欢迎 NVIDIA Cosmos 3:首个用于物理AI推理与行动的开源全能模型
NVIDIA Cosmos 3 是首个开源物理AI全能模型,整合世界生成、物理推理与动作生成于单模型,支持机器人、自动驾驶等场景,基于MoT架构并提供Hugging Face集成。
入选理由:Cosmos 3 是首个统一物理AI能力的开源模型,融合世界生成、物理推理与动作生成于单模型。
公司
别名:huggingface
提供开源模型库和工具的AI公司
已跟踪 30 条高相关材料
最近变化
2026-11-16 · ParseBench-2包含600页政府表单数据,覆盖30个国家的244种模板。
为什么值得关注
Hugging Face 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Meet Cosmos 3: Our Latest Frontier Model for Physical AI
NVIDIA Developer · 9.2 分
NVIDIA发布Cosmos 3,首个整合视觉、语言、声音与动作的全能物理AI模型,采用Mixture-of-Transformer架构,在多个基准测试中登顶,支持开源定制与边缘部署。
Welcome NVIDIA Cosmos 3: The First Open Omni-model for Physical AI Reasoning and Action
Hugging Face Blog · 9.2 分
NVIDIA Cosmos 3 是首个开源的物理AI全能模型,整合世界生成、物理推理与动作生成于单一架构,支持机器人、自动驾驶等场景,基于MoT混合Transformer架构,提供Hugging Face模型卡与Diffusers集成。
Towards Speed-of-Light Text Generation with Nemotron-Labs Diffusion Language Models
Hugging Face Blog · 9.2 分
NVIDIA 推出基于扩散模型的 Nemotron-Labs Diffusion 语言模型,支持 AR、扩散和自推测三种生成模式,实现多 token 并行生成与迭代修正,显著提升吞吐与灵活性,适用于低延迟与高精度场景。
已收录 30 条与 Hugging Face 相关的内容,按评分排序。
NVIDIA Cosmos 3 是首个开源物理AI全能模型,整合世界生成、物理推理与动作生成于单模型,支持机器人、自动驾驶等场景,基于MoT架构并提供Hugging Face集成。
入选理由:Cosmos 3 是首个统一物理AI能力的开源模型,融合世界生成、物理推理与动作生成于单模型。
NVIDIA发布Cosmos 3,首个整合视觉、语言、声音与动作的全能物理AI模型,采用Mixture-of-Transformer架构,在多个基准测试中登顶,支持开源定制与边缘部署。
入选理由:Cosmos 3 是首个融合语言/视频/声音/动作的Omni模型,基于Mixture-of-Transformer架构。
NVIDIA 推出基于扩散模型的 Nemotron-Labs Diffusion 语言模型,支持 AR、扩散和自推测三种生成模式,实现多 token 并行生成与迭代修正,显著提升吞吐与灵活性。
入选理由:Nemotron-Labs Diffusion 提供 3B/8B/14B 三档模型,支持商业友好许可证(NVIDIA Nemotron Open Model License)。
腾讯混元开源 Hy-MT1.5-1.8B-1.25bit 翻译模型:仅440MB,支持33种语言+5种方言,1.25-bit量化无损精度,手机端全离线运行,性能超越Google Translate及部分商用API。
入选理由:25-bit超低比特量化实现440MB体积,较FP16压缩7.5倍且零精度损失
JetBrains 发布 12B MoE 架构模型 Mellum2,每 token 仅激活 2.5B 参数,推理速度超同类模型 2 倍以上,专为代码与文本任务优化,支持私有部署和 RAG 等高频低延迟场景。
入选理由:Mellum2 是 12B 参数 MoE 模型,每 token 仅激活 2.5B 参数,推理效率提升 2x+,适合高吞吐生产环境。
Apple发布TIDE模型,通过分层上下文感知机制,显著提升长序列建模能力,推理延迟降低37%,内存占用减至45%。
入选理由:TIDE采用分层上下文感知机制,每层显式建模token与上下文关系。
小型专用模型如 CyberSecQwen-4B 在防御性网络安全任务中表现优于大型通用模型,且支持安全本地部署,无需 API 成本。
入选理由:CyberSecQwen-4B 在 CTI-MCQ 测试中以 0.5868 准确率超越 Cisco 8B 模型 8.7 个百分点。
Gemma-4 12B 采用统一无编码器架构,图像与音频直连 LLM,可在 16GB 设备本地运行;性能接近 26B MOE 且内存不足其半,配套 Hermes 等 Agent 工具与 macOS Edge Gallery,采用 Apache 2.0 开源许可。
入选理由:Gemma-4 12B 无需分别的视觉/音频编码器,图像与音频直接映射到 LLM,减少延迟与内存开销。
Gemma 4 12B 是面向本机运行的统一、无编码器多模态模型,将视觉与音频直接接入 LLM,性能接近 26B MoE 但内存仅其一半,可在 16GB VRAM 紧凑设备上运行,支持离线语音处理与低延迟多步推理。
