Google DeepMind 发布 Gemma 4 12B 无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的 12B 多模态模型，性能接近 26B MoE 模型，可在 16GB VRAM 或统一内存上本地运行。
推荐理由：Gemma 4 12B 去掉视觉与音频编码器，16GB 内存即可本地跑，可看轻量多模态模型的新做法。
开源生态
全部主题开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
177条精选相关主题模型发布Hugging FaceAI 编码
最新精选
第 41–60 条 · 共 177 条Google DeepMind精选AI 评分8080 Hugging Face Blog精选AI 评分6161 作者如何让 Agent 串联两个 Hugging Face Space 搭建 3D 巴黎画廊
作者让编程智能体调用两个 Hugging Face Space 搭建了一个展示巴黎地标的 3D 高斯泼溅画廊：ideogram4 负责由提示词生成图像，VAST-AI/TripoSplat 负责将单张图像重建成 .ply 格式的 3D 高斯泼溅。
推荐理由：作者以一条可复现的智能体流水线，展示如何用 agents.md 串联两个 Space 完成图像与 3D 生成。
Hugging Face Blog精选AI 评分6161 Hugging Face 旗下 OpenEnv 转为委员会治理并明确为智能体 RL 互操作层
Hugging Face 宣布 OpenEnv 转为由 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft 等组成的委员会协调，项目地址移至 huggingface/OpenEnv。
推荐理由：原文交代了 OpenEnv 转向委员会治理并明确自身为协议层而非奖励框架，读者可据此判断开放智能体 RL 的协作边界。
Hugging Face Blog精选AI 评分6565 Hugging Face 在 TRL 中实现 Delta Weight Sync，用 Hub Bucket 同步万亿参数权重
Hugging Face 在 TRL 中提交 PR，用增量权重同步替代异步强化学习中的全量权重传输：两次 RL 优化步之间约 99% 的 bf16 权重字节完全一致，只把变化的元素编码成稀疏 safetensors 文件上传到 HF Bucket，再让 vLLM 拉取。
推荐理由：Hugging Face 把异步强化学习的权重同步从全量广播改成稀疏增量，并给出可下载运行的实现，读者可以据此判断跨机房训练的门槛变化。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 AlphaEvolve 一年进展：从数学发现扩展到 TPU 设计与商业应用
Google DeepMind 发布 AlphaEvolve 一年进展报告，这款由 Gemini 驱动的编码智能体已从数学和计算机科学的开放问题探索，扩展到 Google 内部基础设施与外部商业场景。
推荐理由：汇总 AlphaEvolve 一年来的落地场景与量化收益，可据此判断算法智能体在科研与基础设施中的真实渗透程度。
Hugging Face Blog精选AI 评分6464 IBM 发布 Granite 4.1 系列 LLM 并详解训练流程
IBM Granite 团队发布 Granite 4.1 系列稠密解码器 LLM，包含 3B、8B、30B 三个规模，基于约 15T token 训练，采用五阶段预训练流程并将上下文窗口扩展至 512K token，全部以 Apache 2.0 许可开源。
推荐理由：原文披露了 Granite 4.1 从预训练到多阶段 RL 的完整训练配方，以及 8B 稠密模型追平上一代 32B-A9B MoE 的对比结果。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布 Nemotron 3 Nano Omni：面向文档、音频与视频智能体的长上下文全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni 全模态理解模型，在文本、图像基础上加入原生音频与视频理解，覆盖文档分析、语音识别、长音视频理解、GUI 智能体和通用多模态推理五类任务。
推荐理由：原文给出了架构细节、多模态基准成绩与吞吐数据，读者可据此判断开源全模态模型在文档、音视频与 GUI 智能体场景的可用性。
Hugging Face Blog精选AI 评分6666 Sentence Transformers v5.4 多模态嵌入与重排序模型使用指南
Hugging Face 发布 Sentence Transformers v5.4，可在同一套 API 下编码和比较文本、图像、音频与视频，用于视觉文档检索、跨模态搜索和多模态 RAG。
推荐理由：官方博客给出 Sentence Transformers v5.4 多模态嵌入与重排序的完整代码用法和模型清单，可直接照抄跑通流程。
Hugging Face Blog精选AI 评分6262 Overworld 发布实时视频世界模型 Waypoint-1.5
Overworld 发布新一代实时视频世界模型 Waypoint-1.5，在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境，并新增面向更广泛消费级硬件的 360p 档位。
推荐理由：Waypoint-1.5 用 720p/360p 双档位和消费级硬件本地运行把实时世界模型从演示推向可用。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个规格，采用 Apache 2.0 许可。
推荐理由：Gemma 4 给出四种规格、Apache 2.0 许可与 Arena 排名，可据此判断开源模型在本地与端侧的可用边界。
