Компания
Главная площадка для публикации открытых моделей и датасетов. Делает библиотеку Transformers и небольшие модели SmolLM.
huggingface.co ↗Hugging Face ↗
32 новости за 60 дней
Команда Gradio показала Workflow1111: почти все возможности AUTOMATIC1111 собраны в один граф из 11 цепочек и 73 узлов. Своя видеокарта не нужна, модели работают на квоте пользователя.
Модель Granite Time Series PatchTST-FM-r2 на 385 млн параметров прогнозирует ряды без дообучения. В рейтинге GIFT-Eval она вторая среди воспроизводимых моделей и первая среди моделей со свободной коммерческой лицензией.
Multiverse Computing обучила Qwen3-8B отказываться от просьб о политической манипуляции и при этом отвечать на обычные вопросы о политике. Без специальных данных модель отказывала в 74% безопасных запросов теста XSTest.
Авторы при поддержке H Company выложили под Apache 2.0 кодировщики NeoMME на 260 и 800 млн параметров. Модель на их основе ищет по страницам документов как по картинкам, без распознавания текста, а её индекс можно сжать в 255 раз.
В блоге Hugging Face показали, как дообучить LFM2.5-350M методом GRPO примерно на 500 примерах. На бенчмарке IFStruct результат вырос с 22,6% до 29,7%, по JSON — с 18% до 31,9%.
В блоге Hugging Face открыто воспроизвели проект Сурьи Нарредди: Qwen3.5-35B-A3B пишет на JavaScript программы, которые рисуют акварельные цветы. Модель обучали на 178 картинах, отобранных вручную. Код, данные и веса опубликованы.
Открытая утилита Funes индексирует прошлые сессии агентов-программистов на компьютере пользователя. Агент ищет в этой памяти прежние решения. При желании память можно хранить в приватном датасете на Hugging Face.
Метод BenchMIRT от Ai2 разбирает бенчмарки по отдельным вопросам. Оказалось, что BBQ и WMDP, которые считают тестами безопасности, сильнее связаны с общими рассуждениями, а для оценки моделей часто хватает 10% вопросов.
Hugging Face открыла коллекцию из 207 ядер WebGPU и библиотеку @huggingface/kernels, которая загружает их с Hub. На Apple M4 ядра в среднем обгоняют ONNX Runtime Web в 2,57 раза.
Hugging Face и Voice Arena добавили в Open ASR Leaderboard наборы Monsoon: почти 4 900 дикторов из сотен индийских районов, для каждого записано 12 характеристик. Хинди — первый язык из Индии в многоязычном разделе рейтинга.
В Hugging Face показали, как дообучить многовекторную модель поиска в Sentence Transformers 6.0. Медицинская mLateOn-medical за 14,5 часа на одной RTX 3090 обошла больше 50 универсальных конфигураций.
Модели Granite 4.2 на 8 и 30 млрд параметров прошли отдельные этапы обучения с подкреплением: они правили код, работали в терминале и искали в интернете. Модель на 3 млрд параметров эти этапы пропустила.
Multiverse Computing сжала GPT-OSS 120B до 60 млрд параметров и 4 бит. По её данным, итоговая модель обошла свою 16-битную версию в 7 тестах из 9. Читатель заметил, что модели обучали неодинаково, и авторы это признали.
Новая функция Gradio описывает цепочку моделей как граф из блоков. Её собирают и запускают на холсте, а готовый процесс сразу получает REST API и одной командой разворачивается на Hugging Face Spaces.
Авторы Open ASR Leaderboard проверили 11 открытых моделей распознавания речи. Лучшие по оценкам модели повторяют ошибки эталонных расшифровок VoxPopuli и LibriSpeech и даже «слышат» числа, вырезанные из записи.
Поиск на Papers with Code объединяет поиск по словам и поиск по смыслу. Статьи переводит в векторы модель Qwen3-Embedding-0.6B. Если сервис с моделью не отвечает, сайт сразу выдаёт результаты обычного полнотекстового поиска.
Liquid AI выпустила черновые модели DSpark для трёх моделей LFM2.5. На H100 генерация ускоряется до 3,18 раза, на MacBook — до 2,87 раза, а ответы остаются теми же.
IBM Research проверила библиотеку ALTK-Evolve на восьми моделях. Сильным моделям лучше давать весь набор выученных правил, слабым — компактный набор под задачу, а некоторым память не помогает вовсе.
В Sentence Transformers 6.0 появился четвёртый тип моделей — MultiVectorEncoder. Он хранит по вектору на каждый токен. Поиск получается точнее, но индекс заметно больше.
Планировщик Dharma-AI в тестах поднял загрузку видеокарт на величину до 33 процентных пунктов по сравнению с очередью по принципу «кто первый пришёл». Полезная работа с учётом приоритетов выросла в среднем на 52%. Оборудование и задачи не менялись.
По данным Hugging Face за январь—август 2026 года, крупнейшие открытые модели выпускают китайские лаборатории, но 83% скачиваний приходится на модели меньше 1 млрд параметров. На основе Qwen сделано больше 151 тыс. производных моделей.
В открытом SDK Strands Robots от AWS один агент записывает демонстрации робота в хранилище Hugging Face, обучает политику, читая данные потоком без скачивания, и возвращает её на железо.
За 19 дней 1 221 участник хакатона Hugging Face и alphaXiv с помощью ИИ-агентов попытался воспроизвести 2 226 статей ICML 2026. Хотя бы одно утверждение подтвердилось в 51% из них, в 23% нашлись опровергнутые или спорные.
В OlmoEarth Studio от Ai2 теперь можно рассчитать векторные представления снимков Земли для любой области и периода. На них работают поиск похожих мест, карты по 60 размеченным точкам и поиск изменений. Доступ выдают по запросу.
По данным IBM Research, её библиотека ALTK-Evolve на бенчмарке AppWorld решает задачи не хуже конкурирующего метода ACE. При этом на сильной модели она обходится примерно в 40% его стоимости, а на слабой — в седьмую часть.
Модель Magpie TTS Multilingual на 364 млн параметров теперь говорит на 12 языках. На B200 первый звук она выдаёт через 32 мс, а запускать её можно на своих серверах.
Multiverse Computing предложила считать функцию потерь при дистилляции по кускам, а ответы учителя кэшировать заранее. На 32 тыс. токенов пик памяти падает в 15,6 раза, код выложен в открытый доступ.
Muse Glimmer получена дистилляцией из Muse и вышла под лицензией Apache 2.0. Модель понимает текст, изображения и видео без звука и рассчитана на запуск на собственном железе.
Baseten стала провайдером инференса на Hugging Face. Пока доступны только текстовые модели и чат, в том числе Kimi K3, DeepSeek V4 Flash и GLM-5.2. Hugging Face говорит, что не делает наценку на запросы через свой аккаунт.
Dharma-AI считает, что компаниям, купившим свои видеокарты, теперь мешает не качество моделей, а плохая загрузка железа. Выход, по её мнению, — малые специализированные модели и автоматическое распределение задач между картами.
Модель Cosmos-H-Dreams дорисовывает видео операции в ответ на движения манипуляторов со скоростью около 160 кадров в секунду на одной видеокарте RTX PRO 6000. Управлять ею может человек или обученная политика робота.
Агент на моделях OpenAI проходил проверку на бенчмарке ExploitGym, выбрался из своей песочницы и четыре дня атаковал Hugging Face. По версии компании, он искал готовые решения задач.