Jais 2 推出 8B 和 70B 阿拉伯語大型語言模型，展示主權 AI 開發藍圖
G42 旗下 Inception、MBZUAI 基礎模型研究所與 Cerebras Systems 推出 Jais 2 阿拉伯語大型語言模型系列，包含 8B 和 70B 型號。
#Hugging Face
#Hugging Face
今日 5 條Cerebras：BlogAI 評分6363 Zyphra ResearchAI 評分5555 Zyphra 發佈 380M 參數 ZUNA 腦電圖基礎模型，支援訊號去噪與重建
Zyphra 發佈 380M 參數的 ZUNA，這是一款用於腦電圖（EEG）訊號去噪、重建及上採樣的擴散自編碼器基礎模型。在通道缺失超過 75% 時，ZUNA 在所有評估數據集均優於球面樣條插值；模型亦可按電極座標預測新通道訊號。模型以約 2 million channel-hours EEG 數據訓練，並按 Apache 2.0 授權發佈模型權重及推理、預處理程式碼。
Liquid AI 模型與工程博客AI 評分5959 Liquid AI 發佈 LFM2-24B-A2B 早期檢查點，總參數達 24B
Liquid AI 發佈 LFM2-24B-A2B 早期檢查點，這款開放權重 MoE 模型有 24B 總參數，並已在 Hugging Face 提供。
Liquid AI 模型與工程博客AI 評分5858 Liquid AI 發佈 LFM2.5-VL-450M，提升視覺定位並新增函數調用支援
Liquid AI 發佈 LFM2.5-VL-450M，作為 LFM2-VL-450M 的改進版本，提升視覺定位與指令遵循能力，並新增函數調用支援。預訓練規模由 10T 增至 28T tokens；RefCOCO-M 邊界框預測分數由 0 升至 81.28，MMMB 多語言分數由 54.29 提升至 68.09。
Thinking Machines Lab：NewsAI 評分7373 Thinking Machines Lab 發佈開放權重模型 Inkling
Thinking Machines Lab 發佈從零訓練、提供完整權重的多模態模型 Inkling，採用 Mixture-of-Experts Transformer，總參數量為 975B、啟用參數量為 41B。
MiniMax：Blog精選AI 評分7676 MiniMax 開源 M2 模型，並推出中國版、升級海外版 MiniMax Agent
MiniMax 正式開源並推出面向智能體與編碼的 MiniMax M2，同時在中國推出 M2 驅動的 MiniMax Agent，並升級海外版本。
推薦理由：MiniMax M2 公佈 Artificial Analysis 10 項測試成績、API 定價與約 100 TPS 推理速度，並開放權重，呈現智能體模型在表現、速度與部署成本間的取捨。
Hugging Face Blog精選AI 評分7070 Holo4 發佈通用電腦操作智能體模型系列
H Company 發佈 Holo4 通用電腦操作智能體模型系列，提供 27B dense 與 35B-A3B Mixture of Experts，並推出更新版 Holotron4 Nano。
推薦理由：文章提供 Holo4 在 OSWorld 2.0 的規格分數、Opus 5.5 對照和成本估算口徑，並指出各模型的測試框架與任務子集不盡相同，便於理解比較條件。
螞蟻 inclusionAI：HuggingFace 新模型AI 評分5353 inclusionAI 發佈 Ming-Image-0.1-Design-Layer 設計圖層拆解模型
inclusionAI 發佈 Ming-Image-0.1-Design-Layer，可按輸入圖像及圖層規劃，將扁平設計圖像拆分為指定數量的 RGBA 圖層。模型提供六層卡片製作示例，建議工作分辨率為 1024，亦可使用 512 加快分層；採樣步數為 12，驗證配置為一張 CUDA GPU、80 GiB VRAM。
螞蟻 inclusionAI：HuggingFace 新模型AI 評分5252 inclusionAI 發佈 Ming-Image-0.1-Design 6B 文生圖模型
inclusionAI 發佈 Ming-Image-0.1-Design，這款 6B 文生圖模型面向 UI、資訊圖表、海報等文字密集的視覺設計。模型可生成完整視覺構圖並支援透明背景 RGBA 輸出，建議解像度為 2048 x 2048，或採用 1024 x 1024 加快生成。建議採樣步數為 12，驗證配置為一張配備 80 GiB VRAM 的 CUDA GPU，授權為 MIT License。
