H Company 发布 Holo1 系列 GUI 自动化 VLM 与 WebClick 基准
H Company 发布 Holo1 系列动作视觉语言模型（含 Holo1-3B 与 Holo1-7B）以及 WebClick 多模态定位基准，模型已在 Hugging Face 开源。
推荐理由：Holo1 开源了面向 GUI 自动化的动作 VLM 家族，并给出 WebClick 基准与 Surfer-H 智能体的组合方式，读者可据此评估网页自动化方案的成本与精度取舍。
全部AI 动态
全部动态
今日 2 条Hugging Face Blog精选AI 评分7171 Hugging Face Blog精选AI 评分6262 Hugging Face 发布 SmolVLA：450M 开源视觉-语言-动作模型
Hugging Face 发布 SmolVLA，一个 450M 参数的开源视觉-语言-动作（VLA）模型，可在消费级硬件甚至 CPU 上运行，仅用 lerobot 标签下的社区共享数据集预训练。
推荐理由：450M 的 VLA 模型仅用社区数据预训练就能在仿真和真机上超过更大模型，读者可据此判断开源机器人模型的成本门槛。
Mistral AI精选AI 评分6262 Mistral AI 发布代码嵌入模型 Codestral Embed
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed，官方称其在真实代码检索场景中明显优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大嵌入模型。
推荐理由：官方给出代码嵌入模型与三家竞品的对比，以及维度与精度可调的取舍方式，便于评估检索成本。
Mistral AI精选AI 评分7676 Mistral AI 发布编码智能体模型 Devstral，Apache 2.0 开源
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，在 SWE-Bench Verified 上得分 46.8%，比此前开源 SOTA 模型高出 6 个百分点以上，并以 Apache 2.0 许可开源。
推荐理由：Mistral 与 All Hands AI 联合发布开源编码智能体模型，给出 SWE-Bench Verified 分数与本地部署门槛，便于判断其可用性。
Hugging Face Blog精选AI 评分6060 Falcon-H1 系列开源模型发布，0.5B 到 34B 采用注意力与 SSM 混合架构
Falcon-LLM 团队发布 Falcon-H1 系列六个开源模型，参数规模从 0.5B 到 34B，每个都提供 base 和 instruct 版本，采用 Apache 2.0 许可。
推荐理由：Falcon-H1 用混合注意力与 SSM 架构覆盖 0.5B 到 34B，读者可据此判断小模型在长上下文与端侧场景的取舍。
Hugging Face BlogAI 评分3838 Falcon-Arabic：阿拉伯语语言模型的突破
阿联酋技术创新研究院（TII）发布 Falcon-Arabic，一款基于 Falcon 3 架构的 7B 参数多语言模型，支持阿拉伯语、英语等多种语言，上下文长度 32,000 tokens。该模型在 OALL v2 基准上超越同尺寸及最多 4 倍大的阿拉伯语 LLM，覆盖阿拉伯语 MMLU、Exams、MadinahQA 等任务。
OpenAI News精选AI 评分6262 OpenAI 发布 o3 与 o4-mini 系统卡补充说明：Codex
OpenAI 发布 o3 和 o4-mini 系统卡的补充说明，介绍云端编码智能体 Codex。Codex 由 codex-1 驱动，后者是 OpenAI o3 针对软件工程优化的版本，通过强化学习在多种环境的真实编码任务上训练，以生成贴近人类风格和 PR 偏好的代码、精确遵循指令，并反复运行测试直至通过。
推荐理由：系统卡补充说明披露了 Codex 背后的 codex-1 训练方式，可了解编码智能体的工程取向。
Hugging Face Blog精选AI 评分6262 Falcon-Edge 发布 1B 与 3B 三值语言模型系列
