Visual Salamandra 发布：将 Salamandra 7B 扩展至图像与视频多模态理解
语言技术实验室发布 Visual Salamandra，把 70 亿参数的 Salamandra 大语言模型扩展至图像和视频多模态任务，并以 SigLIP-So400m 编码器、2 层 MLP 投影器与 late-fusion 架构实现视觉-语言对齐。
全部AI 动态
全部动态
今日 12 条Hugging Face BlogAI 评分3535
Hugging Face BlogAI 评分3434 HF Mirror 与 Cloudflare 合作，让 FastRTC 实时语音与视频更顺滑
HF Mirror 与 Cloudflare 达成合作，FastRTC 开发者用一个 HF Mirror token 即可接入 Cloudflare 覆盖 335 个以上地点的全球 TURN 网络。
Hugging Face BlogAI 评分2525 Hugging Face 与 MBZUAI 推出 Arabic-Leaderboards，新增阿拉伯语指令遵循榜单并更新 AraGen
Hugging Face 与 MBZUAI 合作推出 Arabic-Leaderboards Space，将阿拉伯语 AI 评测集中到一处，目前上线 AraGen-03-25 和阿拉伯语指令遵循两个榜单。
OpenAI NewsAI 评分4040 ChatGPT 如何用 canvas 写作
ChatGPT 的 canvas 能把手写笔记、转录文本和草稿整理成润色后的成稿，OpenAI 展示了这一写作流程。该功能面向写作场景，帮助用户从零散素材直接产出完整文稿。
OpenAI NewsAI 评分1616 ChatGPT 如何支持战略规划：分析背景、生成选项、落地决策
ChatGPT 可支持战略规划：分析背景信息、生成多种选项，并把决策转化为下一步行动。这是 OpenAI 给出的用法说明，未涉及具体模型版本或新功能。
OpenAI NewsAI 评分3131 ChatGPT 的视觉与语音功能：多模态输入与更自然的沟通
ChatGPT 的视觉与语音功能可帮助团队处理多模态输入，并更自然地进行沟通。该内容展示了这两项能力在团队协作场景中的实际用法。
OpenAI NewsAI 评分2222 ChatGPT 如何把生成的代码送入 IDE
ChatGPT 现在可以把生成的代码直接送入 IDE，以加速开发工作流。该能力用于衔接模型产出与实际编码环境，减少手动复制粘贴的环节。
Hugging Face Blog精选AI 评分8787 Llama 4 Maverick 与 Scout 上线 Hugging Face，两款 MoE 多模态模型开放权重
Meta 发布 Llama 4 Maverick（约 400B 总参数、17B 激活）和 Llama 4 Scout（约 109B 总参数、17B 激活）两款原生多模态 MoE 模型，权重已上线 Hugging Face 的 meta-llama 组织，含 base 与 instruct 版本，需先接受 Llama 4 社区许可协议。
推荐理由：Meta 同日发布 Llama 4 Maverick 与 Scout 两款 MoE 多模态模型，并给出架构细节与 Hugging Face 侧集成方式。
Hugging Face BlogAI 评分3434 Gradio 月度用户突破 100 万：Hugging Face 分享开源库增长经验
Gradio 上线 5 年后月度开发者用户突破 100 万，Automatic1111、Oobabooga 的 Text Generation WebUI、Dall-E Mini、LLaMA-Factory 等热门开源项目均在使用。
Hugging Face BlogAI 评分2626 Hugging Face 将 NLP Course 升级为 LLM Course
Hugging Face 把已有 3 年历史的 NLP Course 更名为 LLM Course，并新增微调 LLM、构建 DeepSeek R1 等推理模型的新章节。
Hugging Face BlogAI 评分3030 如何用高效请求排队优化 LLM 推理性能
TNG Technology Consulting 提出在自建 LLM-Server 中为每个用户和模型设置独立队列，并采用轮询式公平调度替代 FIFO，避免单个"重度用户"占满队列阻塞他人。该方案通过 vLLM 的 /metrics 端点读取后端队列长度指标、动态控制请求下发速率以保持短队列，从而降低新用户延迟。文章还讨论了按请求数、处理时长、KV-cache 命中和优先级分级等公平性扩展方向。
Hugging Face BlogAI 评分1414 Hugging Face 如何用 Infisical 为 AI 基础设施扩展密钥管理
Hugging Face 将密钥管理从 AWS 单云环境迁移到 Infisical，以支撑 Hub 上超 400 万开发者、每分钟超 1000 万请求的规模。此前团队评估过 HashiCorp Vault，最终选择 Infisical，通过其 Kubernetes Operator 自动同步密钥，并借助 Okta 集成实现基于 RBAC 的细粒度权限控制。
