跳到正文
  1. Hugging Face Blog88

    Meta 发布开源权重多模态 MoE 模型 Muse Spark Open

    Meta 发布开源权重模型 Muse Spark Open,采用 MoE 架构,总参数约 816B、每 token 激活约 42B,支持文本、图像、音频和视频输入,上下文窗口最高 1M tokens。

    推荐理由:Meta 开源 816B 多模态 MoE 模型,给出完整部署与微调配方,可据此评估自托管前沿模型的成本与门槛。

  2. Hugging Face Blog80

    Black Forest Labs 发布 FLUX.3 Image Klein,Diffusers 首日支持

    Black Forest Labs 发布 FLUX.3 Image Klein,在 Diffusers 中首日可用,一个模型同时支持文生图、多参考图生图和用边界框控制布局。

    推荐理由:FLUX.3 Image Klein 在 Diffusers 首日支持,并给出显存与耗时数据,可据此判断本地部署成本。

  3. Hugging Face Blog62

    Apertus 1.5 发布:8B 与 70B 模型新增图像音频理解与思考模式

    Apertus 1.5 在 8B 和 70B 两代模型上新增图像与音频理解、可选思考模式,上下文窗口扩展到 262,144 tokens,为 1.0 的 4 倍,权重以 Apache 2.0 许可发布在 Hugging Face。

    推荐理由:Apertus 1.5 在 8B 和 70B 上加入图像音频理解与思考模式,并公开训练数据与中间检查点,便于对照复现。

  1. Hugging Face Blog71

    Liquid AI 发布端侧智能体模型 LFM2.5-24B-A2B

    Liquid AI 发布 LFM2.5-24B-A2B,一个总参数 24B、每 token 仅激活 2B 的推理模型,面向端侧智能体,会先思考再作答并调用工具。

    推荐理由:Liquid AI 给出端侧智能体模型的参数结构、基准对比与推理速度,可据此判断本地部署的可行性。

  1. NVIDIA Blog78

    NVIDIA RTX Spark 上市前公布本地 AI 软件与模型更新

    NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市,并联合生态伙伴在上市前推出面向本地 AI 的软件与模型更新。新内容包括 GitHub Copilot、Hermes、OpenClaw、Perplexity、Pi 和 WorkBuddy 等智能体应用的适配,以及 10 月 15 日发布的 Nemotron 3.5 Bolt 74B 模型。

    推荐理由:NVIDIA 在 RTX Spark 笔记本上市前集中公布本地智能体、模型与开发工具的适配清单,可据此判断端侧 AI 生态的落地节奏。

  1. Hugging Face Blog74

    作者用 ML-intern 两天训出六个模型,总花费约 103 美元

    作者在 HuggingChat 中开启 ML-intern,用自然语言描述需求,两天内做出六个模型,包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机视角 LoRA、Doodle-in LoRA 和 Agate 4-step 蒸馏模型,总计算成本约 103 美元。

    推荐理由:作者用 ML-intern 在两天内从零训出六个模型,给出了提示词写法、预算控制和成本明细,可迁移到自己的训练流程。

  1. Hugging Face Blog60

    Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平

    英伟达团队从 Nemotron 3 出发,用 SFT、RL 和生成-验证-改进的推理流程做领域微调,在 IOI 2026 和 IMO 2026 均达到金牌水平。

    推荐理由:原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集,可迁移到其他专业领域。

  1. Hugging Face Blog78

    微软与 Hugging Face 发布 ThinkingBox:按数据库终态给 AI 智能体打分

    微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox,通过隔离的 MCP 工具会话运行智能体,再按终端后端状态和副作用打分,而非看模型生成的句子。

    推荐理由:微软与 Hugging Face 联合发布的智能体评测环境,用后端状态而非模型自述来判定任务是否真正完成。

已经到底了