Falcon-Edge 系列发布，基于 BitNet 架构的三值（1.58bit）语言模型，提供 1B 和 3B 两种规模，各有 base 与指令微调版本。该系列采用新的预训练范式，单次训练同时产出 bfloat16 非量化版本、原生 BitNet 模型和便于微调的预量化 BitNet 变体，预训练数据约 1.5 Tera Tokens。
推荐理由：Falcon-Edge 用一次预训练同时产出 bfloat16 与三元量化版本，并给出可直接微调的工具链，读者可据此判断 1.58bit 模型的落地路径。
Mistral AI精选AI 评分7474 Mistral AI 发布 Mistral Medium 3，主打低成本企业级部署
Mistral AI 发布 Mistral Medium 3，官方称其在多项基准上达到 Claude Sonnet 3.7 的 90% 或以上水平，成本为每百万 token 输入 0.4 美元、输出 2 美元。
推荐理由：官方给出 Mistral Medium 3 的定价、对标模型与部署门槛，读者可据此判断企业选型的成本与落地条件。
OpenAI News精选AI 评分7070 OpenAI 回滚 GPT-4o 更新以解决谄媚行为
OpenAI 已回滚上周的 GPT-4o 更新，ChatGPT 用户现在使用行为更平衡的早期版本。被移除的更新过度奉承或顺从，常被描述为谄媚。
推荐理由：OpenAI 官方说明回滚 GPT-4o 更新的原因，读者可了解模型行为调整的决策过程。
Hugging Face Blog精选AI 评分6060 Meta 发布 Llama Guard 4 与 Llama Prompt Guard 2
Meta 发布 Llama Guard 4，一个从 Llama 4 Scout 剪枝而来的 12B 稠密多模态安全模型，可检测图像与文本输入输出中的不当内容，单张 24GB 显存 GPU 即可运行。
推荐理由：Meta 发布 12B 多模态安全模型与两款提示注入分类器，并给出可直接运行的 transformers 示例。
OpenAI News精选AI 评分8282 OpenAI 发布 o3 与 o4-mini 系统卡
OpenAI 发布 o3 和 o4-mini 系统卡，称两款模型将前沿推理能力与完整工具能力结合。可用工具包括网页浏览、Python、图像与文件分析、图像生成、canvas、自动化、文件搜索和记忆。
推荐理由：官方系统卡披露 o3 与 o4-mini 的推理与工具调用组合，可据此了解新模型的能力边界。
OpenAI News精选AI 评分8282 OpenAI 发布 o3 与 o4-mini 推理模型
OpenAI 发布 o3 和 o4-mini 两款模型，称其为目前最智能、能力最强的模型，并具备完整的工具调用能力。
推荐理由：OpenAI 发布 o3 与 o4-mini 两款推理模型，并首次给出完整工具调用能力，读者可据此了解其推理产品线的最新分层。
OpenAI News精选AI 评分8080 OpenAI 在 API 中推出 GPT-4.1 系列模型
OpenAI 在 API 中推出 GPT-4.1 系列模型，官方称其在编码、指令遵循和长上下文理解方面均有提升。该系列同时包含 OpenAI 首个 nano 模型，即日起面向全球开发者开放。
推荐理由：OpenAI 在 API 上线 GPT-4.1 系列并首次推出 nano 版本，读者可据此了解模型家族的能力变化与可用范围。
Hugging Face BlogAI 评分3636 Visual Salamandra 发布：将 7B 多模态理解扩展至图像与视频
Language Technologies Lab 发布 Visual Salamandra，将 Salamandra 大语言模型扩展至图像和视频，基于 7B 基础模型，集成 Google SigLIP-So400m 编码器与 2 层 MLP projector，采用四阶段训练和 late-fusion 架构。
Hugging Face Blog精选AI 评分8888 Llama 4 Maverick 与 Scout 上线 Hugging Face
Meta 发布 Llama 4 Maverick（约 400B 总参数）和 Llama 4 Scout（约 109B 总参数），两者均为 17B 激活参数的 MoE 模型，原生支持多模态，已在 Hugging Face Hub 上线。
