Google 发布 Gemma 3 开源多模态模型，覆盖 1B 至 27B 四种尺寸
Google 发布 Gemma 3 系列开放权重模型，包含 1B、4B、12B、27B 四种尺寸，均有预训练和指令微调版本。4B、12B、27B 支持图像与文本输入及 140 多种语言，上下文窗口从 Gemma 2 的 8k 提升至 128k（1B 为 32k）。
推荐理由：梳理 Gemma 3 的四种尺寸、多模态与 128k 上下文等规格，并给出 transformers 与端侧推理的可用路径。
#开源生态
Hugging Face Blog精选AI 评分8282
Hugging Face Blog精选AI 评分7676 Hugging Face 与 Yaak 发布 L2D 开源自动驾驶数据集
Hugging Face 的 LeRobot 团队与 Yaak 联合发布 L2D，称其为全球最大的开源自动驾驶数据集，R4 版本包含 100 万条 episode、5000+ 小时驾驶数据、90+ TB 规模，来自德国 30 座城市 60 辆驾校车辆的 6 路环视摄像头与车辆状态数据。
推荐理由：L2D 以 90TB 多模态驾驶数据接入 LeRobot 训练管线，可对比现有开源自驾数据集在规模与动作标注上的差异。
Hugging Face Blog精选AI 评分6161 Cohere For AI 发布 Aya Vision 8B 与 32B 多语言多模态模型
Cohere For AI 发布 Aya Vision 系列 8B 和 32B 参数视觉语言模型，覆盖 23 种语言，并以开放权重形式发布。
推荐理由：Cohere For AI 公开了 Aya Vision 的架构、训练流程与评测基准，读者可据此了解多语言多模态模型的技术路线与开源权重。
Hugging Face BlogAI 评分3737 Hugging Face 与 JFrog 合作提升 AI 模型安全扫描透明度
Hugging Face 宣布与 JFrog 合作，将 JFrog 扫描器集成到 Hugging Face Hub，用于检测模型权重中的恶意代码。JFrog 扫描器能解析并分析模型权重中的代码，比仅做模块名模式匹配的 picklescan 更进一步，可减少误报并覆盖 Keras Lambda 层等更多文件格式的漏洞。所有公开模型仓库在推送文件后将自动被扫描，无需额外操作。
Hugging Face BlogAI 评分3838 Hugging Face 与 IISc 合作，推动印度多语言模型构建
Hugging Face 与印度科学理工学院 IISc/ARTPARK 达成合作，提升开源多模态多语言数据集 Vaani 的可访问性与可用性。Vaani 目标采集超 150,000 小时语音和 15,000 小时转写文本，覆盖印度全部 773 个地区、54 种语言；目前已开源 790 小时转写音频，来自约 7 万名说话者。
Hugging Face BlogAI 评分5757 Google 发布 SigLIP 2 多语言视觉语言编码器
Google 发布 SigLIP 2 多语言视觉语言编码器系列，在 SigLIP 的 sigmoid loss 基础上加入解码器、自蒸馏 Global-Local Loss 与 Masked Prediction Loss 等训练目标，在零样本分类、图文检索和视觉表征迁移上均优于前代。
Hugging Face BlogAI 评分3131 Hugging Face 发布 Open Arabic LLM Leaderboard 2
Hugging Face 联合 2A2I、TII 推出 Open Arabic LLM Leaderboard 2，升级阿拉伯语大模型评测榜。首版 OALL 上线不到 7 个月吸引超 46,000 名访客，收到 700 多个模型提交，参数规模从 1B 到 70B 以上，来自 180 多个机构。新版回应社区对阿拉伯语专项任务、评测透明度与数据集多样性的批评。
Hugging Face BlogAI 评分2222 Hugging Face 首期 AI 艺术工具通讯：回顾 2024 与展望 2025
Hugging Face 发布首期 AI 艺术工具通讯，回顾 2024 年创意 AI 工具的关键进展。
Mistral AI精选AI 评分7676 Mistral AI 发布 Apache 2.0 许可的 24B 模型 Mistral Small 3
Mistral AI 发布 Mistral Small 3，一个面向低延迟优化的 24B 参数模型，以 Apache 2.0 许可开源，同时提供预训练和指令微调两个 checkpoint。
推荐理由：24B 参数在 Apache 2.0 下对标三倍体量模型，并给出量化后单卡本地部署的具体门槛。
Hugging Face BlogAI 评分5050 如何在 AWS 上部署和微调 DeepSeek 模型
Hugging Face 发布指南，介绍如何在 AWS 上部署和微调 DeepSeek-R1 系列模型。
Hugging Face Blog精选AI 评分6262 Diffusers 中的开源视频生成模型现状
