Open source video is back★ 75
Replicate Blog307d agoReleaseReplicate 宣布上線全新開源影片生成模型 Wan 2.2。該模型被定位為目前平台上速度最快且成本最低的影片生成選擇，標誌著開源影片生成技術（Open Source Video）的重大進展。這項更新將大幅降低開發者與創作者生成高品質影片的門檻與運算成本。
The Bitter Lesson versus The Garbage Can★ 85
One Useful Thing (Mollick)309d agoOpinion沃頓商學院教授 Ethan Mollick 探討了 AI 領域著名的「苦澀教訓」（The Bitter Lesson）與組織理論中的「垃圾桶模型」（The Garbage Can Model）之間的對立。前者認為只要持續堆疊算力，AI 就能解決所有問題；後者則指出企業組織本質上是充滿混亂與隨機決策的「垃圾桶」。隨著 AI 試圖融入真實工作，這兩股力量的對決將決定 AI 能否真正顛覆生產力。
The FLUX.1 Kontext hackathon
Replicate Blog337d agoReleaseReplicate 宣布與 Black Forest Labs（BFL）合作舉辦的 FLUX.1 Kontext 黑客松圓滿落幕。本次活動旨在鼓勵開發者利用 FLUX.1 圖像生成模型，在 Replicate 平台上開發創新的上下文相關（Context）圖像生成應用。獲獎作品展示了 FLUX.1 在圖像編輯、控制與創意生成方面的強大潛力。
How we're supporting better tropical cyclone prediction with AI★ 75
Google DeepMind Blog355d agoReleaseGoogle DeepMind 宣布推出全新平台「Weather Lab」，展示其在熱帶氣旋預測方面的實驗性 AI 技術。同時，DeepMind 將與美國國家颶風中心（NHC）展開合作，在今年的氣旋季節中提供預報與警報支持。此舉旨在利用先進的 AI 氣象預報模型，提高極端天氣預測的準確性，協助各界更好地進行防災準備。
How to prompt Veo 3 for the best results★ 75
Replicate Blog358d agoTutorial本文為 Google 最新影片生成模型 Veo 3 的提示詞指南。內容深入解析如何透過精準的文字描述來控制鏡頭運動、燈光效果、材質細節與場景氛圍，並提供具體的提示詞結構與實用範例。讀者將能學會如何掌握 Veo 3 的語意理解特性，在 Replicate 平台上輕鬆創作出具備電影級質感、動態自然且視覺衝擊力極強的高品質短影片。
Holo1: New family of GUI automation VLMs powering GUI agent Surfer-H★ 78
Hugging Face Blog364d agoRelease法國 AI 新創公司 H (Hcompany) 於 Hugging Face 發表了全新的視覺語言模型 (VLM) 家族「Holo1」，專為 GUI（圖形使用者介面）自動化設計。該模型家族是其全新 GUI 代理人「Surfer-H」的核心引擎。Holo1 具備強大的視覺解析與螢幕定位能力，能夠理解複雜的網頁與應用程式介面，並執行點擊、輸入等操作。這項釋出標誌著 AI 代理人從單純的文字 API 呼叫，邁向能像人類一樣直接透過視覺操作任何軟體介面的新階段。
The recent history of AI in 32 otters
One Useful Thing (Mollick)366d agoCommentary賓州大學沃頓商學院教授 Ethan Mollick 撰文，以他最愛的「水獺」為主角，回顧過去三年（2022-2025）AI 圖像生成技術的演進。從早期扭曲、充滿偽影的滑稽畫面，到如今幾近完美的寫實與細節呈現，這 32 隻水獺不僅記錄了 Midjourney、DALL-E 等工具的迭代，也象徵了整個生成式 AI 領域呈指數級發展的縮影。
Use FLUX.1 Kontext to edit images with words★ 80
Replicate Blog370d agoReleaseBlack Forest Labs 推出全新圖像編輯模型 FLUX.1 Kontext，現已可在 Replicate 上運行。該模型允許使用者透過簡單的文字指令（如「把背景換成冬天」）直接編輯現有圖片，同時保持原圖的結構與細節。本文介紹了如何調整引導參數（如圖片與文字引導強度）以獲得最佳編輯效果，是設計師與創作者提升工作流效率的利器。
