inclusionAI/ZwZ2-27B-GGUF 提供 GGUF 格式權重
inclusionAI/ZwZ2-27B-GGUF 收錄 ZwZ2-27B 的 GGUF 格式權重,模型分為語言模型及視覺編碼器與投影器(mmproj)兩部分,兩者均提供 FP16、Q8_0 和 Q4_K_M。使用時須選用相配的視覺元件,亦可混合不同精度;量化可能影響準確度。可使用具備 Qwen3.5 多模態支援的 llama.cpp 建置版本進行推理。
inclusionAI/ZwZ2-27B-GGUF 收錄 ZwZ2-27B 的 GGUF 格式權重,模型分為語言模型及視覺編碼器與投影器(mmproj)兩部分,兩者均提供 FP16、Q8_0 和 Q4_K_M。使用時須選用相配的視覺元件,亦可混合不同精度;量化可能影響準確度。可使用具備 Qwen3.5 多模態支援的 llama.cpp 建置版本進行推理。
科大訊飛董事長劉慶峯與總裁吳曉如主動下調年薪,2025年度兩人實際薪酬均較應發薪酬少逾2000萬元。阿維塔副總裁承認內部會議影片是擺拍,但表示影片所述事情屬實。百度確認吳甜已離職,並稱文心模型下週將有新進展對外發布。
Efficient-Large-Model 團隊開放 Open-H3-Regenerate-2K 權重及推理程式碼;方案基於 MiniMax H3,支援最高 3840×2160 影片重生成。
inclusionAI/ZwZ2-4B-GGUF 提供 Zooming without Zooming v2 模型 ZwZ2-4B 的 GGUF 格式權重,分為語言模型及視覺編碼器與投影器兩個元件,兩者均有 FP16、Q8_0、Q4_K_M 精度。使用時需配合支援 Qwen3.5 多模態功能的近期 llama.cpp 版本;量化可能影響準確度。
EleutherAI 與合作機構發佈 8 TB Common Pile v0.1 語料集,並同步推出以其訓練的 Comma v0.1-1T 和 Comma v0.1-2T 模型。兩款 Comma 模型均有 7B 參數,分別以 1T 和 2T tokens 訓練。EleutherAI 表示,Comma 的表現可與訓練規模相近、使用未授權數據訓練的模型相比。
Mistral AI 於 2026 年 10 月 29 日在 Hugging Face 發佈 Mistral Large 4 權重,並在預覽版後三週持續改善程式編碼及網絡安全表現。
這篇論文提出在線強化學習框架,直接在實際運行中的 iOS 應用程式訓練 UI 導航智能體。框架把智能體拆分為規劃智能體與 UI 定位模型,以逐步及任務完成獎勵配合 PPO 訓練,並提出 GiGPPO,利用並行軌跡中視覺相似狀態的獎勵穩定價值估算器。
開發者 Divyansh Agrawal 發佈實驗性模型 Qwenputer,基於 Qwen3.5-4B,將 32 位 RISC-V CPU 和記憶體功能整合至神經網絡內部,讓模型無需調用 Python 等外部工具也能執行程序及精確計算。
開發者 Divyansh Agrawal 發佈 Qwenputer,將 32 位 RISC-V CPU 與記憶體功能整合進 Qwen3.5-4B,讓模型無需外部工具即可執行程序和精確計算。
MemOS 團隊推出記憶原生模型 MemT 1.0,讓模型把累積經驗寫入原生記憶,並在後續任務中調用。團隊從 4 萬多條成功編程軌跡提煉 1040 條可複用經驗;多語言版 SWE-bench 的 pass^3 提升 8 至 10 個百分點,但 pass@3 沒有明顯提升。
Hugging Face 宣佈推出 AnySpeechRecognizer 和 AnyDecisionModel 兩款 Swift 套件,分別讓語音辨識切換不同引擎,並以模型概率輸出決策結果。
OpenAI 更新 Model Spec,將忠於人類意圖列為五項核心準則之首,並以降低傷害、誠實透明、保障人的自主選擇權及審慎盡責構成新版框架。OpenAI 表示,模型應理解用戶、開發者及 OpenAI 的意圖與價值取向,而非機械地照字面執行;現有模型尚未完全符合新版規範,團隊正研究新的訓練方式。
NVIDIA 同意以 12.93 billion dollars 收購 Hugging Face,美國司法部正就交易展開反壟斷審查。審查關注交易可能令同一家公司同時控制 AI 訓練及推理硬件供應與開放模型分發,並影響模型流量及競爭者處境。交易預計於 2027 年上半年完成,NVIDIA 承諾維持 Hugging Face 開放及多供應商模式。