Hugging Face Blog精选AI 评分8686 Google DeepMind 发布 Gemma 4 多模态模型家族
Google DeepMind 在 HF 发布 Gemma 4 多模态模型家族，采用 Apache 2.0 许可，支持图像、文本和音频输入并生成文本。模型提供 E2B、E4B、12B Unified、31B 和 26B A4B 五个尺寸，最大上下文窗口 256K，其中 12B Unified 去掉独立视觉与音频编码器，直接把原始图像块和音频波形投影到 LLM 嵌入空间。
推荐理由：Gemma 4 五档模型覆盖端侧到 MoE，附各推理引擎与微调工具链的接入方式，可据此判断本地部署路径。
Hugging Face Blog精选AI 评分6565 TII 发布 Falcon Perception 感知模型与 Falcon OCR
TII 的 Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早期融合 Transformer，用自然语言提示做开放词表定位与分割，图像与文本从第一层起共享参数。
推荐理由：原文用 SA-Co 与自建 PBench 的分数拆解了早期融合单骨干相对模块化流水线的收益与短板。
Hugging Face Blog精选AI 评分6969 Gradio 发布 gradio.Server，支持任意自定义前端搭配 Gradio 后端
Gradio 发布 gradio.Server，扩展 FastAPI，在原路由基础上叠加 Gradio 的 API 引擎，提供排队、SSE 流式、并发控制和 gradio_client 兼容。
推荐理由：Gradio 新 Server 模式把排队、并发与 ZeroGPU 能力开放给任意前端框架，读者可据此评估自建前端的后端选型。
Hugging Face Blog精选AI 评分6060 IBM 发布 Granite 4.0 3B Vision 文档理解多模态模型
IBM 发布 Granite 4.0 3B Vision，一款面向企业文档理解的紧凑型视觉语言模型，以 LoRA 适配器形式挂载在 Granite 4.0 Micro 之上，在 Hugging Face 以 Apache 2.0 许可开放。
推荐理由：IBM 以 LoRA 适配器形式发布 3B 文档视觉模型，并给出图表与表格抽取的对比基准，便于判断小模型在企业文档场景的可用性。
Hugging Face Blog精选AI 评分6363 如何在一天内构建领域专用嵌入模型
NVIDIA 发布一套在单张 GPU 上不到一天完成领域嵌入模型微调的流程，基于 Llama-Nemotron-Embed-1B-v2，无需人工标注。流程用 nemotron-3-nano-30b-a3b 从领域文档生成合成问答数据、挖掘难负样本并做多跳展开，再用对比学习微调，实测 nDCG@10 与 Recall@10 均提升约 10%。
推荐理由：NVIDIA 给出了从合成数据、难负样本挖掘到 ONNX/TensorRT 部署的完整嵌入模型微调配方，附真实评测数字。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 2026 春季开源 AI 生态报告
Hugging Face 发布 2026 春季开源 AI 生态分析，基于平台数据复盘过去一年竞争格局、地理分布、技术趋势与新兴社区。2025 年平台用户增至 1300 万，公开模型超 200 万个，公开数据集超 50 万个；中国模型占过去一年下载量的 41%，行业开发占比从 2022 年前的约 70% 降至 2025 年的约 37%。
推荐理由：Hugging Face 官方以平台数据复盘开源 AI 一年变化，可用于判断开源生态的重心与集中度。
Hugging Face Blog精选AI 评分6464 LeRobot v0.5.0 发布：支持 Unitree G1 人形机器人与 Pi0-FAST 自回归 VLA
Hugging Face 的 LeRobot 发布 v0.5.0，自 v0.4.0 以来合并 200 多个 PR、新增 50 多位贡献者，是其迄今规模最大的版本。
推荐理由：LeRobot v0.5.0 一次性补齐人形机器人、自回归 VLA 策略与流式数据录制，读者可据此判断开源机器人栈的推进速度。
Hugging Face Blog精选AI 评分6262 Hugging Face 推出 Modular Diffusers，可组合的扩散流水线构建模块
Hugging Face 发布 Modular Diffusers，用可复用 block 组合扩散流水线，作为 DiffusionPipeline 的灵活替代方案，支持添加、删除和替换 block，并可用 .init_pipeline() 把 block 转为可运行流水线。
推荐理由：原文给出可组合模块的 API 写法与自定义 block 示例，读者可据此判断现有扩散流水线能否改造成模块化流程。
Hugging Face Blog精选AI 评分6767 GGML 与 llama.cpp 加入 Hugging Face，推进 Local AI 长期发展
Hugging Face 宣布 GGML 及其创建的 llama.cpp 加入 HF，Georgi Gerganov 团队的目标是让未来 AI 保持开放，并为 ggml 与 llama.cpp 社区提供规模化和支持。
推荐理由：GGML 团队加入 HF 后，llama.cpp 的维护自主权与长期资源安排是本地推理生态的关键变化。
Hugging Face Blog精选AI 评分6262 Gradio 6 的 gr.HTML 支持自定义模板，可一句话生成完整 Web 应用
Gradio 6 为 gr.HTML 加入自定义模板、作用域 CSS 和 JavaScript 交互能力，前端、后端与状态管理可以全部写进单个 Python 文件，无需构建步骤，几秒内部署到 HF Space。
推荐理由：Gradio 6 的 gr.HTML 打通了单文件前后端与状态同步，读者可据此判断 LLM 一句话生成完整 Web 应用的工作流是否可行。