Prime Intellect 发布 INTELLECT-2，称其为首个 32B 参数全球去中心化强化学习训练，任何人都可无许可贡献异构算力。该训练以 QwQ-32B 为基座模型，沿用 DeepSeek-R1 的 GRPO 与可验证奖励方法，并配套开源 prime-RL 异步分布式 RL 库、Shardcast 权重分发库和 TOPLOC 可验证推理方案。推理节点可用消费级 GPU，例如 4×RTX 3090 即可参与训练，训练数据已发布在 Hugging Face。
匹配字段摘要
vLLM v0.7.3+ 在 AMD ROCm 上支持 PTPC-FP8 量化，无需预量化即可通过 `--quantization ptpc_fp8` 运行 Hugging Face 模型。MI300X 测试中，其吞吐量较逐张量 FP8 为 1.01x，Llama-3.1-8B-Instruct 困惑度较 BF16 下降 0.86%，Llama-3.1-70B-Instruct 在 GSM8K 上取得 87.3% strict-match 准确率。融合 FP8 rowwise scaled GEMM 操作相较朴素实现最高带来 2.5× 加速。
vLLM v0.7.3+ 在 AMD ROCm 上支持 PTPC-FP8 量化，无需预量化即可通过 --quantization ptpc fp8 运行 Hugging Face 模型。MI300X 测试中，其吞吐量较逐张量 FP8 为 1.01x，Llama-3.1-8B-Instruct 困惑度较 BF16 下降 0.86%，Llama-3.1-70B-Instruct 在 GSM8K 上取得 87.3% strict-match 准确率。融合 FP8 rowwise scaled GEMM 操作相较朴素实现最高带来 2.5× 加速。
匹配字段摘要、正文
Zyphra 发布 Zonos-v0.1 beta，包含两款 1.6B 文本转语音模型，分别为 transformer 和 SSM hybrid，均以 Apache 2.0 许可开源，权重已上线 Hugging Face，推理示例代码在 GitHub。模型基于约 20 万小时语音数据训练，支持 5 至 30 秒音频的高保真语音克隆，可调节语速、音高、音质和情绪，原生输出 44KHz 音频。Zyphra 称其生成质量可媲美或超过领先的闭源 TTS 模型，并给出 API 每分钟 0.02 美元的定价。
匹配字段摘要
Sarvam AI 推出 Sarvam-1，一个 20 亿参数、面向 10 种印度语言与英语的语言模型，可从 Hugging Face Hub 下载。其分词器将印度文字的词元生育率降至 1.4-2.1（原有多语言模型需 4-8），训练语料 Sarvam-2T 约 2 万亿印度语言 token。在 MMLU、Arc-Challenge 和 IndicGenBench 上超过 Gemma-2-2B 与 Llama-3.2-3B，推理速度比更大模型快 4-6 倍。
匹配字段摘要
Zyphra 发布 1.2B 小语言模型 Zamba2-mini，称其达到 Llama2 7B 级别的性能，4bit 量化下内存占用不足 700MB，并以 Apache 2.0 协议开源模型权重。该模型采用 Mamba2 与共享注意力层交替的混合架构，相比 Phi1.5-1.3B 首 token 时间快 1.67 倍、内存开销降低 23.3%。模型在约 3T token 的 Zyda 及公开数据集上预训练，并在 100B 高质量 token 上退火，已提供 Hugging Face 集成与纯 PyTorch 实现。
匹配字段摘要
Zyphra 发布 7B 参数基础模型 Zamba，采用 Mamba 块与每 6 层一个全局共享注意力层结合的混合架构，训练和推理比标准 Transformer 更省算力。模型分两阶段训练，先用约 1 万亿 token 开放网页数据，再用约 500 亿 token 高质量数据退火，在多项基准上超过 LLaMA-2 7B 和 OLMo-7B，且训练数据用量不到后者一半。全部检查点以 Apache 2.0 协议开源，由 7 人团队在 128 张 H100 上耗时 30 天完成，Hugging Face 集成和完整技术报告将随后发布。
匹配字段摘要
Cartesia 团队发布 Based 架构，通过结合滑动窗口注意力和线性注意力，在召回密集型任务上超越 Mamba 等次二次方模型，同时实现比 FlashAttention-2 高 24 倍的文本生成吞吐量。该架构使用二阶泰勒近似作为特征映射，并提供了 IO 感知的 CUDA 实现，代码和检查点已在 GitHub 和 Hugging Face 公开。