入选理由:Gemma 4 12B 性能接近 26B MoE,内存仅其一半,适合在 16GB VRAM 现代本机运行。
专门化模型在企业应用中超越大规模通用模型,30亿参数的DharmaOCR模型在结构化OCR任务中击败所有商业前沿API,成本仅为五十分之一。企业AI采购策略应从规模导向转向专业化导向。
入选理由:30亿参数的DharmaOCR专门化模型在结构化OCR任务中击败所有商业前沿API
基于29.7万用户数据,分析最受欢迎的AI硬件组合,显示NVIDIA、Apple和Intel在不同类别中的主导地位,以及显存对AI开发的重要性。
入选理由:AI开发者更看重显存容量而非算力,RTX 3060 12GB成为最流行独立GPU。
表单解析是AI领域的一大挑战,ParseBench-2数据集和新评估指标为研究提供了标准化基准。
入选理由:ParseBench-2包含600页政府表单数据,覆盖30个国家的244种模板。
Hugging Face Jobs 可以在 A100 GPU 上以 $1 的成本在 30 分钟内训练 NanoGPT 模型,无需修改代码或管理远程连接。
入选理由:使用 Hugging Face Jobs 可在 A100 GPU 上以 $1 成本训练 5000 万参数模型。
2026 年评估论文揭示了当前 AI 模型评估体系的严重缺陷,强调构建可靠评估体系的重要性。
入选理由:2026 年 12 个基准测试中,有 50% 已经饱和,无法区分模型性能。
ParseBench-2 在发布三天内下载量达 3 万,成为 Hugging Face 热门基准榜第三,提供细粒度文档解析错误分类和与人工判断高度对齐的指标。
入选理由:ParseBench-2 提供细粒度的文档解析错误分类,便于精准评估模型性能。
ParseBench-2 是一个标准化的 OCR 工具评估框架,覆盖 40 个工具和 6 个维度,揭示了不同工具在特定场景下的表现差异。
入选理由:ParseBench-2 评估了 40 个 OCR 工具,覆盖 6 个维度,如表格、图表等。
XYBench是首个测试AI助手识别用户误解能力的基准,揭示主流模型在纠正错误假设时表现不足。
入选理由:XYBench包含8115个问题,覆盖编程和日常场景如烹饪、家居维修
论文提出无需梯度更新的机器人操作新方法,RoboTwin 2.0任务成功率83.4%,超越现有方法20多分。
入选理由:WICL方法在RoboTwin 2.0任务中达到83.4%平均成功率
BotPsy是首个参数量低于10亿的设备端代理模型,在工具调用和代理任务上超越1.2B参数模型,适用于隐私敏感场景的本地部署。
入选理由:8B参数的BotPsy在6项基准测试中超越1.2B参数模型
Google推出MKA基准测试,评估多模态代理处理视觉复杂任务的能力,包含200个真实行业任务。
入选理由:MKA包含200个任务,覆盖10个行业和83个职业
不同注意力机制对模型推理内存需求影响显著,选择合适变体可优化服务容量。
入选理由:MHA与GQA的KV缓存需求差异可达300%(基于参数量相同模型)
HOPE方法通过二阶专家剪枝在保持MoE模型性能的同时减少50%内存占用,实验证明其在代理编码任务上优于现有方法6.1%。
入选理由:HOPE方法在50%剪枝率下实现6.1%性能提升,优于其他剪枝方法
开源是机器人AI发展的关键,Hugging Face推动了10万+数据集和3万+模型共享,开源机器人销量突破5万台。
入选理由:Hugging Face平台公开了近10万机器人数据集(同比增长48%)和3万+模型(增长41%)。
Hugging Face与Liva AI合作,新增埃及和尼日利亚英语数据至Open ASR Leaderboard,提升全球口音覆盖。
入选理由:新增埃及(1.34小时)和尼日利亚(1.55小时)英语对话数据,支持非美国口音评估
当前20个最佳开源模型中,18个采用Mixture-of-Experts架构,传统密集模型已基本被淘汰。
入选理由:MoE架构在18/20顶尖开源模型中成为主流,密集模型时代结束
Phonon TTS是Hugging Face推出的设备端语音合成模型,无需网络即可生成高质量语音,支持五种语言并提供不同许可证版本。
入选理由:Phonon TTS模型体积65MB/75MB,支持英法德西葡五种语言
Moonshot AI发布Kimi K3.1 Pro,支持104万token上下文窗口,MoE架构含2.8T参数,在代码生成等基准测试中超越竞品模型。
入选理由:Kimi K3.1 Pro采用MoE架构,总参数2.8T,激活参数104B,支持1048576 token上下文窗口
Hugging Face联合发起机器人评估项目RoboColosseum,提供100+真实机器人和140+场景的开放数据集,包含完整失败案例。
入选理由:RoboColosseum包含100+真实机器人和140+野外场景数据
前沿大语言模型(LLMs)可直接生成或编辑神经网络权重,无需梯度训练,但存在基准测试和过拟合争议。
入选理由:Astra通过编辑Qwen3.5-0.8B的权重,使MATH-500准确率从7.9%提升至48.1%。
开放权重模型通过降低企业AI成本、保障数据主权和操作自主性,成为企业AI战略新选择。Databricks的Unity AI Gateway与Omnigent结合可实现统一模型治理。
入选理由:开放权重模型成本比前沿模型降低30%-50%(引用Databricks基准测试)