Hugging Face Diffusers 团队梳理了开源视频生成模型的现状，列出 CogVideoX、Mochi-1、HunyuanVideo、Allegro、LTX Video 等开放模型与 Sora、Veo 2、Kling 等闭源模型的对照。
推荐理由：Diffusers 团队梳理开源视频生成模型现状，并给出显存优化与微调的实测数据，可据此评估本地部署门槛。
Hugging Face BlogAI 评分2222 Hugging Face 与 FriendliAI 合作，在 Hub 上集成高性能推理部署
Hugging Face 与 FriendliAI 达成合作，将 FriendliAI 推理基础设施集成进 Hugging Face Hub 的“Deploy this model”按钮，实现一键部署。
Hugging Face BlogAI 评分5555 Hugging Face 为 Text Generation Inference 引入多后端支持（TRT-LLM、vLLM）
Hugging Face 为 Text Generation Inference（TGI）引入多后端架构，通过 Rust 的 Backend trait 让 TGI 作为统一前端层接入不同推理引擎，用户可按模型、硬件和性能需求切换后端。
Hugging Face BlogAI 评分4848 Hugging Face 推出 TimmWrapper：在 transformers 中直接使用任意 timm 模型
Hugging Face 发布 TimmWrapper，让任意 timm 视觉模型可直接接入 transformers 生态，支持 pipeline API、Auto 类和 Trainer 微调。该工具约 5 行代码即可用 bitsandbytes 完成量化，并支持 torch.compile 加速推理与 LoRA 适配器微调，微调后模型还能回到 timm 使用。
Hugging Face BlogAI 评分2222 Hugging Face 发文：AI 智能体已至，全自主智能体不应被开发
Hugging Face 发布分析文章指出，AI 智能体的风险随自主性等级上升而增加，建议不要开发能自行编写并执行代码的全自主智能体。文章按自主程度将智能体分为五级，从模型不影响程序流程的 Code ☆☆☆☆ 到模型自行编写并执行新代码的 Fully autonomous agent ★★★★，并认为半自主智能体在自主程度、可用任务和人类控制方式合适时，收益可能大于风险。
Hugging Face BlogAI 评分4242 用 NVIDIA LogitsProcessorZoo 控制语言模型生成
NVIDIA 推出 LogitsProcessorZoo，一组模块化 logits 处理器，可在 Hugging Face Transformers 的 generate 方法中直接修改预测分数，实现控制序列长度、强制关键短语、引导多选题答案等任务。
Hugging Face Blog精选AI 评分6262 Google 发布 PaliGemma 2 视觉语言模型，提供 3B 到 28B 三种规格
Google 发布新一代视觉语言模型 PaliGemma 2，用 Gemma 2 替换前代的文本解码器，保留 SigLIP 图像编码器，提供 3B、10B、28B 三种参数规模，均支持 224x224、448x448、896x896 三种输入分辨率，而前代 PaliGemma 仅有 3B 版本。
推荐理由：Google 开源视觉语言模型 PaliGemma 2 提供 3B 到 28B 多规格与三种分辨率，读者可据此判断微调选型空间。
Hugging Face BlogAI 评分4040 开源开发者指南：欧盟 AI 法案（EU AI Act）要点解读
Hugging Face 发布开源开发者指南，解读已正式生效的欧盟 AI 法案（EU AI Act）。法案按风险分级监管，仅通用目的 AI（GPAI）模型被直接监管，训练算力超 10^25 FLOPs 的模型被认定存在系统性风险。多数开源项目只需提供清晰文档、模型信息披露并遵守现有版权与隐私规则，Hugging Face 提供模型卡、数据集卡、Gradio 水印及个人数据脱敏等工具协助合规。
Hugging Face BlogAI 评分3636 Hugging Face 重构 Hub 上传与下载架构
Hugging Face 正为 Hub 重新设计上传与下载架构，引入内容寻址存储（CAS）并构建自定义传输协议，采用"读路径简单、写路径智能"的思路，按字节级分析文件以加速大文件传输。
Hugging Face BlogAI 评分2222 如何一步步推导出 Transformer 的 SOTA 位置编码 RoPE
Hugging Face 博客通过逐步改进位置编码方案，推导出 Llama 3.2 及多数现代 Transformer 使用的旋转位置编码（RoPE）。文章以 Llama 3.2 1B 为例，演示无位置信息时自注意力对同一 token 在不同位置输出完全相同，并提出位置编码应满足唯一性、线性关系、长度泛化、确定性生成和可扩展至多维等五项理想属性。
Hugging Face BlogAI 评分4747 Hugging Face 如何用内容定义分块提升存储效率
