Hugging Face Xet 存储正式接入 Hub
Hugging Face 官方宣布 Xet 存储架构正式在 Hub 上线，并于 2 月 20 日完成首批约 6% 下载流量、总计 4.5TB 模型与数据集仓库的迁移。
推荐理由：Xet 存储正式接入 Hugging Face Hub 并完成首批 4.5TB 仓库迁移，其内容寻址分块机制让多 GB 级模型更新上传耗时从小时级降至秒级。
Hugging Face
全部主题Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表。
最新精选
第 21–34 条 · 共 34 条Hugging Face Blog精选AI 评分7575
Hugging Face Blog精选AI 评分9191 Google 发布 Gemma 3：多模态、多语言与 128k 上下文的开源 LLM
Google 发布 Gemma 3 开源权重 LLM，包括 1B、4B、12B、27B 参数版本，上下文窗口从 Gemma 2 的 8k 提升至最高 128k tokens。
推荐理由：Gemma 3 支持 128k 上下文和 140 余种语言，并能在 Hugging Face 生态当日通过 pipeline 或 llama.cpp 完成推理部署。
Hugging Face Blog精选AI 评分7575 Open R1 Update #3：CodeForces-CoTs 数据集与 OlympicCoder 模型
Hugging Face 发布 Open R1 Update #3，公布从 DeepSeek-R1 蒸馏得到近 10 万条高质量 C++ 与 Python 代码推理样本的 CodeForces-CoTs 数据集，并发布基于 IOI 的新基准。
推荐理由：给出了代码推理复现的细节与 7B、32B 模型结果，可参考训练策略与评测方法。
Hugging Face Blog精选AI 评分6262 L2D 发布：全球最大开源自动驾驶多模态数据集
Yaak 与 Hugging Face 联合发布 L2D，这是全球规模最大的开源自动驾驶多模态数据集，包含超过 90TB、5000 小时的德国 30 城驾驶数据，涵盖 6 路环视相机、完整车辆状态、环境条件及自然语言指令。数据将分阶段更新至 R4，并支持接入 LeRobot 流水线进行端到端模型训练，2025 年夏季还将开放带安全员的闭环实测。
推荐理由：L2D 是当前最大的开源自动驾驶多模态数据集，包含 90TB 以上数据，可直接接入 LeRobot 训练端到端模型。
Hugging Face Blog精选AI 评分6969 Cohere 发布 Aya Vision 8B 与 32B 多语言视觉模型
Cohere 开放 Aya Vision 8B 和 32B 权重，支持 23 种语言的图像理解、视觉问答与图文翻译。模型基于 SigLIP2-patch14-384 视觉编码器和 Aya Expanse 语言底座，通过 4 倍 Pixel Shuffle 下采样降低多模态输入开销。
推荐理由：模型在开放权重下支持 23 种语言视觉任务，并配合评测基准发布，可直接复用于多语言视觉落地。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 Python 实时通信库 FastRTC
Hugging Face 发布专为 Python 设计实时通信库 FastRTC，简化实时音视频 AI 应用开发。该库内置语音检测、轮替控制和 WebRTC Gradio 界面，支持通过 FastAPI 自定义部署，并提供免费电话接入功能，开发者可结合 Moonshine、Kokoro 等模型快速构建实时语音应用。
推荐理由：为 Python 开发者提供开箱即用的实时音视频通信库，降低 WebRTC 工程门槛，并内置 Gradio 界面和电话接入功能。
Hugging Face Blog精选AI 评分7575 Google 发布 SigLIP 2 多语言视觉语言编码器
Google 发布 SigLIP 2 多语言视觉语言编码器，作者团队在 SigLIP 的 sigmoid loss 之上叠加解码器、全局-局部自蒸馏和掩码预测等辅助目标，以提升语义理解、定位和密集特征能力。
推荐理由：作者拆解了 SigLIP 2 相对 SigLIP 新增的多项训练目标与动态分辨率变体，并给出可直接运行的推理与对比方法。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 SmolVLM2 系列视频理解模型
Hugging Face 发布 SmolVLM2 多模态模型家族，包含 2.2B、500M 和 256M 三个尺寸，用于视频理解任务。2.2B 模型在 Video-MME 基准上超过现有 2B 级别模型；500M 版本支持在 iPhone 本地运行；所有模型均可通过 Transformers 和 MLX 框架进行推理和微调。
推荐理由：SmolVLM2 提供 2.2B、500M 和 256M 三种尺寸视频模型并支持端侧运行，读者可按设备内存直接评估部署门槛。
Hugging Face Blog精选AI 评分6666 Google 发布 PaliGemma 2 Mix 多任务指令视觉语言模型
Google 发布 PaliGemma 2 mix，这是一组在多种视觉语言任务上微调的指令型视觉语言模型，覆盖 3B、10B 和 28B 规模。文章展示了其处理开放式任务提示和检测定位任务的方式，并提供了通过 Transformers 进行推理的代码和在线演示。
推荐理由：文章解释了 mix 变体如何作为预训练模型的下游能力参考，并给出可运行的推理示例。
Hugging Face Blog精选AI 评分8080 Hugging Face 发布 PaliGemma 2 视觉语言模型
PaliGemma 2 是由 Google 推出的新一版视觉语言模型，文章作为官方发布介绍。
Hugging Face Blog精选AI 评分7676 Cosmopedia：如何为预训练大语言模型创建大规模合成数据
Hugging Face 发布了名为 Cosmopedia 的 250 亿 token 合成数据集及配套的 1B 规模模型 cosmo-1b，旨在通过完全开源的端到端流程复现 Microsoft Phi-1.5 的数据集。
推荐理由：原文公开了 250 亿 token 数据集的完整生成链路和 1B 模型评测，读者可据此复现或改进合成数据预训练方法。
Hugging Face Blog精选AI 评分8787 Hugging Face Tokenizer 新增 chat_template 属性以解决聊天模型格式不匹配问题
Hugging Face 在 tokenizer 中新增 chat_template 属性，用于存储模型训练时使用的 Jinja 聊天格式模板。由于不同聊天模型采用各异的消息格式化方式，使用错误格式会导致严重的性能下降且难以调试，该功能将格式逻辑从代码库移至模型仓库，允许用户通过 tokenizer.apply_chat_template() 自动匹配正确格式。
推荐理由：文章解释了 Chat template 如何解决格式错配导致的性能衰减问题，并给出了在 Hugging Face 生态中配置该属性以统一推理流程的具体方法。
Hugging Face Blog精选AI 评分6161 通过 TRL 使用 DDPO 微调 Stable Diffusion 模型
TRL 库新集成了 DDPOTrainer 类，用于将 Denoising Diffusion Policy Optimization (DDPO) 应用于 Stable Diffusion 模型，使其输出更符合人类审美等偏好。
推荐理由：通过 TRL 新集成的 DDPOTrainer，读者可以直接在本地用 RL 微调 Stable Diffusion，降低扩散模型对齐人类偏好的门槛。
Hugging Face Blog精选AI 评分7070 面向非工程人员的指南：训练一个 LLaMA 2 聊天机器人
教程演示了如何使用 Hugging Face Spaces、AutoTrain 和 ChatUI 在不写代码的情况下，基于 LLaMA 2 7B 微调一个开源 LLM 并部署为可共享的聊天应用。
推荐理由：教程面向零基础读者，演示了如何用 AutoTrain 和 Spaces 微调 LLaMA 2 并部署成聊天应用，适合想了解开源模型部署流程的读者。