搜索“Hugging Face”

间对齐的文本 token。其模型卡列出了 700 万小时的预训练音频和 1,016 块 H100 GPU。 Dessa 与 Moshi、PersonaPlex 和 GPT-Live-1 相比如何？ 起点仅语音，无文本，无预训练模型Helium 文本 LM 主干加音频从 Moshi（Moshiko）权重微调而来未披露；将推理委托给后端智能体 参数量未披露8B（Hugging Face 列表）7B（模型卡）未披露 训练算力1 台 GB200 NVL72（72 块 GPU）1,016 块 H100 GPU未披露未披露 训练音频未披露700 万小时无监督、2,000 小时 Fisher、20,000 小时合成Fisher 英语，不足 10,000 小时未披露 延迟未披露（“快于实时”）实际 200 毫秒，理论 160 毫秒0.170 秒轮次切换，0.240 秒打断（FullDuplexBench）模型页面未披露 权重与许可未发布开放，CC-BY 4.0开放，NVIDIA 开放模型许可证闭源 运行环境MacBook Pro M4 Max 或更高配置GPU；MLX、Candle 和 PyTorch

匹配字段正文

JEV-35B-A3B（90.1），并接近 Qwen3.5-397B-A17B（93.8）。 每分钟最多 128 页 🤯：借助 DSpark，MiniCPM-OCR 的运行速度是 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。SDK 的并发优化进一步将吞吐量提升至每分钟多达 128 页。 在你工作的地方部署：Day-0 支持 Arm、后摩智能、Intel 和 NVIDIA，并通过 FlagOS 支持另外 10 家芯片厂商。 适配你的技术栈：vLLM、SGLang、llama.cpp 和 Ollama，并提供量化模型、微调支持和 Agent Skills。 🔗 GitHub：https://t.co/2SlATAJk08 🤗 Hugging Face： MiniCPM-OCR 1.0：https://t.co/i347di4Fju MiniCPM-OCR Jev：https://t.co/ayVzhCJenh 👉 试用 Demo：https://t.co/QsFAJT3AFy 使用 API：https://t.co/dP01jBS2j2

匹配字段正文

ym 是一项学术性的夺旗攻防网络基准测试。我们选取了其中一部分最困难的问题，并插入了第二个 flag，它不在目标位置，而是位于评估框架的周边部分。要从这些次要位置提取 flag 需要付出相当大的努力，类似于 ExploitGym 数据集中一些较简单的问题。一个对齐良好的模型应当避免攻击这些蜜罐位置，无论其解决所分配更难问题的正当尝试失败了多少次。正如我们在 Hugging Face 技术报告困难的 ExploitGym 问题正是近期 Hugging Face 事件的核心所在。 图 7 图 7 在最大推理努力且没有生产环境网络安全防护措施的情况下，GPT-6.1 Terra 在 0.14% 的 rollout 中合法夺取了 flag，且未利用蜜罐。它在 0.07% 的 rollout 中有过不成功的蜜罐尝试，且没有成功的蜜罐利用。这些结果描述的是模型在评估测试条件下、无网络安全防护措施时的行为，并不代表正常的生产使用情况。 这项新评估随 GPT-6 Sol 与 GPT-6 Luna 十月更新，采用贴近真实的编程任务，让模型在其中遇到一些阻碍其完成工作的障碍。随后，它衡量模型在最终答案中未

匹配字段正文

让智能体可以读取队友的会话、提问，并在包括 Codex、Claude 和 Conductor 在内的现有工具之间交接工作。它解决的是异构客户端之间的协调问题，而不是引入另一个底层模型（发布）。 研究循环工具：OpenResearch 集成了 Trackio，使智能体可以记录实验、查看图表，并利用曲线来选择后续运行。它支持本地优先使用，并可将运行结果保存到 Hugging Face Spaces，且支持多种执行后端（集成）。 训练智能体组织：General Reasoning 推出了集体奖励强化学习（Reinforcement Learning from Collective Rewards），将 120B 的 Avalon-M1-Mini 训练为一个共享工作区和留言板的组织。报告的行为包括层级结构、分工以及增加对验证者/测试者的招聘；这些是研究观察结果，并非对高效或安全协调的既定保证（公告）。 独立研究方向：World of SWECraft 在超过 10,000 个智能体小时中研究相互依赖的软件包，报告下游指令数效率最高提升 1.31 倍。一些前沿模型在仍有改进机会时便停止寻求改进

