近年来，机器学习模型在视觉和语言任务方面的应用需求日益增长，但大多数模型都需要庞大的计算资源，无法在个人设备上高效运行。尤其是像笔记本电脑、消费级 GPU 和移动设备等小型设备，在处理视觉语言任务时面临巨大的挑战。以 Qwen2-VL 为例，虽然其性能卓越，但对硬件的要求较高，限制了其在实时应用中的可用性。因此，开发出轻量化模型以便于在较低资源下运行，成为了一项重要需求。Hugging Face 近期发布了 SmolVLM，这是一款专门为设备端推理设计的2B 参数视觉语言模型。SmolV

近日，SambaNova 和 Hugging Face 联合推出了一新工具，使开发者能够仅需点击一下按钮即可部署类似 ChatGPT 的聊天机器人，极大地缩短了部署时间，从原本的数小时减少到几分钟。对于开发者而言，这一过程相当简单，只需访问 SambaNova Cloud 的 API 网站获取访问令牌，接着在 Python 中输入三行代码即可完成部署。具体操作步骤:首先，开发者需要导入所需的库。代码为: ```pythonimport gradio as gr import sambanova_gradio gr.load （"Meta-Llama-3.1-70B-Instruct-8k"， src=sambanova_gradio.registry， accept_token=True）.launch () ``

Hugging Face今天发布了SmolLM2，一组新的紧凑型语言模型，实现了令人印象深刻的性能，同时所需的计算资源比大型模型少得多。新模型采用Apache2.0许可发布，有三种大小——135M、360M和1.7B参数——适合部署在智能手机和其他处理能力和内存有限的边缘设备上。SmolLM2-1B模型在几个关键基准测试中优于Meta的Llama1B模型，尤其是在科学推理和常识任务中表现出色。该模型在大多数认知基准上的表现都优于大型竞争模型，使用了包括FineWeb-Edu和专门的数学和编码数据集在内的多样化数据集组合。SmolL

最近，AI 初创公司 Hugging Face 正式推出了 Gradio5，这是他们广受欢迎的开源工具的一次重大更新，旨在使 AI 开发变得更加简单。自从2021年收购 Gradio 以来，这个工具已经成为 Hugging Face 产品线中的重要组成部分。Gradio 每月拥有超过200万用户和超过470，000个基于该平台构建的应用程序，已成为 AI 开发生态系统中的关键参与者。项目入口:https://www.gradio.app/Gradio5的目标是将机器学习与 Web 开发之间的鸿沟缩小。Hugging Face 的创始人 Abubakar Abid 表示，许多机器学习开发者对 Python 非常熟悉，但在 Web

最近，Hugging Face 推出了一款全新的 Python 包，名为 “OpenAI-Gradio”，旨在帮助开发者快速创建 AI 驱动的网页应用。这个工具的发布标志着 AI 集成的一个重大转变，简化了使用 OpenAI 大型语言（LLM）的过程，让各种技能水平的开发者都能轻松上手。使用 OpenAI-Gradio，开发者可以在几分钟内启动他们的 AI 应用，只需几行代码。这款工具与 Gradio 深度整合，Gradio 是一个流行的机器学习应用接口工具。开发者只需安装这个包，设置他们的 OpenAI API 密钥，就能启动一个功能齐全的网页应用。这样，即

近日，人工智能平台 Hugging Face 宣布，其公开可用的 AI 模型数量已超过一百万个。这一里程碑不仅标志着 Hugging Face 在 AI 领域的快速发展，也反映出专业化 AI 解决方案越来越受到重视。图源备注：图片由AI生成，图片授权服务商MidjourneyHugging Face 的联合创始人克莱门特・德朗格（Clément Delangue）表示，Hugging Face 的100万个公共模型包括 Llama、Gemma、Phi、Flux、Mistral 和 Stable Diffusion 等知名示例，以及“999，984个其他模型。这一多样性意味着为特定应用、领域、语言和硬件优化的模型，往往能够超

Hugging Face 近期发布 LightEval，一款轻量化 AI 评估工具，旨在辅助企业和研究机构更精准地评估大型语言模型。此工具强调评估在 AI 技术应用中的重要性，帮助确保模型输出的准确性、无偏见性，以及与业务目标的一致性。针对传统评估方法的局限性，LightEval 提供了定制化的评估方案，与 Hugging Face 的其他工具如 Datatrove 和 Nanotron 集成，支持多种设备评估，包括 CPU、GPU 和 TPU，以适应不同硬件环境。作为开源项目，LightEval 允许企业自行运行评估，确保模型在投入生产前符合其道德和业务标准。其易用性与多功能性，使得即使是技术水平不高的用户也能进行复杂模型的评估，包括在多种流行基准上进行评估，甚至定义自定义任务。用户还可根据特定需求，调整模型评估的配置，如权重、管道并行性等。

Hugging Face收购XetHub，旨在加速AI民主化进程。XetHub由前苹果工程师创立，专注于简化机器学习与AI应用构建。其团队在2021年获得Madrona Ventures的750万美元投资，加速发展。此次收购标志着Hugging Face，一家在AI开发领域具有影响力的平台，进一步扩大其技术实力与人才库。XetHub的加入不仅体现了AI行业的整合趋势，也预示着AI功能将更多地普及至中小企业。通过整合XetHub的技术与资源，Hugging Face有望为AI开发者提供更多便利，加速AI民主化进程。