Falcon-H1: A Family of Hybrid-Head Language Models Redefining Efficiency and Performance★ 75
Hugging Face Blog377d agoRelease阿聯酋技術創新研究所（TII）在 Hugging Face 上發布了全新的 Falcon-H1 系列模型。該系列主打「混合頭（Hybrid-Head）」架構，旨在解決傳統 Transformer 模型在處理長文本時的運算瓶頸。透過結合不同的注意力機制或序列處理技術，Falcon-H1 成功在推論效率、記憶體佔用與模型性能之間取得全新平衡，為開源 AI 社群注入高效能的新選擇。
Falcon-Arabic: A Breakthrough in Arabic Language Models
Hugging Face Blog377d agoRelease阿布達比技術創新研究所（TII）在 Hugging Face 上發布了專為阿拉伯語設計的 Falcon-Arabic 模型。該模型旨在解決阿拉伯語在自然語言處理（NLP）中因複雜語法與方言多樣性帶來的挑戰。作為開源 Falcon 家族的新成員，Falcon-Arabic 將為中東及全球開發者提供更精準、高效的阿拉伯語 AI 解決方案。
SynthID Detector — a new portal to help identify AI-generated content★ 80
Google DeepMind Blog378d agoNew ToolGoogle 在 I/O 大會上宣布推出「SynthID Detector」全新入口網站。該平台旨在幫助使用者辨識在網路上看到的內容是否由 AI 生成。透過整合 Google DeepMind 的 SynthID 隱形浮水印技術，此工具提供了一個直觀且公開的管道，讓大眾能更透明地了解數位內容的來源與真實性。
Fuel your creativity with new generative media models and tools★ 78
Google DeepMind Blog378d agoNew ToolGoogle announced new generative media models and tools at I/O 2025, led by Veo 3 for video, Imagen 4 for images, and Flow for AI filmmaking. Veo 3 adds audio generation, while Imagen 4 improves detail, typography, aspect ratios, and up to 2K output. Google also expanded Lyria 2 and Lyria RealTime access, while continuing SynthID watermarking and launching SynthID Detector.
Vision Language Models (Better, faster, stronger)★ 80
Hugging Face Blog387d agoOpinionHugging Face 發布 2025 年視覺語言模型（VLM）趨勢報告。文章深入探討 VLM 在「更強（推理與 OCR）」、「更快（輕量化與推論優化）」與「更實用（多模態 Agent）」三大維度的演進。推薦了 Qwen2.5-VL、Llama-3.2-Vision 等主流開源模型，並介紹如何利用 Hugging Face 生態系進行高效部署與微調。
LeRobot Community Datasets: The “ImageNet” of Robotics — When and How?★ 80
Hugging Face Blog388d agoOpinionHugging Face 旗下的開源機器人專案 LeRobot 致力於解決機器人領域缺乏標準化、大規模資料集的問題。本文探討如何透過社群協作，建立類似於電腦視覺界「ImageNet」的機器人資料集。文章介紹了 LeRobot 的資料格式標準、社群貢獻機制，以及如何克服硬體多樣性帶來的數據整合挑戰。
[AINews] SOTA Video Gen: Veo 2 and Kling 2 are GA for developers★ 85
