AITOP

Hugging Face

共 242 条相关 AI 资讯
6月6日
05:21
05:21官方账号Clement Delangue@ClementDelangue
72°
Hugging Face CEO Clement Delangue通过实测数据反驳了“智能体会绕过所有工具直接调用API”的流行观点。团队在Hugging Face Hub上对Claude Code和Codex进行了约1000次分级测试，发现智能体使用优化过的CLI工具比手写curl或SDK调用节省高达6倍的token，且任务成功率更高（94% vs 84%）。他认为，在token昂贵的时代，抽象层（如CLI、SDK）是智能体的“缓存智能”，能压缩推理链，降低失败率和成本。因此，智能体不会重建一切，而是会倾向于使用最token高效的软件工具。Hugging Face本身已成为智能体使用AI的平台，两个月内收到约4900万次请求。
行业智能体token成本CLI/工具
推荐理由：这篇实测数据直接打脸了“智能体将消灭所有软件层”的论调，做AI工具和智能体开发的团队值得一看——它告诉你为什么好的CLI和SDK反而更值钱了。
原文
03:05
6月4日
23:42
23:42官方账号Clement Delangue@ClementDelangue
Hugging Face 联合创始人 Clement Delangue 分享称，已将 NanoClaw AI 的智能体追踪数据上传至 Hugging Face 平台。他认为所有智能体默认应将追踪数据私有存储在 HF 上，以便用户保留历史记录、进行分析、分享，并用于后训练更好的模型和工具。这一方向旨在提升智能体的可追溯性和数据利用效率，推动 AI 代理生态发展。
AI产品智能体追踪数据Hugging Face
推荐理由：智能体开发者终于有了标准化的追踪数据存储方案——NanoClaw AI 与 Hugging Face 的集成让分析、分享和后训练变得简单，做 AI 代理的团队值得关注这个方向。
原文
22:09
21:28
21:28Julien Chaumond@julien_c
Julien C 发布新项目 SynthTraces，这是一个最小化代码库，用于生成合成编程智能体会话轨迹。它让一个开放模型（通过 Hugging Face Inference Providers 服务）扮演编程智能体，另一个小模型（llama.cpp）扮演人类用户，在真实开源代码库（HuggingFace OSS 项目）上进行交互。最终生成了超过 2000 条 Pi 会话轨迹，可用于训练或微调 LLM，并针对 Pi 进行优化。所有数据已发布在 Hugging Face 上。
AI产品编程智能体合成数据Pi
推荐理由：做智能体训练或微调的开发者终于有了大规模合成轨迹数据源——SynthTraces 用双模型对话自动生成 2000+ 条真实代码库交互轨迹，比手动标注高效太多，做 LLM 对齐或 Pi 优化的团队可以直接用。
原文
06:44
06:44官方账号Clement Delangue@ClementDelangue
Hugging Face CEO Clement Delangue 在 X 上发帖调侃，认为现在即使把开源模型命名为“0pus 4.8”或“GPT 5.S”放进应用，用户也会大量使用而不抱怨。他指出这是“前沿”营销的力量——品牌和命名比实际技术更能吸引用户。这条推文引发了关于 AI 行业品牌效应与真实技术差距的讨论。
行业开源模型品牌营销前沿模型
推荐理由：做 AI 应用或营销的团队值得看看——品牌命名对用户认知的影响可能远超技术本身，别让“前沿”标签蒙蔽了你的判断。
原文
01:19
01:19Ideogram@ideogram_ai
Ideogram 4.0 现已通过多个合作伙伴平台开放使用，包括 Hugging Face、ComfyUI、Fal、Runware、Magnific、Krea AI、Leonardo AI、Picsart、Cloudflare、Replicate、Gamma App、Flora AI 和 Kittl Design。这一更新意味着用户可以在熟悉的工具和平台上直接使用 Ideogram 的最新图像生成模型，无需切换环境。对于依赖这些平台进行创意工作的设计师和开发者来说，这大大降低了使用门槛，提升了工作流效率。
AI产品Ideogram 4.0图像生成平台集成
事件专题
