据《金融时报》报道，Sam Altman（OpenAI）和 Dario Amodei（Anthropic）等高管的个人责任也被纳入考量，起因包括 OpenAI 智能体入侵 Hugging Face 平台等事件。Verisk 承保与理赔主管 Tim Rayner 表示责任最终落在 CEO 身上；保险经纪 Aon 审查了 300 多起 AI 相关法律案件，指出网络安全、知识产权和技术故障保单中的风险，但目前尚无判例可依。Hiscox CEO Aki Hussain 称美国法院将如何处理 AI 智能体责任还为时过早，Stewarts 律师 Aaron Le Marquer 预计未来诉讼会沿用环境与烟草诉讼的打法。

    匹配字段摘要、正文

    #ai-vertical#行业动态#OpenAI#Anthropic
  8. The Decoder

    Google 发布 EmbeddingGemma 2 多模态嵌入模型

    Google 发布开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转为向量，参数量 740M，Google 称其在多模态嵌入基准上超过参数量两倍的竞品。该模型无需 API key 即可本地运行，浏览器中通过 WebGPU 单次查询约 20 至 70 毫秒，仅需约 191MB 内存，本地向量数据库存储最多减少六倍；纯文本任务可用 270M 参数版本。搭配 Gemma 4 等小型开源模型可离线运行 RAG 应用，权重已在 Hugging Face 和 Kaggle 发布，并附开发者指南与文档。

    匹配字段摘要、正文

    #ai-vertical#模型发布#多模态#开源生态
  9. MarkTechPost精选

    Google DeepMind 发布 EmbeddingGemma 2，740M 开源多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构的 740M 参数开源多模态嵌入模型，可将文本、代码、图像、视频和音频嵌入同一个 768 维空间，采用 Apache 2.0 许可，权重已上线 Hugging Face 和 Kaggle，并提供 Ollama、llama.cpp GGUF 和 LiteRT 版本。模型采用模块化设计，文本与代码主干 270M、视觉编码器 170M、音频编码器 300M 均可选，上下文窗口 8192 token，是上一版的 4 倍。Google 研究团队称其在 MTEB Code 和 MAEB 的 1B 以下多模态嵌入模型中领先，代码检索从 68.76 提升到 78.68；量化后在 Pixel 11 Pro 上纯文本约占 191MB 内存，全多模态约 567MB。

    匹配字段摘要、正文

    #ai-vertical#模型发布#多模态#端侧

星期二

  1. Google DeepMind

    Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的端侧多模态嵌入模型，原生将文本、图像、音频和视频映射到统一嵌入空间。它在 MTEB Code 上从 68.76 提升到 78.68，支持 8K token 上下文窗口，可处理约 5.5 分钟音频、29 张图像或 58 帧视频，并可通过 MRL 将向量从 768 维截断至 128 维。模型权重已在 Hugging Face 和 Kaggle 开放下载，支持 LiteRT、MediaPipe、transformers.js、vLLM、Ollama 等部署方式。

    EmbeddingGemma 2

    匹配字段摘要、正文

    #lab#模型发布#多模态#端侧
  2. Google Blog

    Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，这是面向端侧的多模态嵌入模型，可将文本、图像、音频和视频映射到统一嵌入空间。模型基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量 7.4 亿，文本任务最低 2.7 亿参数，可选视觉（1.7 亿）和音频（3 亿）编码器。它支持 8K token 上下文窗口，是 EmbeddingGemma 1 的 4 倍，可处理约 5.5 分钟音频、29 张图片或 58 帧视频；借助 MRL 可将输出向量从 768 维截断至 512、256 或 128 维，最多减少 6 倍存储占用。在 MTEB Code 上得分从 68.76 提升至 78.68，模型权重已在 Hugging Face 和 Kaggle 开放下载。