Hugging Face BlogAI 评分4343 Hugging Face 将 Intel Gaudi 支持原生集成进 TGI，加速 LLM 推理
Hugging Face 通过 PR #3091 将 Intel Gaudi 支持原生集成进 TGI 主代码库，不再维护独立的 tgi-gaudi 分支，基于新的多后端架构直接支持 Gaudi1/2/3，分别可运行于 AWS EC2 DL1、Intel Tiber AI Cloud、IBM Cloud 及 Dell、HP、Supermicro 等 OEM 硬件。
Hugging Face Blog精选AI 评分7171 Open R1 更新：DeepSeek-V3 0324 上线 Hugging Face
DeepSeek-V3 的更新版 DeepSeek-V3-0324 本周出现在 Hugging Face Hub 上，架构与原始 V3 相同，许可证由自定义模型许可改为 MIT。
推荐理由：梳理了 DeepSeek-V3 更新版在数学与代码基准上的提升幅度，并给出本地部署与量化方案。
Hugging Face BlogAI 评分5353 用 Sentence Transformers 训练和微调 Reranker 模型
Hugging Face 发布教程，介绍如何用 Sentence Transformers 库微调 reranker（Cross Encoder）模型，覆盖数据集、损失函数、训练参数、评估器和 CrossEncoderTrainer 各组件。
Hugging Face BlogAI 评分2222 Gradio 发布新版 Dataframe 组件，6 周关闭 70+ 相关 issue
Gradio 发布 gr.Dataframe 组件的大规模更新，过去 6 周关闭了 70 多个相关 issue。新增多单元格选择、行号列与 pinned_columns 列固定、复制与全屏按钮、行列选择、static_columns 静态列，以及通过 show_search 参数启用的搜索和过滤功能，同时升级了键盘导航无障碍支持与样式。
Hugging Face BlogAI 评分1212 Hugging Face Inference Endpoints 推出全新实时分析面板
Hugging Face 为 Inference Endpoints 更新分析面板，指标数据改为实时更新，并重构后端以保证高流量端点下数据快速加载。新版本支持自定义时间范围与自动刷新，还新增副本生命周期视图，可追踪每个副本从初始化到终止的每次状态转换。这些更新已上线，官方表示仍在持续迭代并征求反馈。
Hugging Face BlogAI 评分3434 Open R1 的 OlympicCoder 7B 如何在本地接入 VS Code 写代码
Hugging Face 博客给出用 LM Studio 在本地运行 OlympicCoder 7B 的 4bit GGUF 量化版，并通过 Continue 扩展接入 VS Code 的完整步骤。该 7B 模型在 LiveCodeBench 评测中超过 Claude 3.7 Sonnet 和 GPT-4o，因为基于 CodeForces-CoTs 数据集优化，风格偏向竞赛型而非解释型。
Hugging Face BlogAI 评分2222 Hugging Face 向白宫 AI 行动计划 RFI 提交回应：力推开源与开放科学
Hugging Face 于 3 月 14 日向白宫 OSTP 的 AI 行动计划 RFI 提交回应，主张开放 AI 系统与开放科学是提升性能、采用率和安全性的基础。
Hugging Face BlogAI 评分4343 Hugging Face 将 Xet 存储上线 Hub，首批模型与数据集仓库已从 LFS 迁移
Hugging Face 已将首批模型和数据集仓库从 LFS 迁移至 Xet 存储，约 6% 的 Hub 下载流量切换到 Xet 基础设施。Xet 采用内容定义分块（CDC），按约 64KB 块做字节级去重，改一个 Parquet 文件的一行只需上传变更块，而 LFS 需重传整个文件。2 月 20 日当天共迁移 4.5 TB 仓库数据，迁移后 CAS 的下载量一度达到返回给客户端的四倍。
Hugging Face Blog精选AI 评分7676 NVIDIA 在 GTC 2025 发布 Cosmos Transfer、Physical AI Dataset 与 Isaac GR00T N1
NVIDIA 在 GTC 2025 上发布三款面向物理 AI 开发者的开源资源：70 亿参数的 Cosmos Transfer 世界基础模型、15TB 的 Physical AI Dataset，以及首个通用人形机器人开源基础模型 NVIDIA Isaac GR00T N1。
推荐理由：三款开源发布给出参数规模、数据量和模型结构，读者可据此判断物理 AI 开发的基础资源变化。
