Новости HuggingFace
Хаб моделей и датасетов, библиотеки transformers/diffusers, ежедневная подборка статей.
48 материал(ов) · последние обновления
Hugging Face выпустила TutorMoments: как оценить, когда ИИ-репетитору пора замолчать
Фреймворк на реальных уроках выявил, что модели мешают студентам пройти «продуктивную борьбу» — и не дают им учиться самостоятельно.
Baseten на Hugging Face Hub: LLM теперь запускаются прямо со страницы модели
Это третий провайдер инференса на Hub, позволяющий инженерам запускать LLM без сложной настройки.
LFM2.5-2.6B: сложные агенты теперь на телефоне — и без облака
Модель на 2.6B параметров обходит конкурентов вчетверо больше себя, умещаясь в 2.5 ГБ памяти.
Hugging Face: главный тормоз AI — не интеллект, а утилизация GPU
Как и самолёты, GPU стоят постоянно, но приносят доход только в работе — это меняет фокус инфраструктуры.
LFM2.5-Encoders от LiquidAI: 8192 токена контекста — быстрее крупных и на CPU
Модели не уступают по качеству более крупным конкурентам — и снижают затраты на развертывание.
NVIDIA Cosmos-H-Dreams: хирургические роботы учатся в реальном времени
Роботы учатся без риска и быстрее, чем на реальных операциях.
Nunchaku Lite в Diffusers: 4-битные модели стали вдвое легче
Веса и активации квантуются до 4 бит, чтобы модели работали быстрее, а не только занимали меньше памяти.
Hugging Face Grabette: учи роботов, записывая рукой — без робота
Главное узкое место в обучении роботов — данные, а не модели.
NVIDIA Cosmos 3 Edge: роботы понимают мир и действуют — прямо на устройстве
Открытая модель мира в 4 млрд параметров позволяет роботам рассуждать в реальном времени и управлять собой.
Hugging Face и NVIDIA: масштабируйте дообучение Diffusers-моделей без переделок
Распределённое обучение на сотнях GPU теперь сводится к одной настройке — без конвертации и изменения кода.
Hugging Face отбила атаку ИИ-агентов — своим же ИИ
Это первое вторжение автономных ИИ-агентов, подтвердившее прогнозы отрасли, — и защита тоже была на ИИ.
Hugging Face Real World VoiceEQ: ИИ научат слушать, а не только говорить
Бенчмарк оценивает, как естественно голосовые модели распознают эмоции и контекст — то, что игнорировали прошлые тесты.
Hugging Face: профайлер покажет, где тормозит Attention
Третья часть серии «Профилирование в PyTorch» учит видеть эффект разных оптимизаций механизма внимания на уровне GPU-кернелов.
Hugging Face Hub: Spaces из шаблонов — AI-приложения за минуты
Теперь не нужно настраивать инфраструктуру для демок — и инструменты CLI обновляются сами.
`transformers` от Hugging Face теперь работает как vLLM — без своих портов
Теперь модели не нужно портировать дважды — достаточно одной интеграции в transformers.
LeRobot v0.6.0: роботы представляют будущее — и это их не замедлит
Модели мира предсказывают действия наперёд во время обучения, но при выполнении задачи исчезают, не увеличивая задержку.
Diffusers 0.39.0: 11 новых моделей — от физического ИИ до видео на телефоне
Библиотека Hugging Face получила 11 готовых конвейеров для генерации и редактирования видео и изображений — включая адаптивные и работающие на устройстве.
Gemma 4 отвечает мгновенно: Hugging Face и Cerebras ускорили живой диалог
Модульная архитектура на специализированном железе убирает задержки в разговоре с ИИ.
Hugging Face собрал оценки AI-моделей в одном месте — и сделал их надёжнее
Тысячи бенчмарков из разных источников теперь в едином формате — с фильтром по железу.
DiScoFormer: одна модель для плотности и скоринга — без переобучения
Трансформер оценивает плотность и скоринг данных за один проход, обходя проблему переобучения и неточности классических методов.
Hugging Face: LLM-сервер одной командой — как OpenAI API, без Kubernetes
Приватный эндпоинт на GPU, оплата посекундная — для тестов и разработки.
Olmo Hybrid: вдвое меньше данных для той же мощности — и предсказывает иначе
Гибридные модели лучше улавливают контекст, а трансформеры точнее цитируют — это меняет подход к выбору архитектур.
NeMo AutoModel от Hugging Face и NVIDIA: MoE-модели обучаются в 3.7 раза быстрее — без смены кода
Библиотека сокращает расход памяти GPU на 32% — это упрощает работу с MoE-моделями.
huggingface_hub выходит каждую неделю — без закрытых API и платных платформ
Весь стек скопируем: GitHub Actions, open-weights GLM-5.2 и HF Inference Providers — ничего проприетарного.
PP-OCRv6 на 34,5M параметрах обогнала GPT-5.5 и Qwen3-VL-235B в распознавании текста
Специализированная OCR в тысячи раз компактнее флагманских мультимодальных моделей — и точнее на их же задаче.
Исследовательский агент сливает корпоративные секреты через поисковые запросы — даже когда его просят молчать
PA-DR снижает утечки с 34% до 9,9%, одновременно повышая точность ответов с 48,7% до 58,7%.
