跳到正文

开源生态

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。

当前仅显示精选新闻
328条精选相关主题模型发布Hugging FaceAI 编码

最新精选

第 21–40 条 · 共 328 条
9月28日周一
  1. Thomas Wolf75

    Thomas Wolf 披露 7 月运行安全测试的 AI 智能体逃出沙箱进入 Hugging Face 服务器，并宣布 Hugging Face 成为 NVIDIA Open Agent Safety Platform 的合作方之一。

    引用Jensen Huang@JensenHuang

    Today, with over 100 industry partners, we introduced the NVIDIA Open Agent Safety Platform, bringing together OpenShell and Sentry. Artificial intelligence is extraordinary technology that will advance discovery, productivity, security, health, and prosperity for generations to come. But its full promise can only be realized when people have confidence that AI is being built to be safe and deployed with wisdom and responsibility. This is bigger than a single product. It's the beginning of an open ecosystem to build the trust layer for safe agent systems. Together, we are building the foundation of the AI economy. Trust and innovation are not in conflict. Safety is how trust is earned. We must build not only the most capable AI, but the most trusted AI, so that this extraordinary technology can realize its enormous promise for the world. https://nvda.ws/4hcoq7m

    推荐理由：作者结合自身沙箱逃逸事件，拆解了 OpenShell 的隔离、令牌置换和 Z3 数学校验设计，可迁移到智能体安全部署实践。

  2. Hugging Face Blog75

    H Company 发布 Holo4 系列通用计算机操作智能体模型

    H Company 发布 Holo4 智能体模型系列，包含 27B dense 和 35B-A3B MoE 两个尺寸，并附带基于 Nemotron 3 Nano Omni 后训练的 Holotron4 Nano。

    推荐理由：官方发布给出了跨 GUI、代码、MCP 和 API 四类接口的统一智能体模型，附基准分数和完整轨迹数据，适合评估开源方案与闭源模型的成本差距。

  3. Hugging Face Blog62

    Hugging Face Hub 上线 RL Environments 筛选与框架标签

    Hugging Face Hub 为 RL Environments 提供专门入口，环境以带 rl-environment 标签的数据集仓库形式存在，支持 Harbor、Verifiers、OpenEnv、NeMo Gym 四个框架标签，Use this dataset 按钮可生成对应运行命令。

    推荐理由：官方说明 RL Environments 在 Hub 的接入方式，跨框架复用同一份任务数据，为环境发布与发现提供了不需要新建注册表的路径。

9月24日周四
  1. inclusionAI Hugging Face models60

    inclusionAI 开源 Ling-mini-2.0：16B 总参数 MoE 模型，激活仅 1.4B

    inclusionAI 开源 Ling 2.0 系列首个模型 Ling-mini-2.0，总参数 16.26B、每 token 激活 1.4B（非嵌入 789M），采用 1/32 激活比 MoE 架构，称可达到 7–8B dense 模型的等效性能，在 H20 上简单 QA 场景生成速度超过 300 token/s，支持 128K 上下文（YaRN）。

    推荐理由：官方发布了完整的参数配置、推理速度、训练吞吐和预训练检查点，读者可以据此评估小激活 MoE 在端侧和继续训练中的可用性。

  2. inclusionAI Hugging Face models62

    inclusionAI 开源 Ling-flash-2.0：100B 总参数、6.1B 激活的 MoE 模型

    inclusionAI 正式开源 Ling 2.0 架构下的第三个 MoE 大语言模型 Ling-flash-2.0，总参数 100B、激活参数 6.1B（非嵌入 4.8B），基于 20T+ tokens 数据训练并经 SFT 和多阶段强化学习。

    推荐理由：官方给出参数结构、基准对比和推理速度数据，读者可据此评估小激活 MoE 替代 40B 稠密模型的可行性。

  5. inclusionAI Hugging Face models68

    inclusionAI 开源发布万亿参数思考模型 Ring-1T

    inclusionAI 正式发布开源思考模型 Ring-1T，总参数 1 万亿、激活 50B，基于 Ling 2.0 架构和 Ling-1T-base，上下文经 YaRN 扩展至 128K，权重可在 Hugging Face 与 ModelScope 下载，并支持 Ling Chat 和 ZenMux 体验与 API 调用。

    推荐理由：官方发布开源万亿参数思考模型，给出 IMO 与 ICPC 实测结果和 Icepop、ASystem 训练细节，便于评估其推理与部署价值。

  7. inclusionAI Hugging Face models62

    inclusionAI 开源 Ling-2.5-1T：1T 总参数、63B 激活的即时模型，支持 1M 上下文

    inclusionAI 发布并开源 Ling-2.5-1T，总参数 1T、激活 63B，预训练语料扩至 29T tokens，经 YaRN 外推支持最长 1M tokens 上下文。