Hugging Face Blog精选AI 评分8181 Google 发布 Gemma 3：多模态、多语言、长上下文开源模型
Google 发布 Gemma 3 开源权重模型家族，提供 1B、4B、12B、27B 四种规格及预训练与指令微调版本。4B、12B、27B 支持图像与文本输入、140 多种语言和 128k token 上下文，1B 版本仅支持英文文本和 32k 上下文。
推荐理由：Google 开源 Gemma 3 覆盖 1B 到 27B 四种规格，可据此判断小参数模型在多模态与长上下文上的实际边界。
Hugging Face Blog精选AI 评分6868 Open R1 发布 CodeForces-CoTs 数据集、IOI 基准与 OlympicCoder 代码模型
Open R1 发布第三期更新，包括从 DeepSeek-R1 蒸馏的近 10 万条 C++ 与 Python 竞赛编程思维链数据集 CodeForces-CoTs、基于 2024 国际信息学奥林匹克（IOI）的新基准，以及微调的 7B 和 32B 模型 OlympicCoder。
推荐理由：Open R1 公布了从 R1 蒸馏的代码推理数据集、IOI 基准与两个开源模型，可看蒸馏训练的具体做法与教训。
Hugging Face Blog精选AI 评分7575 LeRobot 发布 L2D：全球最大开源自动驾驶数据集
Yaak 与 Hugging Face 的 LeRobot 团队联合发布 Learning to Drive（L2D），被称为全球最大的开源自动驾驶数据集，包含来自德国 30 个城市、60 辆驾校电动车、历时 3 年采集的 90+ TB 多模态数据，约 5000 小时驾驶记录。
推荐理由：L2D 开源数据集包含 5000+ 小时德国驾校数据，可用于 LeRobot 端到端自动驾驶模型的训练与闭环测试。
Hugging Face BlogAI 评分4141 如何在手机上用 React Native 本地运行 LLM：Hugging Face 的 EdgeLLM 指南
Hugging Face 发布教程，教你用 React Native 和 llama.rn（llama.cpp 的绑定）构建本地运行 LLM 的移动应用，通过加载 GGUF 文件从 HF Mirror 下载模型，全程离线保护隐私。
Hugging Face Blog精选AI 评分6767 Cohere For AI 发布 Aya Vision 多语言多模态模型 8B 与 32B
Cohere For AI 发布 Aya Vision 系列开源多语言多模态模型，含 8B 和 32B 两个尺寸，覆盖 23 种语言。Aya Vision 32B 在 AyaVisionBench 上以 50% 至 64% 的胜率超过 Llama-3.2 90B Vision、Molmo 72B 和 Qwen2.5-VL 72B 等参数量两倍于它的模型。
推荐理由：原文给出 8B/32B 两个尺寸的开源权重与训练配方，可据此比较小参数多模态模型在多语言任务上的位置。
Hugging Face BlogAI 评分3232 Hugging Face 与 JFrog 合作，用 JFrog 扫描器提升模型安全透明度
Hugging Face 将 JFrog 的扫描器接入 HF Mirror Hub，为所有公开模型仓库自动扫描，文件推送即触发。JFrog 会解析模型权重中的代码，判断其是否为恶意用法，弥补 picklescan 仅做模块名模式匹配、易产生误报的不足，并覆盖 pickle 之外的更多格式。
Hugging Face BlogAI 评分5252 用 Arize Phoenix 追踪和评估 smolagents 智能体
Hugging Face 博客介绍如何用 Arize Phoenix 配合 OpenTelemetry 和 OpenInference，对基于 smolagents 构建的智能体进行追踪与评估。
Hugging Face BlogAI 评分3838 Hugging Face 与 IISc 合作，推进印度多语言模型构建
Hugging Face 与印度科学研究所 IISc、ARTPARK 达成合作，提升印度多模态多语言数据集 Vaani 的可访问性与可用性。Vaani 于 2022 年由 IISc/ARTPARK 与 Google 发起，已开源第一阶段 80 个地区的数据，第二阶段将再覆盖 100 个地区，目标采集超 15 万小时语音和 1.5 万小时转写文本。
Hugging Face Blog精选AI 评分6464 Hugging Face 发布 Python 实时通信库 FastRTC
Hugging Face 发布开源 Python 库 FastRTC，用于构建实时音频和视频 AI 应用，内置语音检测与轮次切换、WebRTC 版 Gradio UI 以及 WebSocket 支持。
推荐理由：介绍了一个把 WebRTC 实时音视频通信封装成 Python 库的开源项目，读者可据此了解如何用少量代码搭建实时语音 AI 应用。