Hugging Face 的 Xet 团队正用内容定义分块（CDC）把文件拆成可变大小的块，只传输和存储被修改的块，从而提升存储效率与迭代速度。在 CORD-19 数据集基准中，Xet 后端相比 Git LFS 平均下载时间从 51 分钟降至 19 分钟、上传从 47 分钟降至 24 分钟，存储占用从 8.9 GB 降至 3.52 GB。
Hugging Face BlogAI 评分2222 Hugging Face Hub 开放数据集托管与分享功能
Hugging Face Hub 支持托管 TB 级数据集，并提供 Dataset Viewer、全文搜索、SQL Console 及 Pandas、DuckDB 等第三方库的一行代码加载支持。Xet 团队正将单文件上限从 50 GB 提升至 500 GB，同时改进存储与传输效率。数据集可设为公开、私有或门控访问，Nvidia、Google、NASA 等机构已在使用。
Hugging Face Blog精选AI 评分6060 Hugging Face 推出 HUGS 零配置开源模型推理服务
Hugging Face 发布生成式 AI 服务 HUGS，基于 Text Generation Inference 和 Transformers 构建，提供零配置的优化推理微服务，可在自有基础设施上部署开源模型。
推荐理由：HUGS 把开源模型的优化推理部署压缩到零配置，读者可据此判断自托管开源模型的门槛与成本变化。
Hugging Face BlogAI 评分3838 Hugging Face 与 Protect AI 合作，为 ML 社区增强模型安全
Hugging Face 宣布与 Protect AI 合作，将 Guardian 作为第三方扫描器集成到其模型扫描套件中，用于检测 pickle 等序列化格式的任意代码执行漏洞。所有公开模型仓库在推送文件后将自动被 Guardian 扫描，无需用户操作。Hugging Face 表示目前已扫描数亿个文件，但由于平台有超过 100 万个模型仓库，扫描结果可能不会立即显示。
Hugging Face BlogAI 评分3030 Llama 3.2 在 Keras 中可用：从 day 1 起即支持
Keras 从 day 1 起就支持 Llama 3.2，可直接从 Hugging Face 的 safetensors checkpoint 加载，包括 3.2 版本，需要转换时会在运行中即时完成。
Hugging Face BlogAI 评分5050 Gradio 5 安全审计：Trail of Bits 发现的风险已全部修复
Hugging Face 委托 Trail of Bits 对 Gradio 5 完成独立安全审计，发现的全部安全风险已在 Gradio 5.0 发布前修复并通过验证。
Hugging Face BlogAI 评分3030 中国 AI 出海全球扩张简析
非凡研究 6 月报告显示，全球 1500 家活跃 AI 公司中 751 家位于中国，其中 103 家已出海扩张。腾讯云、华为、阿里等巨头聚焦东南亚与中东的云和 AI 基础设施，字节跳动七个月内推出 11 款海外应用，CapCut 月活超 3 亿、累计移动端收入达 1.25 亿美元。
Hugging Face Blog精选AI 评分8080 Llama 3.2 发布：多模态视觉模型与 1B/3B 端侧文本模型上线 Hugging Face
Meta 发布 Llama 3.2，共 10 个开放权重模型，包括 11B 和 90B 两个尺寸的视觉模型（各含 base 与指令微调版）以及 1B、3B 端侧文本模型，均已上线 Hugging Face Hub。
推荐理由：Meta 与 Hugging Face 同步放出 10 个开放权重模型，含 11B/90B 视觉版与 1B/3B 端侧文本版，可据此判断本地多模态与端侧部署的可行边界。
Mistral AI精选AI 评分7272 Mistral 发布免费额度、全线降价与 Mistral Small v24.09
Mistral 宣布 la Plateforme 推出免费额度，并对全线模型降价，其中 Mistral Small 与 Codestral 输入输出价格降幅达 80%，Mistral Large 降 33%。
推荐理由：Mistral 一次性公布免费额度、全线降价和新版小模型，读者可据此判断其 API 成本与部署选择的变化。
Hugging Face BlogAI 评分3636 Hugging Face 上 5 个最被低估的工具：ZeroGPU、多进程 Docker、Gradio API、Webhooks 与 Nomic Atlas
Hugging Face Hub 拥有超 85 万个公开模型、每月新增约 5 万个，但其中 ZeroGPU、多进程 Docker、Gradio API、Webhooks 和 Nomic Atlas 五项工具常被忽视。
Hugging Face BlogAI 评分3434 Hugging Face 发布 ggml 入门指南：面向 Transformer 推理的 C/C++ 机器学习库