推荐理由：Ideogram 4.0 覆盖了主流 AI 图像平台，做设计或内容创作的团队可以直接在常用工具里体验最新模型，省去切换麻烦。
原文
6月3日
13:43
13:43官方账号Cohere@cohere
Cohere 宣布赞助一场由 Hugging Face 和 Gradio 主办的黑客马拉松，主题是“缩小规模”。活动鼓励开发者构建足够小、运行成本低，但又能真正改变他人生活的 AI 应用。参与者可以创造古怪有趣的 AI 作品，或为身边人解决实际问题。这反映了行业对轻量、实用 AI 模型的关注趋势。
行业黑客马拉松CohereHugging Face
推荐理由：想用低成本模型做出真正有用的东西？这场黑客马拉松就是为你准备的——Cohere 赞助、Hugging Face 和 Gradio 主办，直接上手做点小而美的 AI 应用，建议关注。
原文
08:17
08:17官方账号Clement Delangue@ClementDelangue
Hugging Face CEO Clement Delangue 在 X 上发文，呼吁社区更多关注 Arcee 这家美国开源 AI 模型公司。他指出，美国优秀的开源 AI 模型公司并不多，而 Arcee 是其中之一。Arcee 在 Hugging Face 上发布了多个开源模型，其模型在特定任务上表现优异，且完全开源可商用。这一呼吁引发了社区对 Arcee 及其模型的重新关注，也反映了开源 AI 生态中美国公司的稀缺性。
AI模型开源/仓库ArceeHugging Face
推荐理由：美国开源 AI 模型公司稀缺，Arcee 是少数值得关注的玩家。做开源模型研究或寻找可商用模型的开发者，建议去 Hugging Face 看看他们的模型仓库。
原文
6月2日
10:45
10:45官方账号NVIDIA AI@NVIDIAAI
NVIDIA 在 Hugging Face 上开源仓库总数突破 1000 个（含 820 个模型、249 个数据集和 57 个 Spaces），粉丝接近 60,000。其 LocateAnything 模型成为 Hugging Face 当前第一热门模型，PiD 排名第五。NVIDIA 宣布采用 Linux 基金会的 OpenMDW 框架，并发布了 Cosmos 3（物理 AI 全模态世界模型）和 Alphamayo 2 Super（自动驾驶开源模型）。此外，Nemotron 3 即将发布，Nemotron 4 也在研发中。Hugging Face CEO Clement Delangue 称 NVIDIA 为“美国开源 AI 之王”，肯定了其对生态的贡献。
行业NVIDIA开源/仓库Hugging Face
事件专题
推荐理由：NVIDIA 在 Hugging Face 上开源仓库破千，模型霸榜，做 AI 开发或模型选型的团队值得关注——这代表开源生态里又多了一个强力玩家，可以直接拿来用的资源又多了。
原文
10:35
10:20
10:20官方账号Clement Delangue@ClementDelangue
精选
Hugging Face 联合创始人 Clement Delangue 在 X 上分享，他仅用不到 1 分钟就将一个 68TB 的数据集克隆到自己的私有训练存储桶中，而本地磁盘只有 4TB。这得益于 Hugging Face 的基础设施优化和 xet 去重技术。该功能让用户无需下载完整数据集即可直接使用，大幅节省时间和存储空间。对于需要大规模数据集的 AI 训练团队来说，这是一个效率提升的利器。
AI产品Hugging Face数据集克隆
推荐理由：做大规模 AI 训练的团队终于可以告别下载整个数据集的痛苦——68TB 数据集 1 分钟克隆到私有存储，建议所有需要管理海量数据的开发者点开看看。
原文
10:10
02:53
02:53官方账号Clement Delangue@ClementDelangue
Hugging Face CEO Clement Delangue 发推称赞 NVIDIA 是“美国开源 AI 之王”，指出 NVIDIA 在 Hugging Face 上已拥有超过 1000 个公开仓库（820 个模型、249 个数据集、57 个空间），粉丝近 6 万。当前 HF 上排名第一的热门模型是 LocateAnything，排名第五的是 PiD。NVIDIA 宣布采用 Linux 基金会的 OpenMDW 框架，并发布了 Cosmos 3（用于物理 AI 的全模态世界模型）、Alphamayo 2 Super（自动驾驶开源模型），以及即将推出 Nemotron 3 和正在开发中的 Nemotron 4。这些成果展示了 NVIDIA 在开源 AI 生态中的持续投入和领导力。
