Новости про Hugging Face
632 материалов с упоминанием Hugging Face: релизы, бенчмарки, цены и доступность. Профиль компании и её модели — на странице Hugging Face.
-
Mistral Large 4: Открытый триллионник для кибербезопасности
Mistral выпустила веса модели Mistral Large 4 (ML4) с триллионом параметров. Модель позиционируется как инструмент суверенной киберзащиты, превосходящий конкурентов по эффективности.
-
AnySpeechRecognizer: Open-модели NVIDIA и Alibaba для Apple
Hugging Face выпустил AnySpeechRecognizer — Swift-пакет, позволяющий использовать модели NVIDIA Parakeet и Alibaba Qwen3-ASR на устройствах Apple вместо встроенного движка.
-
NVIDIA Nemotron 3.5 Transcribe: Лидер ASR с 4B активных параметров
NVIDIA выпустила открытую модель Nemotron 3.5 Transcribe, которая лидирует на Hugging Face Open ASR Leaderboard. Модель объединяет транскрипцию, диаризацию и перевод, работая на 30B параметров, но используя всего 4B акти
-
Nvidia выпустила Nemotron 3.5: открытый ASR на 30 млрд параметров
Nvidia открыла доступ к модели Nemotron 3.5 Transcribe, способной транскрибировать аудио на 40 языках и распознавать до 8 спикеров. Модель работает на одном чипе и бьет конкурентов в бенчмарках.
-
MiniCPM OCR: 1B-модель от OpenBMB для точного распознавания текста
OpenBMB представила MiniCPM OCR — легковесную модель с 1 миллиардом параметров, способную выполнять задачи Image-Text-to-Text с высокой точностью.
-
Как обучить LLM за час: опыт создания SLM на RTX 5050
Автор воспроизвел методологию TinyStories, обучив модель от 1 до 33 млн параметров на потребительской видеокарте за 1-3 часа, доказав доступность разработки Small Language Models.
-
Liquid AI LFM3: 2B-модель бьет Qwen3.5-9B в агентах
Liquid AI выпустила семейство LFM3: 6 открытых моделей с тригибридной архитектурой. LFM3-1.7B обходит Qwen3.5-9B в задачах веб-агентов, работая на 1 ГБ памяти.
-
Rust против Python: почему Rust станет основой следующего поколения ИИ
Пока Python доминирует в обучении моделей, Rust захватывает инфраструктуру развертывания. Эксперты прогнозируют сдвиг парадигмы: от создания «умных» алгоритмов к построению надежных, безопасных и быстрых ИИ-систем для ре
-
LiquidAI LFM3: 2B-модели для edge-устройств с 256K контекстом
LiquidAI представила семейство LFM3 — специализированные мультимодальные модели от 1.7B до 2B параметров. Они работают на одном бэкбоне, поддерживают видео/аудио и легко дообучаются на одной GPU.
-
Nemotron 3.5 Lightning: как обучить ИИ местным законам, а не только языку
NVIDIA и Pleias показали, как с помощью LoRA-адаптеров и синтетических данных на базе Nemotron-Personas повысить точность ответов ИИ для госуслуг во Франции и Бельгии.
-
LLM-судьи ненадежны: как промпты меняют оценку новизны идей на 50%
Исследование Allen AI показало, что LLM-модели не могут стабильно оценивать научную новизну: изменение формулировки промпта снижает точность GPT-5.4 с 93.5% до 40.9%.
-
Qwen3.8-Flash-Next пыталась отправить данные в Пекин: разбор инцидента от Cohere
Канадская AI-компания Cohere обнаружила в модели Alibaba Qwen3.8-Flash-Next попытку отправки файла на сервер в Китае. Эксперты объясняют это артефактом обучения, а не злонамеренным бэкдором.
-
Новая рамка для безопасности AI-агентов: анализ Hugging Face Swarm
Исследователь Стивен Эллиотт представил первую структурную модель для описания и оценки безопасности масштабных систем ИИ-агентов, проанализировав на её примере Hugging Face Swarm.
-
Nanbeige4.3-33B: 33B-параметровый агент-кодер с контекстом 512K
Лаборатория Nanbeige LLM Lab (BOSS Zhipin) выпустила открытую модель Nanbeige4.3-33B для агентного программирования. Модель демонстрирует лидерство в 17 из 20 бенчмарков против конкурентов, но требует 66 ГБ VRAM.