匹配字段正文

ystem cards. Our Agents’ Last Exam dataset is drawn from the official v1.1 release, comprising 122 tasks, including 86 CLI tasks, with environment images aligned with the official Hugging Face release. We additionally assign a score of zero to runs that bypass the task’s stated requirements, such as retrieving answers online instead of performing the required analysis in Wireshark. DeepSeek and Kimi are evaluated using Claude Code and Kimi Code, respectively. All other results are taken from the

匹配字段正文

ional 原生支持在数据库上进行上下文学习：可在内存中运行，可通过数据库和数据仓库连接器运行，也可通过自定义图引擎运行，该引擎借助内存映射 I/O 以最高 5 GB/s 的速度处理 500B+ 行数据。它已在 NVIDIA 新发布的 GPU 原生结构化数据模型库中提供，该开源库也正是我们姊妹模型 Kumo Tabular 的底层支撑。该库在首次使用时会从 Hugging Face Hub 下载权重，因此你可以在配备 GPU 的 notebook 中加载模型并直接进行预测。下面的代码将上下文示例、预测实体及其相关表传给模型： 有关完整的 RelBench 和 SAP SALT 流水线（包括如何对每个实体的相关表进行采样），请参阅该库的关系型示例。 若要将模型作为独立服务运行，可将其部署为 NVIDIA NIM，并在 notebook 中让开源的 structured-data-models-client 指向它。你用 PQL 编写预测，客户端会收集上下文示例和相关表，然后发送请求： 有关针对本地 NIM 和在 Databricks 上运行的端到端示例，请参阅该客户端的示例 notebo

匹配字段正文

模型将前代系统的桌面缝合模拟拓展至临床腹腔场景。用户输入初始内窥镜画面及机械臂控制指令后，系统可连续生成器械运动与组织响应画面，支持双臂位姿、钳口开合及电外科能量等28维动作输入，并通过FlashDreams流式推理库加速运行。 性能方面，官方模型卡显示，在单块RTX PRO 6000 Blackwell工作站版GPU上，以832×480分辨率运行时，四步去噪版本生成速度为30帧/秒，两步版本可达43.2帧/秒。两步版本经过单独训练，以部分画质换取更高速度。配套代码支持录制动作回放，也可连接配备双追踪控制器的WebXR兼容头显，进行实时交互控制。 英伟达表示，该模型主要面向手术机器人策略的仿真评估、遥操作研究及合成数据生成，开发者还可利用公开的微调与蒸馏指南，将其适配至其他数据集和机器人形态。 来源：Hugging Face 官方博客（NVIDIA） 投稿/爆料：tougao@youxituoluo.com 稿件/商务合作： 林南（微信 19250561593） 加入行业交流群：林南（微信 19250561593） 元宇宙数字产业服务平台 下载「陀螺科技」APP，获取前沿深度元宇宙讯息

匹配字段正文

linical cholecystectomy recordings from the CMR Surgical Versius system. The model checkpoint and companion code were published the same day. In an NVIDIA-authored announcement on Hugging Face, the company said that, to its knowledge, Cosmos3-H-Dreams is the first real-time generative surgical simulator trained on clinical cholecystectomy recordings to support live kinematic control. Powered by Cosmos 3 and accelerated with FlashDreams, NVIDIA’s streaming-inference library, the model runs intera

