Granite 4.1 LLMs: How They’re Built★ 75
Hugging Face Blog34d agoRelease本文深入探討 IBM 最新開源的 Granite 4.1 大語言模型家族。詳細介紹了其從數據清洗、模型架構設計（如優化的 Transformer 結構）到指令微調與安全對齊的完整構建流程。Granite 4.1 延續了 IBM 對於企業級安全與 Apache 2.0 開源協議的承諾，並在代碼生成、工具調用及多語言推理上展現出優異性能。
DeepInfra on Hugging Face Inference Providers 🔥★ 72
Hugging Face Blog34d agoReleaseHugging Face 宣布將知名低成本、高效能的推理平台 DeepInfra 整合至其「推理服務商（Inference Providers）」計畫中。現在，開發者在 Hugging Face Hub 上瀏覽開源模型（如 Llama 3、Mistral 等）時，可以直接選擇 DeepInfra 作為後端託管 API，無需自行架設 GPU 基礎設施。這項合作為開發者提供了更多元、更具性價比的無伺服器（Serverless）推理選擇，進一步簡化了 AI 應用的部署流程。
Introducing NVIDIA Nemotron 3 Nano Omni: Long-Context Multimodal Intelligence for Documents, Audio and Video Agents★ 75
Hugging Face Blog35d agoReleaseNVIDIA 推出全新輕量級多模態模型 Nemotron 3 Nano Omni，主打「長文本」與「多模態」處理能力。該模型專為文件分析、語音與影片理解的 AI Agent 所設計，能在資源受限的設備上運行。這標誌著邊緣端（On-device）多模態 Agent 應用的重大突破。
DeepSeek-V4: a million-token context that agents can actually use★ 85
Hugging Face Blog39d agoReleaseHugging Face 介紹全新 DeepSeek-V4 模型，具備 100 萬 Token 的超長上下文能力。不同於以往流於形式的長文本模型，DeepSeek-V4 專為 Agent 設計，在長文本召回率與指令遵循上表現優異。本文探討其技術突破、在 Hugging Face 生態系的部署方式，以及如何實際應用於複雜的 Agent 工作流中。
QIMMA قِمّة ⛰: A Quality-First Arabic LLM Leaderboard
Hugging Face Blog42d agoRelease阿聯酋技術創新研究所（TII）在 Hugging Face 上推出了名為「QIMMA」（阿拉伯語意為「山頂」）的全新阿拉伯語 LLM 排行榜。該排行榜主打「品質優先」，旨在解決現有阿拉伯語評估基準中常見的翻譯失真與缺乏方言代表性等問題。QIMMA 透過更嚴格、更貼近在地文化的評測標準，為阿拉伯語 AI 模型的開發提供更具公信力的衡量指標。
AI and the Future of Cybersecurity: Why Openness Matters★ 75
Hugging Face Blog42d agoOpinionHugging Face 探討 AI 時代的網路安全，指出「隱晦安全」已無法應對現代威脅。文章強調開放模型與開源協作能讓全球研究人員共同審查漏洞、提升防禦彈性，並防止安全技術被少數巨頭壟斷。開放性才是建立安全、可信賴 AI 生態系的基石。
Reading today's open-closed performance gap★ 75
Interconnects (Nathan L.)43d agoOpinion本文探討了比較開源（如 Llama）與閉源（如 GPT、Claude）模型時，過度依賴單一評估指標（如 MMLU 或 Arena Elo）的盲點。作者指出，基準測試受提示詞敏感度、測試集污染及後訓練（Post-training）策略影響極大。未來，隨著推理期計算（Inference-time compute）與 Agent 應用的興起，評估模型性能的維度將發生根本性轉變。
Import AI 454: Automating alignment research; safety study of a Chinese model; HiFloat4 ★ 75