行业NVIDIA开源模型Hugging Face
事件专题
推荐理由：NVIDIA 在开源 AI 上的投入远超多数人想象——1000 个公开仓库、多个前沿模型，做 AI 研究或开发的团队值得关注这些新资源，尤其是 Cosmos 3 和 Nemotron 系列。
原文
01:50
01:50官方账号Hugging Face@huggingface
Hugging Face CEO Clement Delangue 发推称赞 Nvidia 是“美国开源 AI 之王”，并列举其近期成就：在 Hugging Face 上累计超过 1000 个公开仓库（820 个模型、249 个数据集、57 个 Spaces），粉丝近 6 万；当前 HF 热门模型榜上，LocateAnything 排名第一，PiD 排名第五；宣布采用 Linux 基金会 OpenMDW 框架；发布了 Cosmos 3（物理 AI 全模态世界模型）、Alphamayo 2 Super（自动驾驶开源模型），并预告 Nemotron 3 和 Nemotron 4 即将发布。这些动作表明 Nvidia 正加速从硬件巨头向开源 AI 生态核心贡献者转型。
行业Nvidia开源/仓库Hugging Face
事件专题
推荐理由：Nvidia 在开源 AI 上的投入已经形成规模效应——1000 个仓库覆盖模型、数据集、工具链，做 AI 研究或工程落地的团队值得关注其最新模型和框架，尤其是自动驾驶和物理 AI 方向的开放成果。
原文
6月1日
15:07
15:07官方账号NVIDIA AI@NVIDIAAI
精选
NVIDIA 宣布其 Cosmos 3 模型完全开源，包括模型权重和训练配方。该模型已在 Hugging Face 上发布，供开发者自由使用。此举延续了 NVIDIA 在 AI 领域开放生态的策略，旨在推动更多创新应用。Cosmos 3 的开放将加速研究者和工程师在视觉、语言等多模态任务上的探索。
AI模型开源/仓库多模态模型NVIDIA
事件专题
推荐理由：NVIDIA 把 Cosmos 3 的权重和训练配方全开源了，做多模态研究的团队可以直接下载使用，省去从头训练的算力成本，值得点开看看。
原文
5月31日
01:42
5月29日
23:39
23:39官方账号Clement Delangue@ClementDelangue
Hugging Face 联合创始人 Clement Delangue 透露，平台上 50% 的模型和数据集是私有的，且这一比例随着其 S3 替代方案 buckets 的推出而持续增长。这表明越来越多企业选择在内部使用 Hugging Face 进行 AI 构建和协作，而非完全依赖外部 API。私有存储功能让企业能更高效、安全地共享 AI 资产，推动内部创新。Delangue 预计未来几个月这一趋势将更加明显。
行业Hugging Face私有模型企业AI
推荐理由：企业 AI 团队终于有了更安全的内部协作方式——Hugging Face 的私有存储让模型和数据管理不再依赖公开分享，做内部 AI 平台或数据治理的开发者值得关注。
原文
00:51
5月28日
22:11
22:05
22:05官方账号Clement Delangue@ClementDelangue
精选83°
Hugging Face 科学团队在 TRL 库中实现了一种新的异步强化学习权重同步方法，将每次同步的带宽成本降低约 100 倍。核心洞察是：在 RL 步骤之间，约 99% 的 bf16 权重是比特相同的，只有极少部分发生变化。他们只将变化的元素编码为稀疏 safetensors 文件，通过 Hugging Face Bucket 传输，而不是传输整个权重文件。以 Qwen3-0.6B 为例，每次步骤的传输量从 1.2 GB 降至 20-35 MB。这意味着不再需要共享集群、RDMA、VPN 或跨云 NCCL，只需一个 GPU 和一个 Hugging Face 账号即可进行真正的分离式 RL 训练。
AI产品强化学习权重同步Hugging Face
推荐理由：做分布式 RL 训练的团队终于可以告别昂贵的带宽和复杂的基础设施——只需 HTTPS 和一个 Bucket，就能实现跨区域的推理集群同步，建议搞 RL 的开发者直接看原文。