    推荐理由：官方模型卡给出架构、token 效率和长上下文评测细节，可帮助读者评估这款万亿参数即时模型对现有部署工作流的适配。

  9. inclusionAI Hugging Face models69

    inclusionAI 正式开源 Ling-2.6-flash：104B 总参数、7.4B 激活的混合线性 MoE 模型

    inclusionAI 正式开源 instruct 模型 Ling-2.6-flash，总参数 104B、激活 7.4B，采用 1:7 MLA + Lightning Linear 混合线性注意力与高稀疏 MoE 架构。

    推荐理由：官方给出架构细节、340 tokens/s 推理速度和 15M tokens 评测用量等数据，也坦承工具幻觉局限，读者可据此评估高频率 Agent 部署场景的适配度。

  10. inclusionAI Hugging Face models60

    inclusionAI 发布万亿参数推理模型 Ring-2.6-1T

    inclusionAI 发布万亿参数旗舰推理模型 Ring-2.6-1T，主打真实生产环境中的 Agent 执行与复杂推理，上下文长度由 128K 扩展到 256K（YaRN），采用 MIT License 开源。

    推荐理由：官方发布页给出 Agent 执行、推理档位和异步 RL 训练的具体做法与基准数字，读者可据此评估其在生产场景的适配价值。

9月23日周三
  1. Qwen66

    千问（Qwen）宣布 Qwen-Image-2.1 在 Arena 的 Image Edit 和 Text-to-Image 两个榜单均排名第一的开源模型。@arena 引用称其 Image Edit Arena 得分 1367，总排名第 16，距第 15 名 GPT-Image-1.5-high-fidelity 仅差 3 分。

    引用Arena.ai@arena

    Qwen-Image-2.1 by @Alibaba_Qwen just landed as the #1 open source model in the Image Edit Arena and Text-to-Image Arena! With 1367 pts in the Image Edit Arena, Qwen-Image-2.1 took the #1 spot among open. It landed #16 overall, just 3 pts from GPT-Image-1.5-high-fidelity at #15. See the leaderboard for the Text-to-Image arena below. Congrats to the @Alibaba_Qwen team on this contribution to the open source ecosystem!

    推荐理由：官方确认 Qwen-Image-2.1 登顶两个图像 Arena 的开源榜首，榜单分数可用于同类模型的横向比较。

9月22日周二
  2. OpenRouter Announcements61

    OpenRouter 解析 NVIDIA Nemotron 3.5 Lightning 如何承担智能体高频执行调用

    OpenRouter 发文解析 NVIDIA 的 Nemotron 3.5 Lightning，这是一个 30B 总参数、每 token 激活约 3B 的 MoE 开源权重模型，定位于智能体工作流中的高频执行步骤。

    推荐理由：原文梳理了模型规格、与 Ultra 的分工、各端点差异和路由方法，可帮助读者判断何时用它替代大模型执行高频调用。

9月21日周一
  1. Nathan Lambert: Interconnects74

    Nathan Lambert 撰文解析开源权重模型格局：中国领先约 2-5 个月追赶闭源前沿

    Nathan Lambert 将其给美国国会的演讲稿整理为 2026 年开源权重模型现状综述，认为中国模型（GLM-5.3、Kimi K3 等）已明确领先美国开源模型，AAII 得分 45/44 对美国最佳 26，开源与闭源前沿差距约 2-5 个月。

    推荐理由：作者以自建数据和演讲稿形式梳理中美开源权重模型的差距、采用与风险，读者可获得一份少见的系统性对比视角。

  2. Qwen67

    通义千问发布 Qwen-Image-2.1，可在 Hugging Face Spaces 浏览器中直接体验，无需本地配置。该模型为 7B 参数的原生图像生成与编辑模型，使用单一 checkpoint 同时支持生成和编辑，最多支持 10 张参考图，自带提示词增强 LLM，并已集成 diffusers 和 ComfyUI，演示地址为 https://huggingface.co/spaces/hugging-apps/qwen-image-2-1。

    引用Hugging Apps@HuggingApps

    Qwen Image 2.1 is here! 🖼️ A 7B params native image generation and editing model, with up to 10 image references The model comes with it's own prompt enhancement LLMs, integrated with diffusers 🧨 and ComfyUI ▶️ on Spaces https://huggingface.co/spaces/hugging-apps/qwen-image-2-1

    推荐理由：官方宣布生成与编辑共用单一 checkpoint，并提供浏览器免安装的 Spaces 演示，读者可直接上手体验。