推荐理由：Hugging Face 官方给出 Llama 4 两款 MoE 模型的参数、上下文长度与架构细节，可据此判断部署门槛。
Hugging Face Blog精选AI 评分7878 Hugging Face 介绍 DeepSeek-V3 0324：改用 MIT 许可，数学与代码能力提升
DeepSeek 本周在 Hugging Face Hub 上线 DeepSeek-V3 0324，这是 R1 推理模型基座 DeepSeek-V3 的更新版本，架构不变但改用 MIT 许可，此前 V3 使用自定义模型许可。
推荐理由：梳理 DeepSeek-V3 0324 的基准提升与 MIT 许可变化，并给出多种本地部署与量化运行方式。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-4o 系统卡增补：4o 图像生成
OpenAI 发布 GPT-4o 系统卡增补，介绍 4o 图像生成。该能力比此前的 DALL·E 3 系列模型显著更强，可生成照片级写实输出，也能接收图像作为输入并对其进行变换。
推荐理由：GPT-4o 图像生成系统卡增补说明，交代了它相对 DALL·E 3 的能力变化与图像输入输出方式。
OpenAI News精选AI 评分6262 OpenAI 在 API 中推出新一代音频模型
OpenAI 在 API 中推出新一代音频模型，开发者首次可以指示文本转语音模型以特定方式说话，例如像有同理心的客服人员那样说话，为语音智能体带来新的定制能力。
推荐理由：OpenAI 在 API 中开放语音风格指令，开发者可据此判断语音智能体的定制空间。
Hugging Face Blog精选AI 评分7474 NVIDIA 在 GTC 2025 发布 Cosmos Transfer、Physical AI Dataset 与 Isaac GR00T N1
NVIDIA 在 GTC 2025 上开源三项物理 AI 成果：世界基础模型 Cosmos Transfer、Physical AI Dataset 以及人形机器人基础模型 NVIDIA Isaac GR00T N1。
推荐理由：NVIDIA 一次性开源世界模型、数据集与人形机器人基础模型，读者可据此了解物理 AI 开发可用的工具链。
Mistral AI精选AI 评分7171 Mistral AI 发布 Mistral Small 3.1，支持多模态与 128k 上下文
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens 每秒，并以 Apache 2.0 许可开源。
推荐理由：Mistral Small 3.1 以 Apache 2.0 开源并给出多模态与长上下文能力，读者可据此判断小模型在端侧与智能体场景的可用性。
Hugging Face Blog精选AI 评分7878 Google 发布 Gemma 3 开源模型：多模态、多语言、128k 上下文
Google 发布 Gemma 家族新成员 Gemma 3，提供 1B、4B、12B、27B 四种参数规模，含预训练和指令微调版本。4B、12B、27B 支持图像与文本输入、140 多种语言，上下文窗口从 Gemma 2 的 8k 提升至 128k，1B 版本为纯文本、32k 上下文。
推荐理由：梳理了 Gemma 3 的四种参数规模、多模态与 128k 上下文变化，并给出 transformers 与端侧推理的可用入口。
Hugging Face Blog精选AI 评分6767 Open R1 更新：发布 OlympicCoder 代码模型与 IOI 基准
Hugging Face Open R1 项目发布 OlympicCoder-7B 和 OlympicCoder-32B 两个代码模型，基于 Qwen2.5 Coder Instruct 微调，在 IOI 问题上超过 Claude 3.7 Sonnet 等闭源前沿模型。
推荐理由：Open R1 复现 R1 代码推理配方，给出数据集、IOI 基准与 7B/32B 模型，并附训练经验。
Hugging Face Blog精选AI 评分6262 Cohere For AI 发布 Aya Vision 8B 与 32B 多语言多模态模型
