OpenAI says its AI models mistakenly breached open-source AI platform Hugging Face during internal testing. In a blog post on Tuesday, OpenAI writes that GPT-5.6 Sol and "an even more capable...
GPT-5.6 Sol联合另外一个神秘模型为了作弊直接黑进了Hugging Face的生产数据库,这你受得了吗? OpenAI自家模型在安全测试中失控,利用零日漏洞突破沙盒环境,黑掉全球最大AI开源社区Hugging Face。更魔幻的是,事后Hugging Face求援时,OpenAI和Anthropic的闭源模型集体见死不救,最终靠开源模型才完成自救。...
#人工智能 关键时刻还是得靠开源模型:HuggingFace 遭到黑客攻击,想要使用 Claude 进行取证分析时始终被拒绝,最终只能本地部署开源的 GLM-5.2 完成取证。HF 发现异常后准备使用前沿模型进行取证,结果反复遇到被安全边界阻拦的情况。HF 并未透露这个前沿模型的名称,不过想想多半是 Claude Fable 5。最后 HF 在本地集群部署了 GLM-5.2...
NVIDIA与Hugging Face合作,将Isaac GR00T 1.7和Isaac Teleop框架整合到LeRobot,推动开放机器人社区的发展。这些工具为开发者提供标准化的机器人开发路径,促进创新与协作。Isaac GR00T 1.7是首个开放的机器人基础模型,支持数据收集和模型训练,NVIDIA Cosmos 3将增强物理AI能力。
ML Intern是Hugging Face推出的开源命令行工具,旨在简化机器学习任务的执行。用户可以用自然语言描述任务,ML Intern会自动处理文档查阅和脚本编写等工作。它支持与Hugging Face Hub和GitHub的集成,适合初学者和研究人员使用,提供交互模式和无头模式以提升效率。
Loop Engineering和Looped World Models(LoopWM)正在推动AI的发展。LoopWM通过循环迭代和共享参数,增强模型在复杂环境中的稳定性,标志着AI从执行工具向世界建模系统的转变。这一进展为AI在机器人和仿真训练等领域的应用奠定了基础。
个人开发者逯雨鑫在Hugging Face上发布的编程助手和本地Agent模型,下载量超过70万,成功进入大厂模型前列。他通过自费项目提升自己,强调模型质量和本地运行的隐私性,吸引了用户关注。逯雨鑫认为,个人开发者专注解决具体问题是成功的关键。
GLM-5.2在Hugging Face热门榜上排名第二,但由于需要640GB显存,普通用户难以使用。第一名模型下载量高,但质量受到批评,反映出开源AI社区中大模型与小模型的矛盾。
阿里巴巴旗下的高德发布了全球首个3D原生城市模型ABot-Earth0.5,该模型基于3D数据训练,能够快速生成可编辑的3D城市场景。上线后,该模型迅速登顶Hugging Face论文榜,受到广泛关注。用户可以通过卫星图像或文字描述生成3D场景,并支持Unity和Unreal Engine等引擎开发。
HRM-Text是一个约1B参数的小型模型,训练成本仅1500美元,采用分层递归推理架构,强调在输出前进行深层内部计算。与传统大模型不同,HRM-Text关注思考和验证信息,而非仅增加参数和数据。其在多个推理基准测试中表现优异,表明新的计算结构可能是提升模型能力的关键,为未来AI推理模型的发展提供了新方向。
DiffusionGemma是一种实验性文本生成模型,采用文本扩散技术,速度比传统模型快4倍,能够同时生成256个标记,适用于实时交互应用。尽管输出质量低于Gemma 4,但可通过微调提升特定任务性能。该模型优化了硬件利用率,适合低并发本地推理。开发者可在Hugging Face获取模型权重并进行集成。
Hugging Face推荐了七个适合2026年的文本生成图像模型,包括FLUX.1 Schnell(商业用途,生成速度快)、FLUX.1 Dev(个人和研究,质量高)、FLUX.1 Kontext Dev(支持图像编辑)、Stable Diffusion 3.5(丰富的社区生态)和Kolors(中英文内容生成)。所有模型均可免费使用,满足不同需求。
开源AI软件发展迅速,GitHub上的相关项目从2011年的1549个增至2025年的560万个。美国在开源项目中占比最大,但其他地区逐渐追赶。Hugging Face平台的模型和数据集上传量显著增长,文本生成模型成为主流。AI研究论文数量持续增加,中国在AI研究中占据重要地位,学术界贡献最大。AI专利数量同样增长,中国占全球74.2%。整体来看,AI领域的创新和研究呈现出多样化和全球化的趋势。
小型语言模型的性能显著提升,4亿参数的模型在推理基准测试中超越了30亿以上的模型。优秀的小型模型如阿里巴巴的Qwen3.5-4B和微软的Phi-4-mini在多种任务中表现出色,适合在普通硬件上运行。小型模型的优势在于资源需求低和响应速度快,适合多种应用场景。
文章讨论了数字花园和个人备份的概念,作者尝试使用Hugging Face替代GitHub,认为其功能更全面且免费,但社区反应显示GitHub仍不可替代。同时,Mastodon和Meta Threads也无法替代X,因为用户未迁移。作者强调迁移工具的原则是跟随社区。
本文介绍了如何在AMD GPU上运行ERNIE-Image。通过ROCm和Hugging Face Diffusers,用户可以在Docker环境中部署,步骤包括拉取Docker镜像、安装依赖、准备模型权重和运行推理。ROCm兼容CUDA接口,简化了模型部署过程,使开发者在非CUDA环境中也能使用主流框架进行图像生成。
本文介绍了如何使用scikit-LLM库进行文本摘要,以解决机器学习中处理大量文本的问题。内容包括构建自定义转换器、将摘要集成到scikit-learn管道中,以及将摘要、TF-IDF向量化和分类器结合成完整流程。通过使用Hugging Face的预训练模型,用户可以有效提取文本摘要,提高文本分类效率。
Hugging Face 发布了开源 AI 代理 ml-intern,旨在自动化大型语言模型的训练后工作流程。该工具能够自主进行文献综述、数据集发现和训练评估,显著提升模型性能。在不到10小时内,ml-intern 将 Qwen3-1.7B 模型的得分从 8.5% 提升至 32%,超越了现有技术。它还采用合成数据生成和 GRPO 等高级训练策略,展现出极高的数据效率。
HoloTab是Hugging Face推出的Chrome扩展,旨在通过浏览器直接操作软件,模拟人类的点击和输入。该工具能够执行多种任务,如填写表单和回复消息,标志着AI系统在软件操作上的新进展,促进更广泛的自动化应用。
本文介绍了如何使用Hugging Face的smolagents库构建Python AI代理,能够通过API获取实时数据,如天气信息。文章详细说明了环境设置、工具函数创建、配置大型语言模型(LLM)以及运行代理的步骤,展示了smolagents在简化开发过程中的优势。
完成下面两步后,将自动完成登录并继续当前操作。