Hugging Face 与 NVIDIA 合作推出推理即服务，利用NVIDIA NIM技术驱动，加速开发者原型设计并高效部署开源AI模型。此服务特别支持强大模型如Llama2和Mistral AI，处理速度比传统部署方式快五倍。通过NVIDIA DGX Cloud，开发者能训练模型，且Hugging Face宣布团队盈利、扩大至220人，并推出SmolLM小型语言模型系列。该合作旨在优化AI应用的响应速度和稳定性，简化从原型到生产的流程，为开发者社区提供强大支持。

小红书官方科技账号“科技薯”创新开设全球首间AI便利店，联合优质作者与科技公司，精选AI相关内容制作限定商品，持续经营。店内邀请Hugging Face CTO、果壳CEO等4位行业大佬兼职，提供流量扶持至50万元，并设有1亿专属曝光流量计划，优秀笔记有机会赢取万元小米科技狗。活动鼓励参与者发布AI主题笔记，使用指定话题和标签，优质内容将获得官方推荐与定制周边奖励。

Hugging Face新发布SmolLM, 一款小型高效AI工具。其特点是参数范围从135M到1.7B，旨在适应各种设备，如手机和笔记本电脑。SmolLM因其小巧、性能强和低资源需求而独特，其设计旨在保护用户隐私。基于精心挑选的SmolLM-Corpus数据集，模型在教育和合成数据上展现出色学习能力。 SmolLM系列包括三种模型版本：135M、360M和1.7B参数，均能够执行多种任务，并能根据硬件配置灵活运行。尤其值得一提的是，尽管数据训练量更小，SmolLM-135M仍显著超越同类产品，成为参数小于200M的领导者。在关键基准测试中，SmolLM展现出在各自尺寸类别中优秀的性能，尤其是其在常识推理和世界知识理解上的性能，远超其他同类模型。通过特别调教，SmolLM在理解指令和问题解答上表现出彩。此外，Hugging Face提供了WebGPU演示，方便用户直接体验模型能力。这一发布证明了即使在资源受限的情况下，高质量的训练数据也能生成惊人的表现。

​Hugging Face 更新了其 Open LLM Leaderboard，这一举措将对开源人工智能开发的格局产生重大影响。此次改进在人工智能发展的关键时刻出现，因为研究人员和公司正面临大语言模型（LLMs）性能提升似乎出现停滞的局面

据Hugging Face首席执行官克莱蒙德·德朗格透露，越来越多的人工智能初创公司创始人希望出售他们的公司。德朗格表示，目前他每周都会接到大约10位有意被收购的创始人的咨询。

​苹果在为开发者提供尖端设备端 AI 功能方面取得了重大进展。这家科技巨头最近在领先的 AI 模型和代码共享社区平台 Hugging Face 上发布了20个新的 Core ML 模型和4个数据集。此举凸显了苹果致力于推动 AI 发展，同时优先考虑用户隐私和效率。

["研究人员在 Hugging Face AI 平台上发现大约 100 个恶意机器学习模型，可能让攻击者注入恶意代码到用户机器上。","恶意 AI 模型利用 PyTorch 等方法执行恶意代码，加剧安全风险。","AI 开发者应使用新工具如 Huntr 提高 AI 模型安全性。","发现的恶意模型突显恶意 AI 模型对用户环境带来的风险，需要持续警惕和加强安全性。"]

["JFrog 安全团队在 Hugging Face 平台上发现了至少100个恶意AI ML模型","部分恶意模型能在受害者机器上执行代码，提供持久后门","安全研究人员在平台上的PyTorch和Tensorflow Keras模型中发现了恶意功能的模型","如名为baller423的用户上传的模型能指定主机210.117.212.93建立反向shell","部分恶意模型可能是出于安全研究目的上传的，旨在发现漏洞获取赏金"]

["Google与HuggingFace近日宣布战略合作，旨在推动开放AI和机器学习的发展。","这一合作将集成HuggingFace的平台与GoogleCloud的基础设施，包括VertexAI，旨在使生成式AI更易于开发者使用。","合作支持开发者在Google Cloud上快速、经济高效地训练、调整和服务开放模型，利用AI优化基础设施如TPUs和GPUs。"]

["Hugging Face推出的aMUSEd模型可以在几秒钟内生成图像，相比其他竞争对手如Stable Diffusion更快。","aMUSEd使用了一种轻量级的文本到图像模型，基于Google的MUSE模型。","aMUSEd采用了Masked Image Model（MIM）架构，减少了推理步骤，提高了生成速度和可解释性。","模型可在Hugging Face上的演示中进行尝试，目前以研究预览版形式提供，使用OpenRAIL许可证。","aMUSEd生成的图像质量可以进一步提高，团队选择发布它以“鼓励社区探索像MIM这样的非扩散框架用于图像生成”。"]

["通义千问的 Qwen-72B 模型在 Hugging Face 开源大模型预训练模型榜单中位居榜首","通义千问的 Qwen-72B 模型拥有 720 亿个参数和 73.6 的综合得分","Hugging Face 开源大模型排行榜对全球顶尖的开源大模型进行了评估","通义千问的 Qwen-72B 模型在阅读理解、逻辑推理、数学计算、事实问答等方面表现出色","通义千问是阿里云推出的超大规模语言模型，功能包括多轮对话、文案创作、逻辑推理等"]

["Meta启动“AI Startup Program”在STATION F，旨在推进法国创业生态系统的先进AI模型。","与Hugging Face和Scaleway合作，计划加速开源人工智能解决方案在法国的应用。","计划支持5家初创公司，提供技术指导、平台和计算能力，加速其发展。","Meta、Hugging Face和Scaleway联手，助力法国AI生态系统，展望开放协作的未来。"]