Import AI (Jack Clark)43d agoCommentary本期電子報涵蓋三大核心議題：首先是利用 AI 自動化進行對齊（Alignment）研究的可能性與挑戰；其次是一項針對中國大語言模型的安全與合規性深入研究，揭示其在特定政治與文化框架下的表現；最後介紹了旨在提升推理效率的全新 4 位元浮點格式 HiFloat4。此外，作者也提出了關於金融市場何時會開始為「科技奇點」進行定價的深刻思考。
The PR you would have opened yourself★ 80
Hugging Face Blog47d agoReleaseHugging Face 發表最新技術部落格，介紹了將 transformers 模型無縫轉換至 Apple MLX 框架的全新整合。這項被譽為「你自己也會想開的 PR」的更新，解決了過去 Mac 開發者在 Apple Silicon 上部署與微調開源模型時的繁瑣步驟。透過此整合，開發者能直接利用 MLX 的統一記憶體優勢，在 Mac 上實現極致的推理與訓練效能。
Training and Finetuning Multimodal Embedding & Reranker Models with Sentence Transformers★ 80
Hugging Face Blog47d agoTutorialHugging Face 發布最新指南，展示如何利用 Sentence Transformers 框架進行多模態嵌入與 Reranker 模型的訓練與微調。此更新簡化了將文字與影像對齊至同一向量空間的流程，並支援雙塔（Bi-Encoder）與交叉編碼器（Cross-Encoder）架構。這對於建構多模態 RAG（檢索增強生成）系統與跨模態搜尋引擎的開發者來說，提供了極低門檻的實作路徑。
My bets on open models, mid-2026★ 75
Interconnects (Nathan L.)48d agoOpinion知名 AI 學者 Nathan Lambert 針對 2026 年年中的開源模型發展提出預測。他指出，開源與閉源模型之間的差距（Open-Closed Gap）正從「基礎預訓練能力」轉移到「推理期計算（Inference-time compute）」與「代理（Agent）可靠性」。雖然 Meta 的 Llama 4 等開源模型將持續逼近閉源旗艦，但閉源廠商憑藉龐大算力與專有強化學習（RL）架構，在複雜多步驟任務上仍將保持領先。
What I’ve been building: ATOM Report, post-training course, finishing my book, and ongoing research★ 70
Interconnects (Nathan L.)49d agoRelease知名 AI 專家 Nathan Lambert 分享了近期四大專案：專注於對齊與開源模型的「ATOM Report」、系統化的「Post-Training（後訓練）」線上實戰課程、即將完稿的 AI 對齊專業書籍，以及持續進行的 LLM 評估與偏好微調研究。這些計畫旨在為開發者與研究人員填補後訓練技術的知識鴻溝。
The inevitable need for an open model consortium★ 75
Interconnects (Nathan L.)52d agoOpinion知名 AI 譯評家 Nathan Lambert 撰文指出，當前開源 AI 生態高度依賴 Meta（如 Llama 系列）等單一巨頭的補貼，這存在極大的單點故障風險。隨著前沿模型訓練成本飆升至數億美元，單一新創或學術機構已無力負擔。因此，儘管「聯盟（Consortium）」通常伴隨著官僚與低效，但為了整合政府、科技企業與學術界的算力與資金，建立一個「開源模型聯盟」已是維持開源 AI 競爭力、對抗閉源寡頭壟斷的唯一且必然之路。
Claude Mythos and misguided open-weight fearmongering★ 75
Interconnects (Nathan L.)53d agoOpinion本文探討了 AI 領域中圍繞 Anthropic Claude 所建立的「安全神話」，以及輿論對開源權重（open-weight）模型安全性的過度恐慌。作者 Nathan Lambert 指出，這種將開源模型視為重大威脅的論調缺乏實質依據，往往只是閉源陣營或特定政策倡導者重複上演的「開源恐懼之舞」。他呼籲大眾與決策者應理性看待開源的實際風險與巨大價值，避免因不理性的恐懼而扼殺創新。
Waypoint-1.5: Higher-Fidelity Interactive Worlds for Everyday GPUs★ 75