TLDR AI (Buttondown)412d agoRelease影片生成競技場（Video Arena）排名前兩名的 SOTA 模型 Google Veo 2 與 Kling 2 正式向開發者全面開放（GA）。Google Veo 2 已整合至 Gemini API，主打每秒生成僅需 0.35 美元的超低價格；而來自中國的 Kling 2 則以約 10 秒 2 美元的價格推出，但設有每月 700 美元（需簽 3 個月）的最低消費門檻。兩大模型的開放象徵著高品質 AI 影片生成正式進入開發者應用的實用化階段。
NVIDIA's GTC 2025 Announcement for Physical AI Developers: New Open Models and Datasets★ 85
Hugging Face Blog442d agoReleaseNVIDIA 在 GTC 2025 針對實體 AI（Physical AI）領域發表重大更新，與 Hugging Face 合作釋出全新開源模型與資料集。這些資源旨在降低具身智慧與機器人開發門檻，涵蓋世界模型、VLA 模型及高質量訓練資料。開發者可直接在 Hugging Face 平台獲取，加速實體世界 AI 應用的落地。
A Deepdive into Aya Vision: Advancing the Frontier of Multilingual Multimodality★ 75
Hugging Face Blog456d agoReleaseCohere For AI 發表全新開源多語言多模態模型「Aya Vision」（提供 8B 與 32B 版本）。該模型旨在解決現有視覺語言模型（VLM）嚴重偏向英語的問題，大幅提升了對全球多種語言（特別是低資源語言）的圖像理解與文字生成能力。在多項多語言多模態基準測試中，Aya Vision 展現出超越同量級開源模型的優異性能，並已於 Hugging Face 平台上開源。
Open-R1: Update #1★ 85
Hugging Face Blog486d agoReleaseHugging Face 發表 Open-R1 專案的第一階段更新，旨在完全開源重現 DeepSeek-R1。團隊目前專注於利用 TRL 庫中的 GRPO 演算法進行強化學習訓練，並已釋出初步的訓練配方、資料集與評估結果。報告中也探討了推理模型訓練中常見的「獎勵作弊（Reward Hacking）」與格式控制等技術挑戰。
Visual Document Retrieval Goes Multilingual★ 80
Hugging Face Blog509d agoReleaseHugging Face 發表全新的 VDR-2B-multilingual 模型，專為視覺文件檢索（VDR）設計。傳統檢索依賴繁瑣的 OCR 步驟，而該模型能直接將文件頁面視為圖像進行向量化，保留排版、圖表與插圖資訊。本次更新重點在於擴展至多語言支持（包含中英日韓等），大幅提升跨國企業與多語系文檔的檢索效率與準確度。
The rise of the AI crawler★ 75
Vercel Changelog532d agoCommentary隨著 AI 搜尋與 LLM 的普及，AI 爬蟲（如 GPTBot、ClaudeBot）的流量在 2024 年呈現爆發式成長。這不僅帶來了伺服器成本上升與資料被無償抓取的隱憂，也改變了傳統的 SEO 遊戲規則。Vercel 在本文中深入分析了這股趨勢，並分享開發者如何透過 robots.txt、Vercel 防火牆與 Edge Middleware 來有效監控、限制或阻擋這些 AI 爬蟲，在保護網站資產與獲取 AI 搜尋曝光之間取得平衡。
AI video is having its Stable Diffusion moment★ 80
Replicate Blog534d agoOpinionReplicate 指出，AI 影片生成領域正經歷類似當年 Stable Diffusion 顛覆圖像生成的「開源時刻」。 目前市場上已出現多款效果足以媲美 OpenAI Sora 的開源影片生成模型。 這意味著開發者與創作者不再受限於封閉的 API，能以更低成本、更高自由度在本地或雲端部署高品質影片生成。
Introducing SynthID Text★ 85
Hugging Face Blog588d agoReleaseGoogle 與 Hugging Face 宣布將 SynthID Text 技術整合至 Transformers 庫中。這項技術能在不影響文本生成品質的前提下，於 LLM 輸出的機率分佈中嵌入隱形浮水印。開發者現在可以輕鬆在自己的模型中啟用此功能，以識別和追蹤 AI 生成的文本，應對虛假訊息與版權爭議。