推薦理由:文章聚焦 NVIDIA 收購 Hugging Face 將硬件供應與開放模型分發集中於同一家公司後,引出的平台中立及競爭疑慮。
mcpscore 1.27.0 以 21 項規則檢查 Hugging Face MCP 伺服器提供的 25 個技能,總分為 194/214。檢查確認 41 個技能檔案的雜湊值及大小、25 份 SKILL.md 的 frontmatter 和 66 個相對連結均符合清單;另有 4 份 SKILL.md 達 500 行或以上,屬可選品質建議。
Ofrenda 是一款私人記憶花園應用程式,用戶可建立紀念頁、加入照片和紀念物品,並撰寫追思文字。可選的寫作功能使用開放權重模型 SmolLM2-360M-Instruct,在瀏覽器本機推理,生成內容只作可編輯草稿,須由用戶審閲;紀念文字不會傳送至託管推理 API。應用程式以 IndexedDB 儲存資料,無須帳戶或個人檔案伺服器。
Mistral AI 於 2026年10月29日公開 Mistral Large 4 的權重,模型共有 1,000 billion 個參數。此後三週,Mistral 持續進行強化學習,重點改善編碼與網絡安全;Terminal-Bench 4.0 得分由 28% 升至 41%。
推薦理由:文章交代開放權重讓 Mistral Large 4 可在自有伺服器運行,同時説明服務轉售授權限制及所需的數據中心 GPU。
Hugging Face 宣佈 Project ProtoStar,聯合大學、研究機構、業界和開放科研社羣,推動公開資助科研資源以 AI 就緒格式釋出及重用。
Nvidia 同意以接近 130 億美元收購 Hugging Face,美國司法部據報正向各方查詢交易會否影響 AI 市場競爭,尤其對 Nvidia 競爭對手的影響。交易預計於 2027 年上半年完成;Nvidia 表示,收購後 Hugging Face 會繼續支援多家晶片及 AI 供應商。文章建議依賴該平台的企業盤點模型、推理或基建服務依賴,保存模型權重並測試自行託管或轉用其他平台的流程。
推薦理由:文中列出企業可盤點模型、推理及基建服務依賴,保存模型權重並測試自行託管或轉用其他平台,為平台切換預作準備。
Mistral Large 4(Le Chonk)以開放權重形式登上 Hugging Face,提供 FP8 和 NVFP4 兩個官方版本。模型是多模態、多語言 MoE,約有 1T 總參數、49B 活躍參數及 1M tokens 上下文窗口,支援文字和圖片輸入並生成文字。
推薦理由:文章整理 Mistral Large 4 在 Transformers、vLLM 和 llama.cpp 的部署方式,並附上不同硬件配置與上下文長度下的實測速度,提供實際部署參考。
美國司法部正調查 Nvidia 擬收購 Hugging Face 的交易,交易價值 $12.93 billion,Nvidia 預期於 2027 年上半年完成。
Ollada 提供在本機執行開放式擴散語言模型的工具,並只列出已實際運行及測量的模型。目前列出 diffcoder:8b、dream:7b、sdar:4b、sdar:1.7b 和 NVIDIA 的 nemotron:3b;在 16GB RTX 5060 Ti 上,DiffCoder、Dream、SDAR-4B 分別測得 13.65 GB、9.13 GB 和 8.34 GB。
Pluto Security 發佈 Load/Mine 報告,披露透過 Hugging Face 惡意模型倉庫散播的加密貨幣挖礦及後門活動。報告統計 7 個 Hugging Face 帳戶涉及 31 個惡意倉庫,另有 ModelScope 鏡像;記錄下載量為 29,818 次,計入 13 個關聯倉庫後為 32,376 次,這些數字並非已確認感染或獨立受害者數。
AnySpeechRecognizer 與 AnyDecisionModel 兩個 Swift 套件正式公佈,分別為 Apple 平台提供可選擇辨識引擎的語音轉文字功能,以及輸出型別化答案和機率的決策 API。
推薦理由:文章列出語音模型的測試結果、下載體積及平台限制,讓讀者可比較 Apple 裝置本機部署的取捨。
Pluto Security 的分析指出,Hugging Face 上的惡意模型倉庫可利用 trust_remote_code=True,令 Transformers 匯入 auto_map 指定的 Python 檔案時執行程式碼。
這篇教學整理了免費使用 NVIDIA Nemotron 3.5 Transcribe 的三種途徑:NVIDIA 的 Hugging Face Space 示範、自行託管開放權重,以及社羣 Space。