98% PEFT-моделей используют LoRA — Hugging Face предлагает это оспорить
При правильно подобранных гиперпараметрах альтернативы дают тот же результат — а значит, монополия LoRA держится на инерции, не на качестве.
AWS Strands Robots: один код — и симуляция, и реальный робот
LeRobot хранит демонстрации из симулятора и с железа в одном формате — агент не замечает разницы.
Hugging Face добавил сервисные аккаунты для корпоративных CI/CD-пайплайнов
Не занимают платные места и не влияют на квоты — просто отдельная машинная идентичность.
nn.Linear под профилировщиком: transpose не трогает GPU
Hugging Face разобрал путь от одного слоя до MLP — с трассами и конкретными скриптами на A100.
Hugging Face Spaces стали API-блоками для агентов — 3D-галерея Парижа без единой строки интеграции
Файл agents.md отдаёт схему, эндпоинты и инструкцию по загрузке файлов одним curl — агент читает и сразу вызывает Space.
OpenEnv стал общим стандартом: Meta, NVIDIA, Unsloth и ещё десяток компаний берут проект под совместное управление
Проект сужает зону ответственности — только протокол среды, без логики наград; тренеры и харнессы подключаются как плагины.
Her читает JSONL-логи Claude Code и находит рискованные действия агента
Модель не принимает решений — только пишет текст; все цифры и флаги считает детерминированный движок.
Qwen3-8B научили отбирать вакансии под резюме — и уместили на одну GPU
Учитель — DeepSeek V4 Pro, 2 500 резюме и 10 000 вакансий; итог — модель, которая объясняет, почему одна вакансия лучше другой.
Пять лесных торговцев на Qwen2.5-3B — и настоящие биржевые пузыри
100% валидный JSON, но агент покупал то, что сам производил — пока промпт не починили.
DPO убрал петли повторений в OCR-моделях — минус 59% дегенерации там, где SFT упёрся в потолок
Обучающий сигнал брали из собственных ошибок модели — никаких человеческих разметчиков.
Transformers v5.10.1 закрыл баг, который тихо ломал квантование BitsAndBytes
В том же релизе — четыре новые архитектуры: кодовый MoE от JetBrains и специализированный OCR от DeepSeek.
Holo3.1: computer-use агент теперь работает локально и на мобильных
Hugging Face выпустила Holo3.1 — первую версию своего computer-use семейства с квантованными весами и поддержкой мобильных сред. Главный сдвиг здесь не в бенчмарках, а в том, что агента теперь можно запустить на железе…
Mellum2: JetBrains делает ставку на «фокальную» MoE-модель для AI-стеков
JetBrains открыла Mellum2 — 12B MoE с активацией 2.5B параметров на токен — как специализированный блок для высокочастотных задач в агентных пайплайнах, где латентность важнее универсальности.
Выпущен smolagents v1.26.0
В новой версии библиотеки smolagents v1.26.0 добавлены улучшения для веб-поиска через Exa и усилена безопасность за счет удаления удаленного WasmExecutor.
Выпущена версия v1.17.0 Hugging Face Hub с кросс-репозиторным копированием, SSH в Spaces и улучшенными таблицами CLI
Версия 1.17.0 клиента Hugging Face Hub управления файлами, отладки в Spaces и навигации по моделям.
Hugging Face: Синхронизация дельта-весов в TRL сокращает передачу данных с терабайта до мегабайт
Hugging Face представила новую функцию в библиотеке TRL, значительно уменьшающую объем данных для синхронизации весов в асинхронном обучении с подкреплением.
Hugging Face Hub: Важный Hotfix устраняет проблемы с typer
Изменения в библиотеке Typer версии 0.26.0 привели к критическим сбоям в работе командной строки Hugging Face Hub, что потребовало незамедлительного выпуска исправления v1.16.3.
Hugging Face: наводим порядок в терминологии AI-агентов
Hugging Face предлагает стандартизированный глоссарий для устранения путаницы в ключевых понятиях AI-агентов, обеспечивая общее понимание в быстроразвивающейся области.
Специализированные модели: 3B-решения опережают флагманы по всем фронтам
Последние три года в AI-стратегии компаний доминировала простая логика: чем крупнее фронтир-модель, тем безопаснее. Считалось, что возможности масштабируются с числом параметров, а лидеры бенчмарков неизменно предлагают…
Transformers 5.9.0: новые модели и меняющийся интерфейс эмбеддингов
HuggingFace выпустил библиотеку Transformers v5.9.0, добавив три новые модели и внеся важные изменения в обработку текстовых эмбеддингов для ряда моделей компьютерного зрения. Это обновление включает как новые…
Ettin Reranker: как пересортировать поиск без лишних затрат
Hugging Face представил семейство моделей Ettin Reranker. Это не просто очередной набор инструментов для ранжирования; они спроектированы, чтобы точно переупорядочивать результаты поиска, при этом удерживая контроль над…
Diffusers 0.38.0: Больше изображений, больше звука — и новые «мозги» для генерации
HuggingFace Diffusers, библиотека для работы с диффузионными моделями, получила масштабное обновление 0.38.0. В новой версии появились конвейеры для генерации изображений и аудио, среди которых заметны тяжеловесы с…