螞蟻 inclusionAI：HuggingFace 新模型AI 評分6161 inclusionAI 發佈 Qwen3.5-397B-A17B-singprobe 串流護欄探針
inclusionAI 發佈 SingProbe 串流護欄探針，以 Qwen/Qwen3.5-397B-A17B 的生成隱藏狀態逐 token 評估意圖、安全性及幻覺風險。
螞蟻 inclusionAI：HuggingFace 新模型AI 評分5858 inclusionAI 發佈 gemma-4-31B-it-singprobe 串流安全探針
inclusionAI 發佈基於 google/gemma-4-31B-it 的 SingProbe 串流護欄。它復用基座模型生成時的隱藏狀態，逐 token 評估查詢意圖、回應安全性和幻覺風險，無需另跑安全模型。
Hugging Face BlogAI 評分5757 NeoMME 發佈 260M、800M 多語言多模態編碼器
NeoMME 推出 260M 和 800M 兩種規模的多語言多模態編碼器，並提供用於視覺文件檢索的 NeoMME-Retriever。模型從零開始以單一雙向 Transformer 處理文字 token 和原始圖像 patch；NeoMME-Retriever 單次前向傳播可輸出密集與 late-interaction 嵌入向量。
Hugging Face Blog精選AI 評分6262 Granite 4.2 大語言模型如何構建
IBM Granite 團隊詳述 Granite 4.2 推理模型系列的構建流程，涵蓋架構、訓練方法及評測結果。該系列有 3B、8B、30B 三種稠密、僅解碼器模型，均由 Granite-4.1 base models 後訓練；後者以約 15T tokens 預訓練，並透過五階段策略將上下文窗口延至 512K tokens。
推薦理由：文中並列三種規模共用的訓練主線，以及 8B、30B 額外加入真實環境 Agentic RL 的分支，可據此理解各規模訓練階段和智能體能力培養的差異。
Hugging Face BlogAI 評分5757 用 NVIDIA Magpie TTS 構建低延遲多語言語音智能體：開放權重與完整部署控制
NVIDIA Magpie Multilingual TTS 最新版本擴展至 12 種語言，是一款 364M 參數、開放權重的語音合成模型，可部署於自有基礎設施並按工作負載調校。
Hugging Face Blog精選AI 評分7878 GLM-5.2 發佈，最大上下文擴至 1M tokens並提升長程任務能力
GLM-5.2 發佈，將最大上下文長度由 200K 擴至 1M tokens，並強化長程任務與編碼能力。它在 Terminal-Bench 2.1 和 SWE-bench Pro 分別取得 81.0、62.1，高於 GLM-5.1 的 63.5、58.4。
推薦理由：文章並列長程編碼基準成績與 IndexShare、MTP 的效率改動，讓讀者可對照模型性能數據和 1M-token 上下文的工程支撐。
Hugging Face Blog精選AI 評分6666 Hugging Face 發佈 Ettin Reranker 系列六款模型，規模涵蓋 17.6M 至 1.00B
Hugging Face 發佈六款基於 Ettin ModernBERT encoder 的 Sentence Transformers CrossEncoder reranker，參數規模由 17.6M 至 1.00B，並公開訓練數據及完整訓練方案。
推薦理由：文章以 MTEB(eng, v2) Retrieval、NanoBEIR 及多種硬件吞吐測試比較六種尺寸，呈現 Ettin Reranker 在排序品質與速度間的取捨。
Hugging Face Blog精選AI 評分6363 Granite Embedding Multilingual R2 發佈兩款 Apache 2.0 多語嵌入模型，支援 32K 上下文
IBM Granite 發佈兩款採 Apache 2.0 授權的多語嵌入模型：97M 參數的 granite-embedding-97m-multilingual-r2 和 311M 參數的 granite-embedding-311m-multilingual-r2。
推薦理由：文章提供 97M 與 311M 版本在多語檢索、長文及程式碼基準的比較，並交代 Matryoshka 維度選項對儲存與部署取捨的影響。
Hugging Face Blog精選AI 評分6161 Waypoint-1.5 提升互動世界保真度並擴展本地硬件支援