Cohere For AI 发布 Aya Vision 系列开源权重视觉语言模型，包含 8B 和 32B 两个版本，覆盖 23 种语言，支持图像描述、视觉问答、文本生成以及文本与图像翻译等任务。
推荐理由：原文给出 8B 与 32B 两个开源权重的多语言视觉语言模型，并公开训练方法与评测基准，便于读者判断小参数模型在多语言多模态上的位置。
OpenAI News精选AI 评分7575 OpenAI 发布 GPT-4.5 研究预览
OpenAI 发布 GPT-4.5 的研究预览，称其为目前规模最大、知识最广的模型。该发布以系统卡形式公布。
推荐理由：OpenAI 发布 GPT-4.5 研究预览，读者可了解其作为当前规模最大、知识最广模型的基本定位。
Hugging Face Blog精选AI 评分6262 Google 发布 SigLIP 2 多语言视觉语言编码器
Google 发布 SigLIP 2 系列多语言视觉语言编码器，在 SigLIP 的 sigmoid loss 基础上加入解码器、自蒸馏 Global-Local loss 与 Masked Prediction loss 等训练目标，在零样本分类、图文检索及为 VLM 提取视觉表征等核心能力上全面优于旧版 SigLIP。
推荐理由：梳理 SigLIP 2 相比前代新增的训练目标与 naflex 动态分辨率变体，便于理解视觉编码器的演进方向。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 SmolVLM2：把视频理解带到每台设备
Hugging Face 发布 SmolVLM2 系列视频理解模型，包含 2.2B、500M 和 256M 三种参数规模，官方称 500M 与 256M 是目前最小的视频语言模型。
推荐理由：Hugging Face 官方发布三档小尺寸视频理解模型，并给出 MLX 与 iPhone 本地运行方案，可据此判断端侧视频理解的可行边界。
Hugging Face BlogAI 评分4242 Google 发布 PaliGemma 2 Mix 指令视觉语言模型
Google 发布 PaliGemma 2 Mix，这是基于 SigLIP 和 Gemma 2 的微调视觉语言模型，覆盖 OCR、长短描述、视觉问答、目标检测与图像分割等任务。模型提供 3B、10B、28B 三种参数规模和 224、448、896 三种分辨率，支持 HF Transformers 与 JAX 框架，并已开放演示。
Mistral AI精选AI 评分6060 Mistral 发布区域语言模型 Mistral Saba
Mistral AI 发布首款区域语言模型 Mistral Saba，24B 参数，基于中东和南亚数据集训练，支持阿拉伯语及多种印度语系语言，在泰米尔语等南印度语言上表现突出。官方称其回答比体量大 5 倍以上的模型更准确，速度更快、成本更低，可通过 API 调用，也能在客户本地单 GPU 系统部署，速度超过 150 tokens/s。
推荐理由：Mistral 首款区域语言模型，24B 参数却对标 5 倍体量模型，并支持单卡本地部署，可据此判断区域化模型的落地路径。
Hugging Face Blog精选AI 评分6060 π0 与 π0-FAST 视觉-语言-动作模型移植到 Hugging Face LeRobot
Hugging Face 将 Physical Intelligence 开发的 π0 和 π0-FAST 两个机器人基础模型移植到 LeRobot 仓库，并给出 PyTorch 版本与模型合集。
推荐理由：Physical Intelligence 的 π0 与 π0-FAST 被移植进 LeRobot，读者可据此了解 VLA 与 VLM 在动作表示上的差异。
OpenAI News精选AI 评分6262 OpenAI 发布 o3-mini 系统卡
OpenAI 发布 o3-mini 系统卡，说明该模型的安全工作，包括安全评估、外部红队测试和 Preparedness Framework 评测。
推荐理由：官方系统卡披露 o3-mini 的安全评估、外部红队与 Preparedness 框架评测范围，便于了解其安全验证流程。
OpenAI News精选AI 评分7878 OpenAI 发布 o3-mini 模型
OpenAI 发布 o3-mini 模型，官方页面标题为 OpenAI o3-mini，正文内容未能抓取。