Hugging Face BlogAI 评分4646 Hugging Face 推出 Remote VAE：用 Inference Endpoints 远程解码扩散模型潜空间
Hugging Face Diffusers 团队试点 Remote VAE，将扩散模型的 VAE 解码交给远程 Inference Endpoints，缓解高分辨率图像和视频生成中解码器显存占用过高的问题，避免 offloading 的设备传输延迟和 tiling 的画质损失。
Hugging Face BlogAI 评分4747 Google 发布 SigLIP 2：更强的多语言视觉语言编码器
Google 发布多语言视觉语言编码器家族 SigLIP 2，在 SigLIP 的 sigmoid loss 基础上加入提升语义理解、定位与稠密特征的新训练目标，在零样本分类、图文检索以及为 VLM 提取视觉表征的迁移性能上全面超越同规模 SigLIP。
Hugging Face Blog精选AI 评分6767 Hugging Face 发布 SmolVLM2：256M 到 2.2B 的视频理解模型
Hugging Face 发布 SmolVLM2 系列视频理解模型，包含 2.2B、500M 和 256M 三种参数规模，并同步支持 Transformers 与 MLX。
推荐理由：Hugging Face 发布三档小参数视频理解模型，并给出 iPhone、VLC 等端侧落地方式，可对照其内存与性能取舍。
Hugging Face BlogAI 评分4141 Google 发布 PaliGemma 2 Mix 指令视觉语言模型
Google 发布 PaliGemma 2 Mix，这是基于 SigLIP 和 Gemma 2、在 OCR、长短图像描述等混合视觉语言任务上微调的指令视觉语言模型。模型提供 3B、10B、28B 三种规模，224、448、896 三种分辨率，可通过 HF Transformers 和 JAX 使用，并附有演示。
Hugging Face BlogAI 评分2828 Hugging Face 新增 Hyperbolic、Nebius AI Studio、Novita 三家无服务器推理提供商
Hugging Face Hub 新增 Hyperbolic、Nebius AI Studio 和 Novita 三家无服务器推理提供商，支持 DeepSeek-R1、FLUX.1 等模型，并已集成 JS 和 Python 客户端 SDK。
Hugging Face Blog精选AI 评分6161 Hugging Face 用 Math-Verify 重评 Open LLM Leaderboard 全部 3751 个模型
Hugging Face 用新数学评测器 Math-Verify 重新评估了 Open LLM Leaderboard 上提交过的全部 3751 个模型，替换旧评测器只需改 3 行代码。
推荐理由：原文给出数学评测器替换后的全量重评数据，可据此理解旧榜评分偏差与榜单变动幅度。
Hugging Face BlogAI 评分2828 Hugging Face Hub 新增 Fireworks.ai 推理服务商，支持 DeepSeek-R1 等模型
Fireworks.ai 成为 Hugging Face Hub 支持的推理服务商，用户可直接在模型页面及整个 HF 生态中调用其无服务器推理，支持 deepseek-ai/DeepSeek-R1。
Hugging Face BlogAI 评分5050 Hugging Face 实测：10 亿次分类与嵌入推理的成本优化框架
Hugging Face 发布博客，拆解每天 10 亿次以上分类与嵌入推理的成本与延迟计算方法。作者用 Inference Endpoints、HF Hub 库、Infinity 推理服务器和 k6 压测，在 nvidia-L4（$0.8/hr）上跑出 10 亿次分类 $253.82、嵌入 $409.44，而 ColQwen2 视觉嵌入高达 $44,496.51。
Hugging Face Blog精选AI 评分6060 Hugging Face 在 Hub 上线 Xet 内容定义分块，上传下载提速 2-3 倍
Hugging Face 的 Xet 团队把内容定义分块（CDC）从理论推向生产，用于 Hub 上文件的上传与下载，部分场景提速 2-3 倍。方案在分块去重后聚合为最大 64MB 的块，使内容寻址存储条目减少 1000 倍，并用占全部 chunk 0.1% 的 key chunks 全局索引做查询。
推荐理由：原文给出块级聚合与 key chunks 的设计取舍，以及 gemma-2-9b-it-GGUF 仓库上传体积与耗时对比，可判断大文件传输的优化空间。
Hugging Face BlogAI 评分5151 Hugging Face 发布视频数据集构建工具
Hugging Face 发布一套用于视频生成数据集的三阶段流水线工具，通过 yt-dlp 采集视频、Video to Scenes 切分片段，并用 LAION-5B-WatermarkDetection。