匹配字段摘要、正文
2026年11月3日,Hugging Face公布CWE-bench v2评测结果,并说明数据集、评分器与harness均已公开,可通过Harbor直接从Hub运行。此次评测覆盖11个模型:Gemini 4 Argon以67.8% pass@1、81.0% pass@4领先,Claude Opus 5.5以67.3% pass@1紧随其后。95个任务至少被一个模型解出,但榜首模型每次尝试仍失败19%。成本方面,DeepSeek V4.1 Flash以57.0% pass@1、每次rollout 0.04美元,与Claude Opus 5.5、Gemini 4 Argon构成Pareto前沿。
匹配字段标题
2026年11月3日,Hugging Face提出Transformers模型集成契约(MIC),将缩小后的fixture模型、可运行的Markdown用法示例和人工审核的基线输出三部分打包为模型测试,在CPU上运行快速集成测试。团队用冻结的MIC回放五个月的Transformers提交:UMT5的fixture从2026年7月30日引入回归到9月28日修复期间,一直报出log-probability偏差1.22、训练损失偏差约0.20。Llama 4 Scout的缩小报告显示,108.6亿参数被缩到4470万,视觉栈从34层减到2层、语言栈从48层减到4层。截至2026年11月1日,该CI任务只报告失败、不阻塞PR。
匹配字段标题
2026年11月3日,Hugging Face提出Transformers模型集成契约(MIC),将缩小后的fixture模型、可运行的Markdown用法示例和人工审核的基线输出三部分打包为模型测试,在CPU上运行快速集成测试。团队用冻结的MIC回放五个月的Transformers提交:UMT5的fixture从2026年7月30日引入回归到9月28日修复期间,一直报出log-probability偏差1.22、训练损失偏差约0.20。Llama 4 Scout的缩小报告显示,108.6亿参数被缩到4470万,视觉栈从34层减到2层、语言栈从48层减到4层。截至2026年11月1日,该CI任务只报告失败、不阻塞PR。
匹配字段标题
2026年10月29日,Mistral发布Mistral Large 4(Le Chonk)的开放权重,这是一个1万亿参数的原生多模态模型,在预览版基础上继续强化学习,编码与防御性网络安全能力提升。据Mistral AI公布的数据,该模型在FrontierCode 2.0上得分19.7%,在Artificial Analysis Coding Agent Index上得48%,与GLM-5.3基本持平,但每任务平均少用47% token;Terminal-Bench 4.0提升13个百分点至41%。模型支持三种推理模式,采用修改版MIT的Mistral Ecosystem Open-Weight许可,API定价为每百万输入token $0.70、缓存输入$0.07、输出$2.10。同日,Unsloth发布该模型的1-bit GGUF量化版本,称可在Mac Studio上本地运行,量化后仍保留91% top-1准确率,并提供下载链接和使用指南。
匹配字段标题
Pluto Security在Hugging Face发现31个恶意仓库,这些仓库伪装成小型Qwen2测试checkpoint,利用trust_remote_code在模型加载前执行Python代码,安装加密货币挖矿程序并开启反向shell。下载量最高的MENXIANGYU/qwen2-tiny超过2.8万次下载。第一波账号被下架后数日内出现19个新仓库,报告8天后仍在线上。研究人员称平台扫描只查已知恶意软件和不安全模型格式,第二波旗舰模型扫描结果为干净。
Pluto Security在Hugging Face发现31个恶意仓库,这些仓库伪装成小型Qwen2测试checkpoint,利用trust remote code在模型加载前执行Python代码,安装加密货币挖矿程序并开启反向shell。下载量最高的MENXIANGYU/qwen2-tiny超过2.8万次下载。第一波账号被下架后数日内出现19个新仓库,报告8天后仍在线上。研究人员称平台扫描只查已知恶意软件和不安全模型格式,第二波旗舰模型扫描结果为干净。
匹配字段标题
