跳到正文

#Hugging Face

今日 0 条
10月31日周六
10月28日周三
10月27日周二
10月25日周日
  1. The Decoder70

    OpenMobile-2 证明开源智能手机智能体可以与专有模型相媲美

    OpenMobile-2 是由南京大学、SenseTime 等机构研究人员开发的开源智能手机智能体,通过训练超过 110 个应用程序,在性能上接近当前智能手机智能体的顶尖水平。

    推荐理由:OpenMobile-2 的发布展示了开源智能手机智能体在性能上可以与专有模型相媲美,为读者提供了关于开源智能体潜力的见解。

10月23日周五
  1. 量子位70

    国产5B生图模型MOSS-Image海外爆火,4天超百万下载

    MOSS-Image,一款由模思智能和OpenMOSS团队开源的生图模型,在海外社区获得巨大成功,4天内下载量超过百万。该模型以其自然感画面和丰富的功能特性,如文字渲染、布局控制和长提示词支持,吸引了众多开发者。

    推荐理由:MOSS-Image作为一款国产5B参数生图模型,在海外社区获得广泛关注,其自然感画面和丰富的功能特性使其成为开发者关注的焦点。

10月18日周日
10月17日周六
10月14日周三
10月7日周三
  1. Show HN58

    TerrainSR:快速生成逼真高程图的高程图超分模型

    作者 joegibbs 发布 TerrainSR,一个用于高程图快速超分的模型,目标是生成逼真地形。他为一个历史游戏需要 1:1 比例的欧洲模型,但 100m 数据分辨率太低,10m LIDAR 数据则覆盖不全、占用数百 GB 且包含矿场和建筑等人造物。该模型在未开发地貌上训练,可为低分辨率高程数据快速补充合理的侵蚀特征和岩石等细节,重建人类干预前的地形样貌。

    推荐理由:作者说明了低分辨率高程数据与 LIDAR 数据各自的局限,以及用未开发地貌训练模型补齐侵蚀细节的思路。

  2. IT之家78

    谷歌推出 EmbeddingGemma 2:支持多模态,7.4 亿参数量化后手机端运行约需 191MB 内存

    谷歌正式推出 EmbeddingGemma 2,将嵌入能力从文本扩展到代码、图像、视频和音频,并统一映射到同一嵌入空间。该模型基于 Gemma 4 架构,采用 Apache 2.0 许可,总参数 7.4 亿,纯文本任务仅需 2.7 亿参数,可叠加 1.7 亿参数视觉编码器和 3 亿参数音频编码器。

    推荐理由:EmbeddingGemma 2 把嵌入能力从文本扩展到代码、图像、视频和音频,并给出端侧量化内存占用,便于判断本地多模态检索的可行性。

  3. The Decoder71

    Google 发布 EmbeddingGemma 2,称性能超越两倍规模竞品

    Google 发布开源模型 EmbeddingGemma 2,可将文本、图像、视频、音频和代码转换为数值向量,参数量 7.4 亿,Google 称其是同类型中最紧凑的模型,在多模态嵌入基准上超越规模达其两倍的竞品。

    推荐理由:读者可据此了解一款 740M 参数多模态嵌入模型在本地运行、离线 RAG 场景下的能力与资源占用。

10月6日周二
10月5日周一
  1. The Decoder62

    Aleph Alpha 发布 78B 开源权重模型 Kolibri

    Aleph Alpha 发布 Kolibri,一个德语和英语双语模型,总参数 78B,采用混合专家架构,每个 token 约激活 3B 参数。公司称 Kolibri 在两种语言的质量与运行成本上处于帕累托前沿,德语基准得分 71%,解码速度快于 GPT OSS A5B、Qwen 3.6 A3B 和 Gemma 4 A4B 等同类模型。

    推荐理由:读者可了解欧洲开源模型在德语能力、成本与合规上的具体取舍,以及其训练数据与算力来源。

10月4日周日
10月3日周六
6月11日周四
  1. Google DeepMind74

    Google DeepMind 发布 DiffusionGemma:文本生成最高提速 4 倍

    Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式并行生成整块文本,在专用 GPU 上最高实现 4 倍推理提速,单张 NVIDIA H100 上超过 1000 tokens/秒,RTX 5090 上超过 700 tokens/秒。

    推荐理由:官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛,可据此判断本地低并发场景的取舍。