Hugging Face Blog54d agoReleaseHugging Face 發表 Waypoint-1.5，這是一款專為消費級 GPU 優化的互動式世界模擬器。相較於前代，它在提升視覺與物理保真度的同時，大幅降低了硬體門檻。這讓研究人員與開發者能在單張家用顯示卡上，高效進行具身智能（Embodied AI）與強化學習代理的訓練，加速 AI 與物理世界互動的研究。
Multimodal Embedding & Reranker Models with Sentence Transformers★ 78
Hugging Face Blog54d agoReleaseHugging Face 宣布其熱門開源庫 Sentence Transformers 正式支援多模態（Multimodal）嵌入與重排（Reranker）模型。開發者現在可以使用統一的 API 同時處理文本與影像，將它們映射到相同的向量空間中。這項更新大幅降低了建構多模態 RAG、圖文搜尋與跨模態推薦系統的門檻。
Gemma 4 and what makes an open model succeed★ 75
Interconnects (Nathan L.)60d agoCommentary隨著 Google 推出 Gemma 4，業界再次聚焦於「如何定義開源模型的成功」。Nathan Lambert 指出，單純追求基準測試（Benchmark）的高分已無法保證模型的普及。開源模型的真正成功，取決於其開發者生態系的接納度、微調的易用性、硬體適配度以及實際應用場景的落地，而非僅僅是學術榜單上的排名。
Gemma 4: Byte for byte, the most capable open models★ 85
Google DeepMind Blog61d agoReleaseGoogle DeepMind 正式發表全新開源模型 Gemma 4。官方宣稱其為「同等參數規模下最強大的開源模型」，在智慧表現上達到新高度。該系列模型特別針對進階推理與自主 Agent 工作流進行優化，為開發者提供更高效、更具性價比的開源 AI 選擇。
Welcome Gemma 4: Frontier multimodal intelligence on device★ 85
Hugging Face Blog61d agoReleaseGoogle 正式推出 Gemma 4 開放模型家族，將前沿的多模態智能帶入裝置端。Gemma 4 體積輕量、適合在手機與筆電運行，並具備強大的視覺與文字理解能力。Hugging Face 已在第一時間提供完整支援，開發者可立即透過 Transformers 進行微調與部署。
Falcon Perception★ 75
Hugging Face Blog62d agoRelease阿聯酋技術創新研究所（TII）在 Hugging Face 上發表了「Falcon Perception」模型。這標誌著著名的 Falcon 開源家族正式擴展至多模態與視覺感知領域。該模型旨在提升開源社群在視覺問答、圖像理解及多模態任務上的能力，延續了 TII 一貫的高效能與開源精神，為開發者提供強大的視覺感知工具。
Granite 4.0 3B Vision: Compact Multimodal Intelligence for Enterprise Documents★ 75
Hugging Face Blog63d agoReleaseIBM 於 Hugging Face 發布全新 Granite 4.0 3B Vision 模型。這款僅有 30 億參數的輕量級多模態模型，專為企業級文件理解、圖表分析與 OCR 數據提取而設計。其小巧的體積不僅大幅降低了部署門檻與運算成本，更在處理複雜商業報表與 PDF 文件時展現出極高的實用性，是企業本地化部署的理想選擇。
Training mRNA Language Models Across 25 Species for $165★ 75
Hugging Face Blog63d agoReleaseHugging Face 發表 OpenMed 的最新成果，展示僅需 165 美元即可跨 25 個物種訓練 mRNA 語言模型。此研究證明了生物學基礎模型不一定需要天文數字的算力預算，透過優化架構與訓練策略，中小型實驗室與獨立研究員也能進行前沿的基因組學 AI 研究，為 mRNA 疫苗與藥物開發帶來新契機。
TRL v1.0: Post-Training Library Built to Move with the Field★ 85
Hugging Face Blog63d agoReleaseHugging Face 旗下熱門的 Transformer 強化學習庫 TRL 正式迎來 v1.0 版本。此版本確立了穩定的 API 設計，並將定位聚焦於「後訓練（Post-Training）」生態系。TRL v1.0 整合了監督微調（SFT）、直接偏好優化（DPO）以及因 DeepSeek 爆紅的群體相對策略優化（GRPO）等主流對齊技術，旨在為開發者提供一個能與快速變革的 AI 領域並肩同行的標準化工具。