    EmbeddingGemma 2

    匹配字段摘要、正文

    #lab#模型发布#多模态#端侧
  3. MarkTechPost

    JEPA-Anything：用一套配方为 7 个领域构建世界模型

    PhAI Labs、CUHK、复旦、斯坦福、牛津与普林斯顿的研究者发布 JEPA-Anything，用一套共享学习配方替代逐领域设计预测模型，通过正交预测分解（OPF）把宽度 d 的 JEPA 目标拆成 K 个正交子空间并各配一个预测器。它在 10 个动力学任务上全部优于匹配的 JEPA 基线，Interventional Pong 单干预误差下降 34.83%，APEBench Burgers 6 步 rollout 误差降约 44.7%。核心代码以 Apache-2.0 开源，研究检查点已放在 Hugging Face。

    匹配字段摘要、正文

    #ai-vertical#论文/研究#开源生态#数据/训练
  4. AWS Machine Learning

    GLM 5.3 上线 Amazon Bedrock，753B MoE 模型面向编码与长程智能体任务

    Z.ai（智谱）的 GLM 5.3 已在 Amazon Bedrock 上线，据 Hugging Face Hub 发布信息，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务优化。Bedrock 提供全托管 API，支持跨区域推理、提示词缓存和服务层级，目前面向符合条件的企业客户开放。相比 GLM 5，官方称其在 DeepSWE、Terminal Bench 3.0、FrontierSWE 等编码基准上有竞争力，并在 CyberGym 基准上测得 84.5 分。

    [Amazon Bedrock Playground screenshot showing chat interface with GLM 5.3 model explaining symmetric vs asymmetric encryption. Response includes detailed comparison with checkmarks and X marks highlighting key differences, examples like AES and RSA, a]

    匹配字段摘要、正文

    #lab#产品更新#OpenAI#部署/工程
  6. The Verge AI

    Altman 称 AI 收益巨大，世界应接受一些坏事发生

    OpenAI CEO Sam Altman 在 Politico 的 Decoded 播客中表示，AI 带来的好处将大到“世界应该接受一些坏事发生”，并点名黑客攻击、诈骗等是应被容忍的代价。他把这种权衡描述为 OpenAI 与 Anthropic 的关键分歧，同时称自己仍支持加强监管，只是反对以安全为名过度限制技术，并把自己定位在 Anthropic 的谨慎立场与几乎不监管之间。Altman 也承认存在人类失去对 AI 系统控制等更极端风险，并称公司还有“更多事情要披露”，但不会达到 Hugging Face 被攻击事件的程度。

    匹配字段摘要、正文

    #tech-media#行业动态#OpenAI#Anthropic
  7. 财联社

    推理支出2026年首超训练，Token工厂崛起改变AI基础设施投资逻辑

    Gartner预测2026年全球推理支出将达233亿美元，首次超过190亿美元的训练支出，占AI IaaS总支出的55%；中国信通院报告预计2026年推理算力占AI算力总负载的70.5%。多位业内人士指出，Hugging Face权重下载量与OpenRouter Token调用量常被混同为出海成绩，但Token调用量不等于收入，Token出海本质是推理服务出海，与实际收入关系更直接。公有云巨头、独立MaaS推理服务商和GPU厂商正纷纷布局Token工厂，合规与全球低延迟分发是当前主要卡点。

    匹配字段摘要、正文

    #chinese#现象/趋势#数据/训练#部署/工程

星期一

  1. The Decoder

    Aleph Alpha 发布开源权重模型 Kolibri，主打欧洲 AI 主权

    Aleph Alpha 发布 Kolibri，这是一个 78B 参数的德英双语模型，采用混合专家架构，每个 token 约激活 3B 参数。公司称其在两种语言的质量与运行成本上处于帕累托前沿，训练数据中德语占 21.3%，并建有专门的德语数据管线，部分合成数据由中文模型生成。Kolibri 面向公共管理、航空和工业场景，按欧洲法律并参照 EU AI Act 开发，支持最高 100 万 token 上下文窗口，在德国和芬兰的 768 块 B200 GPU 上训练，权重以 Apache 2.0 许可在 Hugging Face 开放。

    匹配字段摘要、正文

    #ai-vertical#模型发布#开源生态#数据/训练