A Short Summary of Chinese AI Global Expansion★ 75
Hugging Face Blog608d agoCommentary隨著 Qwen、DeepSeek、Yi 等中國開源模型在 Hugging Face 排行榜上名列前茅，中國 AI 勢力正加速全球擴張。這些模型憑藉強大的多語言能力、數學與程式碼推理性能，以及極高的性價比，成為全球開發者在 Llama 之外的重要選擇。本文總結了中國 AI 透過開源生態系打破地理限制、走向國際的關鍵策略與面臨的挑戰。
Hugging Face partners with TruffleHog to Scan for Secrets★ 70
Hugging Face Blog637d agoReleaseHugging Face 與開源安全掃描工具 TruffleHog 的開發商 Truffle Security 達成合作。此項合作旨在自動掃描 Hugging Face 平台上的所有儲存庫（包括模型、數據集和 Spaces），以偵測並清除不小心上傳的敏感憑證與 API 金鑰。這項主動防禦機制將大幅提升 AI 開源社群的資安防護水準，避免開發者因疏忽而造成重大損失。
Fine-tune FLUX.1 to create images of yourself★ 80
Replicate Blog642d agoTutorial本教學介紹如何利用 LoRA 技術微調 FLUX.1 [dev] 模型以生成個人專屬圖像。使用者只需準備 10 至 20 張不同角度與背景的個人照片並打包成 ZIP 檔，即可透過 Replicate 的 Web 介面或 API 進行訓練。訓練過程僅需約 20 分鐘、花費數美元，完成後即可使用自訂觸發詞生成各種風格的個人寫真。
Replicate Intelligence #12★ 75
Replicate Blog649d agoReleaseReplicate 發布第 12 期情報，重點介紹 FLUX.1 [dev] 的 LoRA 微調訓練功能正式上線，用戶能以極低成本訓練專屬圖像模型。同時，社群利用 Flux 生成的「帥氣祖克柏（Hot Zuck）」迷因引發熱潮，展現了極致的寫實度。此外，Replicate 作為開源 AI 部署首選平台，在知名播客 Lex Fridman 的節目中獲得高度關注。
Replicate Intelligence #11★ 75
Replicate Blog656d agoReleaseReplicate 發布第 11 期技術週報，重點介紹開源影像生成模型 FLUX.1 的微調方法，讓開發者能以低成本訓練專屬風格。同時探討了「生成式電子遊戲」的最新進展，展示 AI 如何即時生成遊戲畫面與互動內容。最後，文章展望了生成式 AI 結合 3D 技術，為未來元宇宙與虛擬空間帶來的全新創作範式。
Replicate Intelligence #10
Replicate Blog663d agoRelease本期 Replicate Intelligence 彙整了近期社群與技術進展。重點包括開源圖像生成模型 Flux 的最新開發動態、基於 AI 驅動的 Minecraft 遊戲機器人，以及由 Zeke 撰寫的 Streamlit 與 Replicate 整合實作指南（Cookbook），幫助開發者快速構建 AI 應用。
FLUX.1: First Impressions★ 85
Replicate Blog670d agoRelease由 Stable Diffusion 原班人馬創立的 Black Forest Labs 推出全新圖像生成模型家族 FLUX.1。該模型包含 Schnell、Dev 和 Pro 三個版本，在文字生成、複雜指令遵循以及人體細節上展現出驚人實力。Replicate 平台第一時間上架並進行深度實測，認為其美學風格與寫實度已能與 Midjourney v6 匹敵，為開源 AI 繪圖立下新標竿。
Replicate Intelligence #7
Replicate Blog691d agoCommentary本期 Replicate Intelligence 探討了從「以模型為中心」轉向「以資料為中心」的 AI 趨勢。重點介紹了如何進行高品質的資料整理（Data Curation）以及利用 AI 進行合成資料生成（Data Generation），這兩者是提升開源模型微調效果與推論品質的關鍵基石。