NVIDIA 於 10 月 28 日推出開放權重語音轉錄模型 Nemotron 3.5 Transcribe,並公開訓練資料管線 Granary v2;模型支援 40 種語言轉錄、最多 8 名説話人辨識,並整合翻譯及音訊問答。
Runcrate 團隊在一部 L40S 上測量 Qwen2.5-7B-Instruct 的啟動時間,從 Hugging Face 新下載時首個 token 約需 48–55 秒,使用本地快取則約需 18–19 秒。新下載階段約需 30 秒,將 15.24 GB 權重載入 GPU 約需 14 秒;快取命中時,下載檢查約需 0.1 秒。
黃仁勳在 GTC 柏林大會表示,AI 過去十年性能提升約 100 萬倍,遠高於摩爾定律帶來的約 100 倍增長,並將差距歸因於計算系統的協同設計。他把 AI 數據中心稱為將電力、計算資源與數據轉化為智能的「AI 工廠」;演講估算,一座 1 吉瓦規模的 AI 工廠投資約需 500 億美元,若年收入達 400 億美元,延後投產三個月可能錯失約 100 億美元收入。
作者用一個提示詞指示 AI Agent 透過 FiftyOne Skills,從 LeRobot 社羣數據集抽取涵蓋 50 種機械人形態的 497 個 episode,並建立影片嵌入向量及可查詢相似度索引。
文章整理 11 個機械人學習數據集,將其重新格式化或抽取子集為 LeRobot v3.0,並載入 FiftyOne,供檢視影片串流、狀態與動作向量及任務標籤。其中 4 個數據集為完整匯入,另外 7 個因磁碟容量限制而採用子集;內容涵蓋 6 個真實數據集及 5 個模擬數據集,並列出感測器、授權和匯入限制。
文章示範如何透過 fiftyone-lerobot-import Agent skill,將 LeRobot v2.1 數據集轉換為 v3.0 後匯入 FiftyOne。
Pollen Robotics 開發的開源小鴨子機械人 Microduck 在黃仁勳於 NVIDIA 2026 年 GTC 大會演示後,三天內新增約1.5萬份預訂。
美國司法部據報已就 NVIDIA 以 129.3 億美元收購 Hugging Face 對人工智能領域競爭的影響展開問詢。問詢亦涉及 NVIDIA 的併購、對外投資、銷售模式及是否向客戶施壓,官員並關注交易會否令 NVIDIA 掌控 AI 領域的核心分發樞紐。報道指出,啟動調查本身不代表存在違法行為,也不必然導致正式訴訟。
美國司法部已詢問 Nvidia 與 Hugging Face 交易對 AI 競爭的影響。反壟斷執法機構仍在調查 Nvidia 的行為。
這份指南整理了 14 個農業電腦視覺數據集,按任務與標註類型分類,並列出媒體類型、標籤欄位及 Hugging Face 連結。內容涵蓋作物與雜草分割、植物表型、植物病害分類、3D 點雲、衞星田界測繪及農業機械人追蹤,並提供各數據集的規模、年份和授權。
Harpreet Sahota 以 FiftyOne 及其外掛系統處理一宗失聯遙控飛機搜尋,把約 3,000 張航拍影像整理成供人工複核的排序候選清單。偵測器按暗色區塊的形狀及表面特徵評分,並提供可在 Python SDK 與 App 使用的操作項目。資料集可從 Hugging Face Hub 載入,外掛則可從 GitHub 下載,供其他人重跑流程。
美國司法部正詢問 Nvidia 以 $12.9B 收購 Hugging Face 對 AI 市場競爭的影響,並關注交易會否讓 Nvidia 掌握 AI 模型的重要分發渠道。
一款 26.2M 參數的鍵盤語法標註模型修正初始化設定後,三個訓練版本的模型 soup 誤改率降至 1.16%;v2.0 的測試套件誤改率為 1.9%,較初版的 11.1% 低。v2.0 在手機錯字集的 F0.5 為 0.912,準確修正比例由 22% 升至 77%;模型檔以 Apache-2.0 授權提供。
a16z 訪問 100 名來自員工超過 1,000 人公司的 CISO,梳理 2027 年網絡安全優先事項、預算及採購計劃。87% 預期網絡安全支出增加,主要受 AI 賦能威脅及企業自身 AI 部署擴大攻擊面推動。最常選出的七項 2027 年倡議均涉及 AI;45% 計劃在未來 12 個月新增採購或升級內部 AI 智能體安全工具。
Nvidia 發佈開放語音模型 Nemotron 3.5 Transcribe,將轉錄、翻譯、説話者識別及錄音內容問答整合於單一模型。模型支援轉錄 40 種語言、將其中 31 種與英文互譯,並可識別 13 種語言的説話者;錄音最長一小時、最多八名説話者。