跳到正文
只看模型#Hugging Face
今天10月26日周一4 条
  3. Hacker News-首页63

    Destined AI 开源 Hurston-1 语音模型，支持美国南方与非洲英语口音及电话模式

    Destined AI 发布并开源了 Hurston-1 语音模型，这是一个基于 Maya1 进行微调的窄带语音生成模型，专为电话渠道及美国南方、尼日利亚等常被忽视的英语口音而设计。模型支持 8 kHz G.711 电话音频输出，并提供了验证与过滤机制，适用于语音智能体测试及电话客服场景。

    发布时间：
10月25日周日
  1. The Decoder：AI News65

    Nvidia 开源机器人视频标注引擎 Flora，标注成本约为 GPT-6 Astra 的 1/125

    Nvidia 开源了机器人视频标注引擎 Flora，由三个微调的 Qwen3.5 模型组成，旨在解决机器人训练视频标注成本过高的问题。Nvidia 称其标注每小时机器人视频的成本约为 72 美分，显著低于 GPT-6 Astra 的约 88.50 美元，并在动作边界检测和识别过程中间错误方面表现较好，模型已上线 Hugging Face。

    发布时间：
10月24日周六
  1. MarkTechPost68

    NVIDIA 发布开源小模型 Nemotron 3.5 Bolt E4B 4GB

    NVIDIA 发布了开源小模型 Nemotron 3.5 Bolt E4B 4GB，面向本地语音助手、游戏角色和机器人等场景。该模型基于 Gemma 4 E4B 通过强化学习训练，拥有 8B 总参数、4B 有效参数和 64K 上下文，在多项基准测试中表现突出，权重和训练方案已完全开源。

    发布时间：
  2. MarkTechPost65

    Kyutai 发布 CADRE 视频自编码器，交互世界模型动作延迟降到 230 ms 以内

    Kyutai 发布了开源因果扩散表示自编码器（CADRE），旨在解决交互世界模型中的动作延迟问题。该系列包含 7 个自编码器和 4 个世界模型，在单张 H100 上运行可将动作延迟降至 230 毫秒以内并保持 20 fps 的生成速率。代码采用 MIT 协议开源，权重采用 CC BY-NC 4.0 非商业许可。

    发布时间：
10月23日周五
  2. 量子位65

    高德发布首个基于开放世界行为的全身基座模型λ0

    阿里巴巴集团旗下高德正式发布首个基于开放世界行为的全身基座模型λ0，仅依靠人类行动数据即可实现移动、姿态与双手操作的全身协调。λ0采用无本体全身数据采集与软硬件协同人机对齐路径，构建了HumanVerse-500数据集，在SIMPLE仿真基准及真机评测中取得SOTA表现。目前该模型已在GitHub开源硬件配置代码，并在HuggingFace上线数据样例。

    发布时间：
  5. Hugging Face Blog63

    OlmoEarth v1.3 发布：面向全球的卫星嵌入模型与浏览器工具

    OlmoEarth v1.3 卫星嵌入模型正式发布，同时开源了全球预计算的年度 64 维与 128 维嵌入数据及浏览器端探索工具。该模型基于雷达与多光谱卫星时序数据生成全球像素级嵌入向量，在多项评估中表现领先，且训练成本大幅降低。

    发布时间：

    推荐理由：该版本公开了全套模型权重与全球预计算嵌入，降低了地理空间任务的训练成本，读者可借此评估其在环境监测中的应用效率。

10月22日周四
  3. MarkTechPost64

    IBM 发布开源语音模型 Granite Speech 5.0 2B

    IBM 发布开源语音模型 Granite Speech 5.0 2B，采用 2B 参数量并基于 Apache 2.0 协议开源，支持 6 种语言的语音转写与翻译。该模型在 Open ASR Leaderboard 上平均词错误率（WER）为 5.68%，支持长达约 2 分钟的音频片段以及最多 2,000 个词的关键词偏置。

    发布时间：
  4. 量子位62

    中国电信发布并开源意图理解专用模型 Xing4.0-29B-Intent

    中电信人工智能科技有限公司星辰通用人工智能实验室正式发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放275万条训练语料、模型权重与推理镜像。该模型结合了意图识别与参数抽取，旨在将用户自然语言转换为结构化信息，已在电信万号客服和智能家居音箱等终端场景中应用。