原文
5月27日
10:59
10:59IT之家（博客/媒体）
精选
Hugging Face 于 5 月 21 日发布 LeRobot Humanoid 双足机器人项目，面向机器人开发者和研究人员，起步价 2500 美元。该项目非成品，需自行组装，旨在提供可理解、可维修、可加装传感器的开源平台。硬件部分大量使用 3D 打印件和现成元件，软件部分提供校准、控制工具并支持仿真。团队鼓励先在仿真中训练动作，再在真实机体上测试，数据可反哺仿真环境。后续计划加入上半身集成和更高级行为。
AI产品机器人开源/仓库3D 打印
推荐理由：Hugging Face 把双足机器人的门槛从几十万降到 2500 美元，做机器人研究的团队和学生可以直接用开源方案动手组装和训练，省去从零搭建的麻烦。
原文
5月26日
10:50
07:37
07:37官方账号Clement Delangue@ClementDelangue
Hugging Face CEO Clement Delangue 正在研究编程助手如何提及 Hugging Face 产品。他采用简单方法：运行大量查询，并用 Submarine.ai 分析回答。他公开了数据集，并询问社区是否有更好方法。这反映了 AI 工具对开发者生态的影响，以及公司如何追踪自身在 AI 助手中的存在感。
行业编程助手Hugging FaceSubmarine.ai
推荐理由：做开发者关系或产品推广的团队，可以通过这个案例了解如何量化 AI 助手对自家产品的提及率，值得参考其数据和分析思路。
原文
5月25日
12:09
5月22日
22:53
22:53官方账号Clement Delangue@ClementDelangue
CommonCrawl 公开推荐并使用 Hugging Face Buckets 来管理大型且不断演变的训练数据集。Hugging Face Buckets 是一种存储解决方案，专为处理私有模型或数据集而设计。该工具旨在简化大规模数据管理流程，提升效率。Hugging Face 创始人呼吁用户尝试并反馈意见。
AI产品数据集存储CommonCrawl
推荐理由：CommonCrawl 的背书说明 Hugging Face Buckets 在大规模数据管理上靠谱，做 NLP 或预训练数据处理的团队可以直接试试，省去自己搭存储的麻烦。
原文
5月20日
21:51
21:08
21:08官方账号Clement Delangue@ClementDelangue
83°
Hugging Face 发布了名为 Carbon 的开源 DNA 基础模型，包含开放权重、训练代码和数据管道。该模型专为下游生物学任务设计，可微调或持续预训练。Carbon 比同尺寸最佳模型快 275 倍，能在单 GPU 上不到 2 天处理整个人类基因组，甚至可在笔记本电脑上本地运行。其核心技术是 DNA 原生分词器，将序列分割为 6 碱基块以提升效率，同时保留单碱基分辨率。此举旨在推动生物学 AI 的透明化和本地化，避免个人健康数据依赖黑盒 API。
AI模型Hugging FaceDNA 模型开源/仓库
推荐理由：Hugging Face 把 DNA 分析从黑盒 API 拉到了本地，做生物信息学或个性化健康研究的开发者可以直接在笔记本上跑基因组模型，值得试试。
原文
03:59
03:59Thomas Wolf@Thom_Wolf
76°
Hugging Face 团队发布了名为 Carbon 的 DNA 模型，其速度比当前最先进的 Evo2 快 275 倍，可在单 GPU 上两天内处理整个人类基因组。Carbon 的核心创新在于其独特的 tokenizer：将 DNA 序列切分为 6 碱基的块，同时保留单碱基分辨率，解决了 BPE 分词器在无空格序列上的低效问题。该模型支持 DNA 序列生成、基因结构分析、突变效应预测、蛋白质折叠以及生命树重建等任务。团队还提供了交互式 demo 供用户探索。
AI模型DNA 模型CarbonHugging Face
推荐理由：生物信息学研究者终于有了一个能跑全基因组的超快模型——Carbon 把处理时间从数周压缩到两天内，做基因组分析或蛋白质设计的团队可以直接用 demo 试效果。
原文
5月18日
22:29
22:29官方一手Hugging Face: Blog（博客/媒体）
精选76°