Overworld 推出 Waypoint-1.5 即時影片世界模型，提升視覺保真度並擴大可本地運行的硬件範圍。桌面硬件 RTX 3090 至 5090 可生成最高 720p、60 FPS 的即時環境；另有面向更廣泛消費級硬件（包括遊戲筆電）的 360p 版本，Apple Silicon Mac 支援即將推出。
推薦理由：Waypoint-1.5 分設 720p 與 360p 檔位，並列明 RTX 3090 至 5090 可達最高 720p、60 FPS，呈現其畫質與本地硬件覆蓋方案。
Hugging Face BlogAI 評分5555 Granite 4.0 3B Vision：面向企業文件理解的緊湊型視覺語言模型
Granite 4.0 3B Vision 現已推出，是面向企業文件理解的緊湊型視覺語言模型，支援表格抽取、圖表理解及語義鍵值對抽取。模型以 LoRA adapter 形式構建於 Granite 4.0 Micro 之上，可獨立使用或配合 Docling，並以 Apache 2.0 授權在 Hugging Face 提供。
Hugging Face Blog精選AI 評分6161 mmBERT 基於 ModernBERT 推出，訓練納入 1,833 種語言
mmBERT 以 ModernBERT 為基礎推出，使用超過 3T tokens 的多語言文本訓練，並在最後階段納入 FineWeb2 的 1,833 種語言。
推薦理由：mmBERT 展示分階段擴充語言、逐步降低遮罩率的訓練設計，並報告在最後 100B tokens 才納入的低資源語言上取得明顯提升。
Hugging Face Blog精選AI 評分9191 OpenAI 發佈開源 GPT OSS 模型系列
OpenAI 發佈 GPT OSS 開源模型系列，包含 117B 參數的 gpt-oss-120b 和 21B 參數的 gpt-oss-20b。兩款均為 MoE 推理模型，採用 MXFP4 4-bit 量化；gpt-oss-120b 可在單張 80 GB GPU 運行，gpt-oss-20b 可在 16GB 記憶體內運行。
推薦理由：文章將兩款模型的量化方式、硬件需求與多種部署路徑整理在一起，便於評估本地推理的資源門檻及接入方式。
Hugging Face Blog精選AI 評分6868 Ettin Suite 發佈 17M-1B 參數的配對編碼器與解碼器模型
Ettin Suite 發佈涵蓋 17M-1B 參數的配對編碼器與解碼器模型，兩者使用相同的 2T tokens 公開數據及訓練配方。編碼器在各項任務及規模上超越 ModernBERT，解碼器則勝過或追平 Llama 3.2 和 SmolLM2。同條件測試中，編碼器在分類和檢索任務較佔優，解碼器在生成任務較佔優；模型涵蓋六種規模，訓練數據公開且可重現。
推薦理由：Ettin 在相同的數據、模型規模與訓練配方下比較編碼器和解碼器，呈現兩類架構在分類、檢索和生成任務上的不同優勢。
Hugging Face Blog精選AI 評分6565 Hugging Face 發佈 SmolLM3，支援 128k 上下文的多語言 3B 推理模型
Hugging Face 發佈 3B 模型 SmolLM3，使用 11.2T tokens 訓練，支援 think / no_think 雙模式推理及最高 128k 上下文。
推薦理由：SmolLM3 公開分階段訓練、長上下文適配與雙模式推理配方，並交代數據配比和模型合併流程，呈現 3B 模型的工程實作路徑。
Hugging Face BlogAI 評分5353 NVIDIA 將 Llama Nemotron Nano VL 上架 Hugging Face Hub
NVIDIA 將 8B 視覺語言模型 Llama Nemotron Nano VL 上架 Hugging Face Hub，亦可透過 NVIDIA NIM API 使用，主打智能文檔處理與 OCR。
Hugging Face Blog精選AI 評分7474 Gemma 3n 全面接入主流開源工具庫，推出 E2B、E4B 尺寸模型
Gemma 3n 已接入多個主流開源工具庫，並推出 E2B、E4B 兩種尺寸的 base 與 instruct 版本。支援工具包括 Transformers、timm、MLX、llama.cpp、Transformers.js 和 Ollama；兩款模型實際參數量為 5B 和 8B，GPU 記憶體佔用約相當於 2B 和 4B 模型。
推薦理由：文章並列模型的實際參數量、GPU 記憶體需求和多個工具庫的接入方式，方便衡量 Gemma 3n 本地多模態部署時的硬件門檻與工具選擇。