Pluto Security在Hugging Face发现31个恶意仓库,这些仓库伪装成小型Qwen2测试checkpoint,利用trust_remote_code在模型加载前执行Python代码,安装加密货币挖矿程序并开启反向shell。下载量最高的MENXIANGYU/qwen2-tiny超过2.8万次下载。第一波账号被下架后数日内出现19个新仓库,报告8天后仍在线上。研究人员称平台扫描只查已知恶意软件和不安全模型格式,第二波旗舰模型扫描结果为干净。
匹配字段标题
美国司法部已就英伟达以129.3亿美元收购Hugging Face的交易展开问询,评估该交易对AI竞争的影响,核心关注点是这笔交易是否会让英伟达掌控AI模型和软件的一个根本性分发点。英伟达于2026年9月3日宣布该收购,对价包括约119亿美元现金和最高10亿美元员工留任股权激励,预计2027年上半年完成交割。Hugging Face托管超过300万个AI模型、50万个数据集,服务逾1800万开发者和20万家企业。据路透社报道,调查重点在于英伟达是否可能通过控制这一AI模型重要分发渠道扩大市场力量并排挤竞争对手,目前尚未认定存在具体的反垄断违法行为。
匹配字段标题
2026年10月29日,Hugging Face宣布启动Project ProtoStar,旨在推动公共资助科研成果以AI-ready格式系统共享,并配套开放基础设施与发布指南。据Hugging Face介绍,其平台已托管超过17,000个核心科学领域公开数据集,含医学与数学接近29,000个;2026年前九个月新增科学数据集是2025年同期的三倍以上。首个挑战赛聚焦气候风险,使用210座美国城市截至2018年的历史天气数据,预测2019至2026年的实际气候状况。目前尚无后续进展披露。
匹配字段标题
2026年10月29日,Mistral发布Mistral Large 4(Le Chonk)的开放权重,这是一个1万亿参数的原生多模态模型,在预览版基础上继续强化学习,编码与防御性网络安全能力提升。据Mistral AI公布的数据,该模型在FrontierCode 2.0上得分19.7%,在Artificial Analysis Coding Agent Index上得48%,与GLM-5.3基本持平,但每任务平均少用47% token;Terminal-Bench 4.0提升13个百分点至41%。模型支持三种推理模式,采用修改版MIT的Mistral Ecosystem Open-Weight许可,API定价为每百万输入token $0.70、缓存输入$0.07、输出$2.10。同日,Unsloth发布该模型的1-bit GGUF量化版本,称可在Mac Studio上本地运行,量化后仍保留91% top-1准确率,并提供下载链接和使用指南。
匹配字段标题
2026年10月29日,Hugging Face宣布启动Project ProtoStar,旨在推动公共资助科研成果以AI-ready格式系统共享,并配套开放基础设施与发布指南。据Hugging Face介绍,其平台已托管超过17,000个核心科学领域公开数据集,含医学与数学接近29,000个;2026年前九个月新增科学数据集是2025年同期的三倍以上。首个挑战赛聚焦气候风险,使用210座美国城市截至2018年的历史天气数据,预测2019至2026年的实际气候状况。目前尚无后续进展披露。
匹配字段标题
美国司法部已就英伟达以129.3亿美元收购Hugging Face的交易展开问询,评估该交易对AI竞争的影响,核心关注点是这笔交易是否会让英伟达掌控AI模型和软件的一个根本性分发点。英伟达于2026年9月3日宣布该收购,对价包括约119亿美元现金和最高10亿美元员工留任股权激励,预计2027年上半年完成交割。Hugging Face托管超过300万个AI模型、50万个数据集,服务逾1800万开发者和20万家企业。据路透社报道,调查重点在于英伟达是否可能通过控制这一AI模型重要分发渠道扩大市场力量并排挤竞争对手,目前尚未认定存在具体的反垄断违法行为。
匹配字段标题
Clément Delangue 表示,将招募 Hugging Face 与 Pollen Robotics 各职能团队人员。他提到,随着 Microduck 和 Reachy Mini 的爆发式增长,两家机构各职能团队都需要更多人手,并邀请对以开源方式推动机器人 AI 民主化感兴趣的人私信联系。目前尚无后续招募进展或人员规模的进一步事实披露。
匹配字段标题
Clément Delangue 表示,将招募 Hugging Face 与 Pollen Robotics 各职能团队人员。他提到,随着 Microduck 和 Reachy Mini 的爆发式增长,两家机构各职能团队都需要更多人手,并邀请对以开源方式推动机器人 AI 民主化感兴趣的人私信联系。目前尚无后续招募进展或人员规模的进一步事实披露。
匹配字段标题