    发布时间：
  5. Hacker News-首页70

    开发者推出 WorldTUI：一个在浏览器中运行的 360M 终端世界模型

    开发者训练了一个 360M 参数的语言模型 WorldTUI，用于模拟终端界面的键盘输入与屏幕更新，无需底层 shell 或文件系统支持。该模型基于 Qwen2.5-Coder-0.5B 微调，支持 vim、tmux 和 python 等工具，经量化后可在桌面浏览器中通过 WebGPU 本地流畅运行。

    发布时间：
  8. Baseten 工程博客65

    Baseten 发布决策模型 mammoth-1 和 elephant-1 并开源

    Baseten 发布并开源了两款决策模型 mammoth-1（27B）和 elephant-1（9B），这两款模型基于 Qwen3.5 微调训练而成。相比生成式 LLM，决策模型不生成文本，而是直接返回选项的概率分布，可用于工单分流、垃圾信息检测等分类任务，目前已在 Baseten Model APIs 上线并提供一周免费试用。

    发布时间：
10月21日周三
  1. NVIDIA Blog75

    NVIDIA 推出面向欧洲及多行业的开源模型家族

    NVIDIA 扩大了其开源模型系列，推出 Nemotron 3.5 Super VL 与 Bolt、Kumo 结构化数据模型、Cosmos 3.5 世界模型、Alpamayo 2 Edge 自动驾驶推理模型、BioNeMo RFD4-Proteina 蛋白质设计模型及 Ising 量子计算模型。

    发布时间：

    推荐理由：NVIDIA 一次性发布并开源了覆盖多模态、结构化数据、具身智能和科学计算的多个模型家族，为企业和开发者提供了可定制的主权 AI 基础架构。

  2. 量子位86

    MemT 1.0 系列记忆原生模型开源发布

    MemT 1.0 开源了 MemT-1.0-Nano 和 MemT-1.0-Flash 两个型号，通过在 Transformer 模块中增加并行的记忆计算通路实现记忆原生。该系列模型在 SWE-bench 任务和记忆基准中展现出更强的任务成功率与执行可靠性，并在推理速度和状态占用上具备成本优势。

    发布时间：

    推荐理由：该工作开源了具备内部记忆通路的模型系列，读者可以据此了解记忆原生架构的工程实现及在代码修复中的表现。

10月20日周二
10月19日周一
10月18日周日
10月17日周六
  4. Hacker News-首页83

    Black Forest Labs 发布 FLUX 3 Image Klein 开源图像生成模型

    Black Forest Labs 发布 FLUX 3 Image Klein，这是一个拥有 5.6B 参数的开源文生图、图像编辑和多参考图生成模型。该模型支持原生 4K 生成、像素级编辑和边界框控制，提供用于微调的基础模型及用于低延迟生成的蒸馏模型，在消费级显卡上可实现高效运行。

    发布时间：
10月16日周五
  3. Hugging Face Blog88

    Reflection 发布 501B 开源模型 Beam

    Reflection 实验室推出首款开源模型 Beam，这是一个拥有 501B 总参数、每 token 激活 23B 的 mixture-of-experts 架构大语言模型，支持 1M tokens 上下文窗口，专注于编码与智能体场景。

    发布时间：

    推荐理由：文章详细介绍了 Reflection 实验室首款 501B 开源 MoE 模型 Beam 的架构设计与部署方案，读者可以据此了解其在长文本和智能体任务上的技术实现。

  7. Hugging Face Blog68

    Granite Switch 4.1 发布：在一个端点中集成聊天、决策和语音能力

    Hugging Face 联合 IBM 发布了 Granite Switch 4.1 模型（包含 8B 和 30B 版本），通过复用基底模型的 KV cache 并在单个托管端点上集成了通用决策 aLoRA、安全卫士 aLoRA 以及语音转文本模型 Granite-Speech-5.0-Turbo-CTC。

    发布时间：

    推荐理由：原文介绍了多功能组合模型的架构及复用 KV cache 的实现方式，读者可以了解如何在单个端点上高效组合决策与语音能力。