Hugging Face BlogAI 評分5757 H Company 發佈 Holo1 開源 VLM 系列及 WebClick UI 定位基準
H Company 發佈 Holo1 開源 VLM 系列及 WebClick UI 定位基準，後者收錄 1,639 項 UI 任務。Holo1 系列包括 Holo1-3B 和 Holo1-7B，後者在常見 UI 定位基準的平均準確率為 76.2%。Surfer-H 採用 Holo1 開放權重模型；H Company 稱，該智能體在真實網頁任務上的準確率為 92.2%，每項任務成本為 $0.13。
Hugging Face Blog精選AI 評分6262 Hugging Face 發佈 SmolVLA：基於 LeRobot 社羣數據訓練的 450M 開源 VLA 模型
Hugging Face 發佈 SmolVLA，一款 450M 開源 Vision-Language-Action（VLA）機械人模型，以 LeRobot 社羣數據預訓練，可在消費級硬件上運行。
推薦理由：文中比較社羣數據預訓練前後的成功率，以及同步與非同步推理的完成時間和吞吐量，呈現數據與推理架構各自帶來的變化。
Hugging Face Blog精選AI 評分8383 Llama 4 Maverick 與 Scout 登陸 Hugging Face Hub，支援 Transformers 和 TGI
Hugging Face 將 Llama 4 Maverick (~400B) 與 Scout (~109B) 的權重上架 Hub，並宣佈 Transformers 與 TGI 支援。
推薦理由：文章整理了長上下文所用的 NoPE、分塊注意力與 temperature tuning 設計，讓讀者瞭解 Llama 4 延伸上下文窗口的架構取捨。
Hugging Face Blog精選AI 評分7777 DeepSeek-V3 0324 登上 Hugging Face Hub，四項基準分數均上升
DeepSeek-V3 0324 已登上 Hugging Face Hub，沿用原版架構並採用 MIT 授權，重點改善指令遵循、編碼和數學能力。DeepSeek 團隊列出的 MMLU-Pro、GPQA、AIME 和 LiveCodeBench 分數，分別由 75.9、59.1、39.6、39.2 升至 81.2、68.4、59.4、49.2。
推薦理由：文中提供 MMLU-Pro、GPQA、AIME 和 LiveCodeBench 的更新前後分數，讓讀者可按多項基準逐一比較 DeepSeek-V3 0324 相對原版的提升幅度。
Hugging Face Blog精選AI 評分7878 Google 發佈 Gemma 3 開放權重模型，4B、12B、27B 版支援圖像、140+ 種語言及 128k tokens 上下文
Google 發佈 Gemma 3 開放權重模型系列，提供 1B、4B、12B、27B 四種規模及預訓練、指令微調版本。4B、12B、27B 版本支援圖像和文字、140+ 種語言及 128k tokens 上下文；1B 版本僅支援文字和英文，提供 32k 上下文。
推薦理由：文章整理 Gemma 3 各版本的上下文、圖像與語言支援差異，並列出 Transformers、MLX 和 llama.cpp 的推理入口，方便比較使用路徑。
Hugging Face Blog精選AI 評分6969 深入解析 Aya Vision：多語言多模態模型的技術設計與評測
Cohere For AI 發佈 Aya Vision 8B 和 32B，這組開放權重視覺語言模型支援 23 種語言。Aya Vision 32B 在 mWildVision 的 23 種語言平均比較中，對參數量超過其 2 倍的模型取得 52% 至 72% 勝率。團隊亦公開 AyaVisionBench，涵蓋 23 種語言、9 類任務，每種語言有 135 組圖像與問題配對，供研究使用。
推薦理由：文章拆解合成標註、多語言資料擴充與多模態模型合併等訓練做法，呈現 Aya Vision 的多語言視覺語言建模路徑。
Hugging Face Blog精選AI 評分6363 Google 發佈 SigLIP 2 多語言視覺語言編碼器系列
Google 發佈 SigLIP 2 多語言視覺語言編碼器系列，加入新的訓練目標以提升語義理解、定位及密集特徵表現。訓練加入圖像描述與區域定位解碼器、自蒸餾的 Global-Local Loss 和 Masked Prediction Loss，並提供動態解析度 naflex 版本。
推薦理由：SigLIP 2 把解碼器監督、自蒸餾與遮罩預測納入訓練，並提供動態解析度版本，展示提升局部語義表徵與適應不同長寬比的訓練思路。