Latest open artifacts (#20): New orgs! New types of models! With Nemotron Super, Sarvam, Cohere Transcribe, & others
Interconnects (Nathan L.)64d agoRelease第 20 期《Open Artifacts》開源週報帶來了多個全新組織與新型態開源模型的發布。 重點亮點包含 NVIDIA 的 Nemotron Super 系列、專注於印度語系的 Sarvam AI，以及 Cohere 推出的 Transcribe 語音轉寫相關模型。 這波釋出展示了開源生態系正朝向更多元、更具特定領域專業化（如多語言與語音）的方向快速演進。
Liberate your OpenClaw★ 75
Hugging Face Blog67d agoTutorial本文探討如何「解放」開源 CLI 開發 Agent 工具 OpenClaw。隨著類似 Claude Code 的終端機 Agent 工具興起，Hugging Face 介紹了如何將 OpenClaw 與 Llama、Qwen 等開源模型整合。透過 Hugging Face 的推論 API 或本地部署，開發者可以不再受限於單一閉源 API，實現高自由度、低成本且隱私安全的自主開發流程。
A New Framework for Evaluating Voice Agents (EVA)★ 75
Hugging Face Blog70d agoReleaseServiceNow AI 在 Hugging Face 上發布了名為「EVA」（Evaluating Voice Agents）的全新開源評估框架。該框架旨在解決傳統文字 LLM 評估無法涵蓋語音互動特性的痛點，專注於即時延遲、語音打斷、輪替（Turn-taking）及語意理解等多維度指標。這為開發下一代即時語音助理（如類似 GPT-4o 或 Gemini Live 的應用）提供了標準化的測試基準。
Build a Domain-Specific Embedding Model in Under a Day★ 80
Hugging Face Blog74d agoTutorial本指南展示如何利用 Hugging Face 的 sentence-transformers 庫與 NVIDIA 的 GPU 加速技術，在一天內構建專屬領域的向量嵌入（Embedding）模型。內容涵蓋利用 LLM 生成合成數據、選擇基底模型、使用對比學習（Contrastive Learning）進行微調，以及如何評估與部署。這套流程能有效解決通用模型在特定專業領域（如醫療、法律、金融）檢索率不佳的問題，是優化 RAG 系統的關鍵步驟。
State of Open Source on Hugging Face: Spring 2026★ 85
Hugging Face Blog77d agoCommentaryHugging Face 發布 2026 年春季開源報告，揭示開源 AI 生態的最新趨勢。報告指出，具備推理能力的開源模型（如 DeepSeek 與 Qwen 系列）已成為社群主流；同時，以 smolagents 為首的輕量級 Agent 框架與本機端（On-Device）小模型正快速普及。此外，開源多模態與影片生成技術的下載量也創下歷史新高，展現出開源社群強大的創新動能。
Holotron-12B - High Throughput Computer Use Agent★ 75
Hugging Face Blog77d agoReleaseHcompany 在 Hugging Face 上推出了 Holotron-12B 開源模型，專為「電腦操作（Computer Use）」設計。該模型具備 120 億參數，主打「高吞吐量」特性，旨在提升 AI 代理在操作作業系統與應用程式時的反應速度與執行效率，為輕量高效的 Agent 邁出重要一步。
What comes next with open models★ 80
Interconnects (Nathan L.)78d agoOpinion隨著語言模型走向工業化生產，開源模型正迎來全新轉型。本文深入分析開源生態在市場競爭、模型能力提升上的最新趨勢，並探討開發者與研究者如何應對閉源巨頭的壓力，以及在技術快速變遷下的集體困惑。這標誌著開源 AI 已從實驗室走向資本與算力密集的大規模產業化時代。