Hugging Face 发布 ggml 入门指南，介绍这个用 C/C++ 编写、专注 Transformer 推理的开源机器学习库。
Hugging Face Blog精选AI 评分6262 Hugging Face 收购 XetHub，将用其技术替换 Hub 的 Git LFS 存储后端
Hugging Face 宣布收购西雅图公司 XetHub，其 12 人团队将加入，创始人此前在 Apple 构建并扩展内部 ML 基础设施。XetHub 的技术让 Git 可扩展到 TB 级仓库，HF CTO Julien Chaumond 表示团队将帮助 Hub 把存储后端换成自研的 LFS 替代方案。
推荐理由：Hugging Face 收购 XetHub 并计划替换 Hub 的 Git LFS 存储后端，读者可了解大文件版本管理将如何变化。
Hugging Face BlogAI 评分3636 用 Quanto 和 Diffusers 实现内存高效的 Diffusion Transformer
Hugging Face 展示如何借助 Diffusers 库中的 Quanto 量化工具降低 Transformer 扩散管线显存占用。以 PixArt-Sigma、Stable Diffusion 3 和 Aura Flow 为例，将扩散主干与文本编码器量化为 FP8 后，SD3 推理显存从 16.403 GB 降至约 8.2 GB，质量几乎无损、延迟略增。
Hugging Face Blog精选AI 评分8888 Meta 发布 Llama 3.1：8B、70B 与 405B，支持多语言和长上下文
Meta 发布 Llama 3.1 系列开源模型，包含 8B、70B、405B 三种规模，各有基础版和指令微调版，上下文长度从 8K 提升到 128K token，支持英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语 8 种语言。
推荐理由：Meta 发布 Llama 3.1 三档开源模型，128K 上下文与工具调用能力配合更宽松的许可证，读者可据此判断开源模型在合成数据与蒸馏上的可用边界。
Hugging Face BlogAI 评分2222 Banque des Territoires x Polyconseil x Hugging Face：用主权数据方案升级法国校园环保项目 EduRénov
Banque des Territoires（CDC 集团）、Polyconseil 与 Hugging Face 合作开发了一套基于 RAG 的主权数据方案，用于支持 EduRénov 校园生态改造项目，首阶段已完成。
Hugging Face BlogAI 评分2525 Hugging Face 为 Dataset Hub 推出四项数据集搜索新功能
Hugging Face 为 Dataset Hub 的数据集搜索新增按模态、大小、格式和库四项筛选功能，可按文本、图像、音频等模态及行数区间检索，并支持 Parquet、WebDataset 等格式和 Pandas、Dask、Datasets 库兼容性过滤。这些筛选可相互组合，并与语言、任务、许可证等已有过滤器及文本搜索栏搭配使用。
Hugging Face Blog精选AI 评分7878 Google 发布开源模型 Gemma 2，含 9B 与 27B 两个版本
Google 发布开源大模型 Gemma 2，提供 9B 和 27B 两个参数规模，各有预训练基础版与指令微调版，上下文长度 8K tokens，采用与初代相同的宽松许可，允许再分发、微调和商用。
推荐理由：原文给出 Gemma 2 的两种参数规模、训练数据量与评测对比，可据此判断开源小模型的能力位置。
Hugging Face BlogAI 评分2222 Hugging Face 伦理与社会通讯 #6：构建更好的 AI，数据质量为何至关重要
Hugging Face 发布《伦理与社会通讯 #6》，聚焦 AI 数据质量，提出高质量数据应满足相关性、全面性、时效性和偏见缓解等要求。文章以 Reddit 与 Google 的 RAG 搜索合作为例，说明低质数据会导致"披萨加胶水"这类错误推荐。文中强调数据质量需贯穿 AI 开发全生命周期，并给出数据去重、内容过滤、人工反馈和治理框架等实践策略。
Hugging Face BlogAI 评分2222 Hugging Face 与 Argilla 回顾 Data Is Better Together 计划并公布后续方向
Hugging Face 与 Argilla 合作的 Data Is Better Together 计划发布 DIBT/10k_prompts_ranked 数据集，由 385 多人参与完成 1 万条合成与人工提示词的质量排序，并已被用于训练 SPIN 等新模型。
Hugging Face BlogAI 评分3636 Hugging Face Accelerate 如何统一 DeepSpeed 与 FSDP 的混合精度训练
Hugging Face Accelerate 在 0.30.0 版本中为 FSDP 加入自动 upcasting，使其在混合精度下与 DeepSpeed 行为对齐。