Mistral AI精选AI 评分7878 Mistral AI 发布 24B 参数模型 Mistral Small 3，Apache 2.0 开源
Mistral AI 发布 Mistral Small 3，一个面向低延迟优化的 24B 参数模型，以 Apache 2.0 许可证开源，同时提供预训练和指令微调两个 checkpoint。
推荐理由：24B 参数在 Apache 2.0 下对标三倍体量模型，并给出单卡本地部署的量化条件，便于判断小模型落点。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 SmolVLM-256M 与 500M 视觉语言模型
Hugging Face 发布 SmolVLM 家族新成员 SmolVLM-256M 和 SmolVLM-500M，共四个 checkpoint，含两个 base 模型和两个指令微调模型，可直接加载到 transformers、MLX 和 ONNX。
推荐理由：SmolVLM 家族新增 256M 与 500M 两个小尺寸视觉语言模型，读者可据此了解小模型在端侧与浏览器推理上的取舍。
Mistral AI精选AI 评分6262 Mistral AI 发布 Codestral 25.01 编码模型
Mistral AI 发布 Codestral 25.01，采用更高效的架构和改进的 tokenizer，代码生成与补全速度约为原版 Codestral 的 2 倍，上下文长度提升至 256k。
推荐理由：官方给出 Codestral 25.01 的架构与 tokenizer 变化、256k 上下文和多项基准对比，可据此判断它在 FIM 与低延迟补全场景的位置。
Hugging Face BlogAI 评分4242 Hugging Face 发布 vdr-2b-multi-v1 多语言视觉文档检索嵌入模型
Hugging Face 推出多语言嵌入模型 vdr-2b-multi-v1，可将文档页面截图编码为单向量，无需 OCR 即可跨语言检索视觉丰富的文档。该模型基于 MrLight/dse-qwen2-2b-mrl-v1，与 LlamaIndex 合作开发，覆盖意大利语、西班牙语、英语、法语和德语，并开源了 50 万样本的 vdr-multilingual-train 数据集。
Hugging Face Blog精选AI 评分7171 Answer.AI 与 LightOn 发布 ModernBERT，为 BERT 提供现代替代方案
Answer.AI 与 LightOn 发布 ModernBERT，一个仅编码器模型系列，提供 base（149M 参数）和 large（395M 参数）两个版本，支持 8192 token 上下文，可作为 BERT 类模型的直接替代。
推荐理由：ModernBERT 用现代 LLM 技术重做编码器，给出 8k 上下文与速度数据，可据此判断它能否替换现有 BERT 类模型。
Hugging Face Blog精选AI 评分6060 IBM 等联合发布混合 Mamba2 模型 Bamba-9B
IBM、Princeton、CMU 和 UIUC 联合发布 Bamba-9B，一个在完全开放数据上训练的混合 Mamba2 模型，训练数据量 2.2T tokens。
推荐理由：Bamba-9B 用完全开放数据训练并给出 vLLM 实测吞吐与延迟数据，可对照同尺寸 Transformer 模型判断混合 Mamba2 架构的取舍。
Hugging Face Blog精选AI 评分6262 TII 发布 Falcon3 开源模型家族，含 1B 至 10B 五款模型
阿布扎比 TII 发布 Falcon3 开源模型家族，包含 Falcon3-1B-Base、3B-Base、Mamba-7B-Base、7B-Base 和 10B-Base 五款基础模型。
推荐理由：Falcon3 给出 1B 到 10B 五款开源模型及训练方法，读者可据此判断小模型在数学、代码与推理上的位置。
OpenAI News精选AI 评分6969 OpenAI 发布 o1 及面向开发者的新工具
OpenAI 发布 o1，并同步带来 Realtime API 改进和一种新的微调方法等面向开发者的更新。
推荐理由：OpenAI 官方一次性公布 o1 与多项开发者工具更新，可据此了解其面向开发者的能力布局。