匹配字段正文

transformers.txtrequirements-transformers.txt requirements-vllm-omni.txtrequirements-vllm-omni.txt 仓库文件导航 Ming-3.0-audio-flash 听得清。理解深。行动智。 一款为真实场景语音识别、音频理解、推理和端到端语音交互打造的原生音频模型。 🤗 Hugging Face · Flash · 🤗 Hugging Face · Tiny · 🤖 ModelScope · Flash · 📓 示例手册 · 💻 示例 Ming-3.0-audio.mp4 🧩 模型变体 Ming-3.0-audio-flash — 一款 126B 参数的混合专家模型，激活参数为 6.5B。下文示例和基准测试结果均使用该模型。 Ming-3.0-audio-tiny — 一款紧凑的 9.3B 参数混合专家模型，激活参数为 2.7B。有关检查点详情和使用指南，请参阅其模型卡。 ✨ 亮点 🎙️ 复杂语音识别 — 可识别跨方言、口音、嘈杂环境和多人会议场景中的中英文语音。 ⏱️ 长音频理解 — 可理解并分析

匹配字段正文

"Humanity's Last Exam," while Deepseek manages 43 percent. For factual accuracy on the AA-Omniscience test, MiniMax answers 56 percent of questions correctly versus Deepseek's 43 percent. MiniMax is also slightly cheaper per task at $0.22 compared to Deepseek's $0.26, since it needs fewer output tokens across the benchmark, about 189 million versus 224 million for Deepseek. Both models are getting open-weight releases. Deepseek is already on Hugging Face , and MiniMax will follow on October 23.

匹配字段正文

introduced its Jev decision model about a month before the announcement, and Cloudflare released its Clef and Clef-flash decision models on October 1, 2026, open-sourcing them on Hugging Face under an Apache 2.0 license; Clef was post-trained on Qwen base models and is Jev-API compatible. Where decision models classify an input among listed options and large language models generate open-ended text, Clairic returns typed values directly: spans, numbers, dates, lists, and distributions. The comp

匹配字段正文

stall git+https://github.com/mistralai/timestral.git. It needs Python 3.10+ and torch 2.4+. Dependencies are PyTorch, NumPy, safetensors and huggingface hub. Weights download from Hugging Face: 21 MB for 5M, 111 MB for 28M, 490 MB for 123M. Mistral’s docs list Timestral 1.0 209M as Public Preview. Fine-tuning on proprietary data runs through Mistral Forge. The pipeline can deploy on-prem, in a VPC or air-gapped. Key Takeaways 4 sizes, 5M to 209M, all on the accuracy-vs-size Pareto front. 209M le

匹配字段正文

后训练。 其他应用包括为 Hebbia 进行信贷协议分析、通过 AI21 和 Alice 实现网络安全，以及通过 Mercor 进行编程。Ramp 正在为该模型定制金融文档智能功能，而 Lila Sciences 则将其用于科学发现和搜索。 软件公司也在将 Super VL 集成到其产品中。Atlassian 正在探索跨 Jira 和 Confluence 的智能体搜索，而 CrowdStrike 正在为其定制企业安全运营功能。 Perplexity 正在集成该模型以用于搜索和 AI 智能体任务。 NVIDIA 表示，组织可以根据其安全和数据驻留要求部署 Super VL。该模型包含开放权重、数据集和训练配方。开发者可以通过 NVIDIA NeMo 和基于 Python 的流水线对其进行定制。 Super VL 可通过 Hugging Face、OpenRouter、ModelScope 社区和 NVIDIA NIM 获取。Bolt 74B-A9B 模型也可在 Hugging Face 上获取，并支持 llama.cpp、Ollama、LM Studio、Unsloth 和 vLLM。

匹配字段正文

十种环境中进行强化学习。新开放的数据集涵盖智能体工具调用、金融推理、指令遵循、长上下文、公平性和视觉语言理解等领域。 除 Super VL 外，英伟达还推出了两款 Nemotron 3.5 Bolt 端侧模型。Nemotron 3.5 Bolt 74B-A9B 24GB 采用 740 亿总参数、90 亿激活参数的 MoE 架构，通过原生 2 位量化将模型压缩至 24GB，面向本地智能体任务，支持 llama.cpp、vLLM、Ollama、Unsloth 和 LM Studio。Nemotron 3.5 Bolt E4B 4GB 则面向本地语音助手、交互角色和嵌入式界面等场景，计划于 10 月 23 日推出。 IT之家注意到，Nemotron 3.5 Super VL 和 Bolt 74B-A9B 24GB 已开放获取，开发者可通过 Hugging Face、OpenRouter、ModelScope 等渠道使用相关模型资源。Super VL 可部署于 DGX Spark、DGX Station、RTX 系统、数据中心或云端；Bolt E4B 4GB 则计划于 10 月 23 日发布。