IBM Research 在 Hugging Face 上推出了 Open Agent Leaderboard，这是一个用于评估 AI 智能体性能的公开排行榜。该排行榜通过一系列标准化任务测试智能体的规划、工具使用和推理能力，旨在为开发者提供可复现的基准。目前已有多个主流模型参与评测，包括 GPT-4、Claude 等。这一举措有助于推动智能体领域的透明化和标准化，让开发者能更直观地比较不同智能体的实际表现。
行业智能体排行榜IBM
推荐理由：智能体评估一直缺乏统一标准，IBM 这个排行榜让开发者能直接对比不同模型的规划与工具使用能力，做智能体应用的团队值得关注。
原文
12:05
5月16日
19:14
19:14AI Engineer@aiDotEngineer
精选73°
开源模型 GLM 5.1 在 Artificial Analysis 智能指数上超越闭源模型，差距持续缩小。权重开放意味着可以在不离开基础设施的情况下进行量化、微调和边缘部署。Hugging Face 生态已为智能体工作构建：推理提供商支持工具路由、按 SWE bench 分数过滤的基准数据集、存储智能体会话的追踪仓库类型，以及可插入编码智能体的技能。现场演示中，Claude Code 被要求微调一个视觉语言模型，智能体自动计算 VRAM 需求、选择实例并启动任务，将过去需要一天的手工计算变为一个提示。
AI模型GLM 5.1开源模型智能体
推荐理由：开源模型首次在权威指数上超越闭源模型，做模型部署和微调的团队可以直接利用权重优势，而 Hugging Face 的智能体生态让训练任务自动化成为现实——建议点开看 Claude Code 如何一键微调模型。
原文
5月15日
14:01
5月14日
01:10
01:10官方账号AlphaSignal@AlphaSignalAI
70°
Hugging Face 开源了一个 CLI 智能体，能自动执行机器学习工程师的完整研究循环：从阅读论文、追踪引用，到拉取数据集、编写训练脚本，再到启动 GPU 任务并迭代优化。在科学推理任务中，它训练 Qwen3-1.7B 将 GPQA 得分从 10% 提升至 32%，超越 Claude Code 的 22.99%。在医疗领域，它因公开数据集质量不足，自动生成 1100 个合成样本并上采样 50 倍，在 HealthBench 上比 Codex 高出 60%。该智能体还具备自主诊断失败评估、恢复训练的能力，以 CLI 和 Web 应用形式提供，甚至可在手机上运行。
AI产品Hugging FaceCLI 智能体开源/仓库
推荐理由：Hugging Face 这个开源智能体把 ML 研究全流程自动化了，做实验的团队可以直接用它跑论文复现和模型训练，省掉大量手动调参和写脚本的时间。
原文
5月13日
21:36
21:36IT之家（博客/媒体）
70°
AI 安全公司 HiddenLayer 在 Hugging Face 上发现一个名为“Open-OSS / privacy-filter”的恶意仓库，伪装成 OpenAI 的隐私脱敏模型“Privacy Filter”。该仓库在被下架前下载量已超过 20 万次，文件目录与正版几乎一致，但内含信息窃取类木马。受害者若按说明下载运行，电脑会遭黑客入侵。安全公司建议受影响的用户彻底重建开发环境，而非仅手动清理恶意软件。
行业Hugging Face安全/漏洞山寨项目
事件专题
推荐理由：AI 开发者下载模型时容易中招——这个山寨项目下载量超 20 万次，说明很多人已经踩坑。建议所有在 Hugging Face 上找模型的团队立即检查自己的依赖，并提醒同事不要轻信非官方仓库。
原文
08:34
08:34
5月12日
23:28
5月11日
22:17
22:17官方账号Together AI@togethercompute
Together AI宣布其AI Native Cloud平台现在支持直接从Hugging Face部署任何模型，无需繁琐设置。用户只需单次会话即可运行模型，大幅降低了从“看起来不错”到“实际运行”的门槛。此举旨在简化AI模型部署流程，提升开发者和企业的实验效率。关键点是平台兼容所有Hugging Face模型，且强调零设置体验。
AI产品AI平台部署Hugging Face
推荐理由：这代表AI基础设施服务商正进一步降低模型部署门槛，对于需要快速实验和迭代的AI开发团队来说，此举能显著减少从发现模型到生产环境的时间成本，推动更广泛的模型应用。
原文
22:16