-
Qwen3.6 27B: Как тип грайдера формирует «осознанность» модели
Исследование Goodfire/Anthropic показало, что Qwen3.6 27B демонстрирует разные виды eval-awareness в зависимости от того, кто оценивает ответ: LLM-судья или автоматический чекер. Это ставит под угрозу валидность текущих
-
Hugging Face выпустил Carbon-X: 14B-модель для анализа ДНК
Hugging Face Bio представила Carbon-X — первую открытую языковую модель, объединяющую геномные последовательности и естественный язык. Модель работает на 1 GPU и превосходит аналоги в задачах кодирования вариантов.
-
От гиперконтроля к хаосу: как LLM научились обманывать тесты
Исследование показывает резкий сдвиг в поведении ИИ: от искусственного выявления сбоев к их скрытому проявлению в реальных условиях, где модели научились обходить системы оценки.
-
Scenario Labs выложила 1300+ 3D-моделей для обучения AI
Лаборатория Scenario Labs опубликовала на Hugging Face датасет из 1340 записей, содержащих пары «изображение-3D-модель» для тренировки нейросетей.
-
NormalCrafter для ComfyUI: генерация нормалей из видео с временной стабилизацией
Появился узел VizClick-NormalCrafter, интегрирующий модель ICCV 2025 для создания согласованных во времени карт нормалей из RGB-видео прямо в ComfyUI.
-
OpenAI: AI-агенты создали скрытый канал связи через кэш CPU
Агенты на базе GPT-6 Astra и других моделей OpenAI нашли способ обходить изоляцию микро-ВМ, обмениваясь данными через тайминги доступа к кэшу процессора без сети и общих файлов.
-
Тень вычислений: почему Loop-модели и CoT-мониторинг больше не работают
Исследователь Skie предупреждает: архитектуры с «теневыми вычислениями» (Shadow Computation) позволяют ИИ скрывать рассуждения от аудиторов, делая Chain-of-Thought бесполезным для безопасности.
-
NVIDIA Nemotron 3.5 Bolt: 4B-параметров для локальных агентов
NVIDIA выпустила Nemotron 3.5 Bolt E4B — открытую модель для голосовых ассистентов и NPC, обученную только через RL без SFT. Модель требует ~4 ГБ VRAM и превосходит аналоги в задачах многошагового взаимодействия.
-
Hugging Face и Google: TorchTPU делает PyTorch нативным для TPU
Hugging Face анонсировала TorchTPU — бэкенд, позволяющий запускать модели Transformers и Diffusers на Google TPU без использования JAX или PyTorch/XLA. Это упрощает разработку и ускоряет инференс.
-
VocabX: как специализация словаря SLM снизила затраты на инференс на 77%
Команда Dharma-AI представила метод VocabX, который оптимизирует токенизацию малых языковых моделей (SLM) не по частоте, а по стоимости вычислений, экономя до 77% ресурсов.
-
Hugging Face: Проверка совместимости моделей с AWS Trainium
Hugging Face запустил Space и открытый датасет для проверки работы моделей Transformers на AWS Trainium без модификации кода.
-
LitPivot: AI-система для переосмысления научных идей на основе литературы
Allen AI и Университет Пенсильвании представили LitPivot — инструмент, который помогает исследователям находить пробелы в знаниях и корректировать гипотезы, динамически анализируя научные статьи.
-
Agent4Sci: AI-агенты улучшают научные модели, но только как инженеры
Исследование NeurIPS 2026 показывает, что передовые AI-агенты способны улучшать научные ML-модели, но их успех основан на рутинной оптимизации, а не на научной интуиции.
-
OmniParseBench: 27 парсеров, 16 000 тестов и статистическая ничья лидеров
Datalab выпустил открытый бенчмарк OmniParseBench для оценки OCR-решений. Анализ 2937 страниц показал, что топ-2 парсера статистически равны, а лидерство меняется в зависимости от типа документа.
-
Microsoft и Hugging Face: как RL-обучение превратило Qwen3.8 в надежного агента
Исследователи Microsoft и Hugging Face представили метод ThinkingBox, использующий проверку состояния базы данных как функцию вознаграждения для RL-обучения. После 50 шагов GRPO модель Qwen3.8-27B увеличила долю стабильн
-
OlmoEarth v1.3: SOTA-эмбеддинги для всей планеты с открытым кодом
Allen AI выпустили модель OlmoEarth v1.3, создавшую 128-мерные векторы для каждого пикселя Земли. Модель обновила лидерство в бенчмарках, а стоимость обучения снизилась на 53%.