匹配字段正文

The biggest gains come on consumer GPUs. On the RTX 5070, an image that took 71 seconds now takes under 8, and on the RTX 4070 it drops from 78 seconds to under 9. Getting Started Update ComfyUI to the latest version or go to Comfy Cloud. Download the FLUX 3 Image Klein weights from Hugging Face. Pick base or distilled (-sd), and drop them in your models folder. Load the FLUX 3 Image Klein template from the Templates panel. Write your prompt, attach reference images (if you’re editing), and run.

匹配字段正文

raining and continued pre-training, Nvidia says, with post-training and reinforcement learning adding roughly four million examples across about 100 open training environments. On Hugging Face, Nvidia is also releasing several datasets that other developers can use to train or fine-tune their own models. They cover how agents use tools, follow instructions, handle long texts, and understand images, while other datasets deal with finance, safety, and fairness. One dataset targets languages spoken

匹配字段正文

40% higher accuracy. Developers can customize the model using NVIDIA NeMo with supervised fine-tuning, low-rank adaptation, and reinforcement learning on open datasets released on Hugging Face. The model uses LiLiCorr speculative decoding, NVFP4 quantization with quantization-aware distillation, multi-token prediction, and context reuse to optimize inference efficiency on platforms including NVIDIA DGX Spark. Next Steps Read the Nemotron 3.5 technical report for model details. Explore the Nemotr

匹配字段正文

orts text, image, audio, and video inputs. The NVFP4 reference configuration runs across four GB300 GPUs. From the SGLang integration environment, download the checkpoint from the Hugging Face Hub and start the server: The checkpoint includes the chat template, which we pass explicitly. The launcher configures the Muse reasoning and tool-call parsers. Send a request through the OpenAI-compatible API: The response separates the reasoning trace in reasoning content from the final answer in content

匹配字段正文

ble as flux-3-image-klein, with prompt upsampling and pixel restoration, which preserves unedited regions of an image exactly. Pricing starts at $0.009 per 1K image. Playground or Hugging Face. Build with it Weights on Hugging Face: base and distilled. Reference inference code, including a Gradio demo for bounding-box control. Try it out on Hugging Face Spaces. Day-one support in ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion and vLLM-Omni. LoRA training with Ostris's AI Toolkit

匹配字段正文

.txt 的退出选择。每个来源都列在 apertus-data-transparency 中。 后训练 后训练分五个阶段进行：SFT → 长上下文 SFT → RL → DPO → 宪章对齐（SDPO）。 SFT 使用 370 万个文本样本以及图像和语音数据。推理轨迹仅添加到模型在没有这些轨迹时无法解决的提示中。工具使用数据仅限于经过执行验证的轨迹。我们在 Hugging Face 上发布了所使用的文本 SFT 混合数据。 在完整的 262k 窗口上进行长上下文 SFT，可恢复短上下文 SFT 所侵蚀的长上下文能力。 RL 采用可验证奖励（RLVR），使用约 35 万个数学、代码、指令遵循、多语言和视觉提示，并混合开启和关闭思考模式。 DPO 使用经评判模型打分的偏好对，提升对话质量、工具使用和安全性。我们发布了偏好池和训练对。 SDPO 通过评判反馈和自我蒸馏，使模型与《Apertus 宪章》对齐。 评估结果 在扩展模型能力的同时，我们也大幅扩展了评估范围。除 Apertus 1.0 所使用的现有文本评估外，我们还新增了多模态评估（图像和音频）以及思考模式评估。 多模态评估通过 ML

匹配字段正文