跳到正文

#Hugging Face

今日 0 条
11月17日周二
11月13日周五
11月11日周三
  1. MiniMax 动态64

    MiniMax 发布 H3-Image 图像生成模型并开放权重

    MiniMax 今天正式发布 H3-Image 图像生成模型并开放权重,可在10秒内生成4096x4096像素图像。该模型衍生自H3,具备文本生图、图像参考与编辑能力,最多支持16张参考图,指令遵循突出;权重见 https://huggingface.co/MiniMaxAI/MiniMax-H3-Image,并通过开放平台等提供API,生成速度达主流5倍且首周4K五折。

    推荐理由:MiniMax H3-Image 模型开放权重且十秒出4K图,其速度达主流五倍、价格仅半价,为开源图像生成提供性价比参照。

11月10日周二
  1. 量子位67

    蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,统一触觉Token提升机器人操作成功率

    蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,将磁触觉、视触觉、压阻式触觉信号统一编码为触觉Token供动作模型使用。在π0.5拉拉链任务中,接入该模型后成功率从原始触觉的15%升至59%,轻量版 LingBot-Touch-Tiny 约532万参数且代码权重已开源。此前直接输入原始触觉信号反而使机器人操作成功率下降。

11月7日周六
11月6日周五
  1. Hugging Face Blog67

    NVIDIA 发布四个 Cosmos 3 Nano 开放权重模型用于交互式世界模拟

    NVIDIA 发布四个 Cosmos 3 Nano 开放权重检查点模型,用于交互式世界模拟与多传感器驾驶场景生成。四个模型分别为 Cosmos3-Nano-Transfer-Auto、Sim-Auto、Sim-Transfer 和 Sim-Bimanual,均基于 Cosmos 3 Nano 后训练,具备 16B 可训练参数并采用 OpenMDW1.1 许可。

    推荐理由:原文放出四个 Cosmos 3 Nano 开放权重模型,覆盖驾驶多视角与双臂机器人视频生成,研究者可基于公开食谱微调适配。

11月5日周四
  1. Hugging Face Blog62

    Phonon TTS 深度解析:设备端高质量语音模型登顶基准

    Gradium 解析其两周前开放的设备端 TTS 模型 Phonon,给出它在 Hugging Face Open TTS Leaderboard 的评测与离线演示。Phonon 31m 约 65MB 且 Apache 2.0 开源,在德语西班牙语 intelligibility 排名第一,CPU 流式延迟领先。这是 Phonon 首个开源发布,两周下载超 200,000 次。

    推荐理由:文章详细列出 Phonon 在 Hugging Face Open TTS Leaderboard 的多语种 intelligibility 排名与 CPU 流式延迟优势,便于评估小体积语音模型端侧落地可行性。

  2. 量子位65

    百度开源文心5.5 Flash Base,多基准测试刷新同尺寸模型 SOTA

    百度11月5日开源文心5.5 Flash Base基座模型,在知识推理代码等多基准测试超越同尺寸模型刷新SOTA。模型采用MoE架构,总参数量2800亿,每个Token激活140亿参数,使用33.5万亿个Token预训练,预训练上下文最高128K且微调推理支持100万Token。开源地址Hugging Face,为开发者提供进一步微调与定制空间。

  3. IT之家72

    月之暗面 2.8 万亿参数 Kimi K3.1 Pro 开放权重,登顶 Agent Arena 开源模型榜

    月之暗面今日在 Hugging Face 开放 Kimi K3.1 Pro 模型权重,登顶 Agent Arena 开放权重模型榜首。该模型总参数 2.8 万亿,支持约 100 万 Token 上下文,Agent Arena 净改进率 +5.1% 较上代提升 4.2 个百分点。BF16 权重文件约 5.6TB 致本地部署门槛极高,此为兑现 10 月 24 日发布时的承诺。

11月4日周三
  1. 量子位56

    招商局狮子山实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」

    近日招商局狮子山实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,采用MoE架构总参数约35B仅激活约3B。该模型在十项公开基准上全部指标提升,综合均分65.29,并于Hugging Face开源权重。其依靠能力牵引数据引擎而非堆砌数据,提供可复用训练方法论。

11月2日周一
11月1日周日
10月30日周五
  1. IT之家61

    小米开源 0.8B 参数 OCR 小模型 Xiaomi-OCR-0:打通文档解析与视觉问答,支持 Markdown 与 JSON 输出

    小米官方开源 0.8B 文档理解模型 Xiaomi-OCR-0,模型权重与推理代码已上线 Hugging Face 和 GitHub。该模型单一覆盖文档解析、信息抽取与 OCR 视觉问答,在 OmniDocBench v1.6 得 96.83 分列总榜第二。技术已落地手机端超级小爱,并开放 MCP 服务与 Agent Skill 工具包。

  2. The Decoder73

    Mistral 发布 Mistral Large 4(Le Chonk)编码模型,整体仍落后于中国模型

    Mistral 发布 Mistral Large 4(Le Chonk)模型权重,该编码模型在开放模型中领先但整体落后于中国模型。模型约1万亿参数、520亿激活,支持文本图像输入与文本代码输出,API定价为每百万输入token 0.70美元。独立测试显示其生成速度161 tokens/s,编码基准接近DeepSeek但远落后Claude Opus 5.5。

10月29日周四
  1. Hugging Face Blog79

    Mistral 发布多模态 MoE 模型 Mistral Large 4(Le Chonk)并上线 Hugging Face

    Mistral 发布多模态 MoE 模型 Mistral Large 4(Le Chonk),总参数约1T、活跃49B、上下文窗口1M tokens,已上线 Hugging Face。该模型在 Artificial Analysis 开源权重情报指数排名第五,网络安全任务中漏洞复现修补达82%,并提供 transformers、vLLM、llama.cpp 首日推理支持。

    推荐理由:Mistral Large 4 以开放权重形式发布并配齐 transformers、vLLM、llama.cpp 等首日部署方案,社区可据此在本地搭建可控的防御性安全分析工作流。

10月28日周三
  1. Hugging Face Blog63

    NVIDIA 发布 Nemotron 3.5 Transcribe 多语言语音转写模型与 Granary v2 数据管道

    NVIDIA 发布开放权重多语言语音转写模型 Nemotron 3.5 Transcribe 与 Granary v2 数据管道,支持40种语言转写、31种互译及13种语言说话人归属。

    推荐理由:NVIDIA开放权重多语言转写模型在多个基准领先,其开放的Granary v2数据管道和微调配方便于开发者适配领域词汇。

  2. Hugging Face Blog76

    用 LFM3 构建专用多模态模型

    LFM3 提供文本、视觉、音频、omni 和决策等六种 2B 参数级模型,基于统一骨干,可用于构建专用多模态智能体。相比 LFM2 家族,LFM3-1.7B 用少 35% 参数超越 LFM2.5-2.6B;所有模型今天在 Hugging Face 开放权重。

    推荐理由:LFM3以统一骨干提供六种2B级模态模型,可在单GPU微调并端侧部署,降低专用多模态智能体构建门槛。

10月27日周二
10月26日周一
10月24日周六
  1. 量子位72

    模思智能与OpenMOSS开源MOSS-Image 5B生图模型,4天海外下载超130万

    模思智能与OpenMOSS团队开源5B参数生图模型MOSS-Image,上线4天获130万次海外下载并登顶Hugging Face趋势榜。模型支持JSON Layout布局控制与4096 tokens长提示词,文字渲染评测覆盖率达96.3%。社区已快速推出8步加速与GGUF量化版本,此前4天模思智能宣布完成超10亿元Pre-A轮融资。

10月23日周五

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有