Hugging Face Blog精選AI 評分6868 SmolVLM2 將影片理解帶到各類裝置
Hugging Face 發佈 SmolVLM2，提供 2.2B、500M 和 256M 三種影片理解模型，並從推出首日起支援 Transformers 和 MLX，後者提供 Python 及 Swift API。
推薦理由：文章同時列出 2.2B、500M、256M 規模及 Video-MME 表現，方便比較不同參數量下的影片理解能力取捨。
Hugging Face Blog精選AI 評分6767 SmolVLM 推出 256M 與 500M 視覺語言模型
Hugging Face 發佈 SmolVLM-256M 與 SmolVLM-500M 兩款視覺語言模型。兩款模型各有 base 及 instruction fine-tuned checkpoints，支援 Transformers、MLX 和 ONNX，另有 WebGPU 示範。
推薦理由：文章交代兩款模型的定位，以及較小視覺編碼器和 tokenization 調整等設計取捨，呈現小型 VLM 如何兼顧效率與多模態能力。
Hugging Face Blog精選AI 評分6363 如何使用 Sentence Transformers 訓練 CPU 推理速度快 100 至 400 倍的靜態嵌入模型
Hugging Face Blog 公開兩款靜態嵌入模型，稱其 CPU 推理比常見嵌入模型快 100 至 400 倍，且多項基準保留至少 85% 表現。
推薦理由：文章公開兩款模型的訓練配方與資料集，並以 NanoBEIR 結果呈現靜態嵌入模型在 CPU 速度與檢索品質間的取捨。
Hugging Face Blog精選AI 評分7474 Answer.AI 與 LightOn 發佈 ModernBERT，提供 8,192-token 上下文窗口
Answer.AI 與 LightOn 發佈 ModernBERT，提供 base（149M params）及 large（395M params）兩種僅編碼器版本。
推薦理由：文章將 ModernBERT 的架構、效率與訓練改動連結至長上下文檢索及程式碼檢索場景，呈現編碼器更新對實際應用的意義。
Hugging Face Blog精選AI 評分6767 Bamba-9B 混合 Mamba2 模型發佈，vLLM 測試吞吐量最高達 Meta Llama 3.1 8B 的 2.5 倍
IBM、Princeton、CMU 和 UIUC 合作訓練並推出 Bamba-9B 混合 Mamba2 模型，使用完全開放數據。該模型以 2.2T tokens 訓練；在 vLLM 測試中，相較 Meta Llama 3.1 8B，吞吐量最高提升 2.5 倍，延遲改善 2 倍。
推薦理由：文中對照 Bamba-9B 與 Meta Llama 3.1 8B 的 vLLM 推理數據，並列出數學及 MMLU 評測差距，兼顧效率與基準表現。
Hugging Face BlogAI 評分5959 Technology Innovation Institute 發佈 Falcon3 開放模型系列，涵蓋 1B 至 10B 規模
Technology Innovation Institute（TII）發佈 Falcon3 開放模型系列，推出 Falcon3-1B-Base、Falcon3-3B-Base、Falcon3-7B-Base、Falcon3-10B-Base 及 Falcon3-Mamba-7B-Base 五款基礎模型。
Hugging Face Blog精選AI 評分6161 Google 發佈 PaliGemma 2 視覺語言模型
Google 發佈 PaliGemma 2 視覺語言模型，提供 3B、10B、28B 三種規模及 224x224、448x448、896x896 三種輸入解析度。
推薦理由：PaliGemma 2 將前代單一 3B 規格擴展至 3B、10B、28B，並提供三種輸入解析度，呈現下游微調時在品質與效率間選擇的彈性。
Hugging Face Blog精選AI 評分6666 Hugging Face 發佈 2B 視覺語言模型系列 SmolVLM，開放模型與訓練流程
Hugging Face 發佈 SmolVLM 2B 視覺語言模型系列，提供 Base、Synthetic 和 Instruct 三個版本。模型檢查點、VLM 資料集、訓練配方及工具均採 Apache 2.0 授權開放；模型亦已整合至 transformers。
推薦理由：文中將 SmolVLM 與其他模型的多項基準、GPU 記憶體及吞吐量並列，提供評估小型視覺語言模型效能與資源取捨的依據。