Gemma 3n 在开源生态中全面可用
Gemma 3n 正式发布，支持本地运行多模态输入。该模型分为 E2B 和 E4B 两个版本，实际参数为 5B 和 8B，但显存占用仅相当于 2B 和 4B 模型，分别只需 2GB 和 3GB 显存。
推荐理由：Gemma 3n 以 2B/4B 显存实现 5B/8B 性能，支持文本、图像、音频和视频多模态输入，并开放主流开源框架支持。
内容形态
模型发布 最新动态
新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
178 条精选近 30 天 75 条共收录 423 条
更新
精选归档 · 第 8 页
Hugging Face Blog精选AI 评分8282
Hugging Face Blog精选AI 评分6565 H Company 发布开源行动 VLM Holo1 与 Web 代理 Surfer-H
H Company 在 Hugging Face 上发布开源行动视觉语言模型 Holo1 家族和 WebClick 多模态定位基准。
推荐理由：开源Holo1行动VLM家族与Surfer-H代理给出可对比的成本和精度基准，读者可评估网页自动化的落地门槛。
Hugging Face Blog精选AI 评分7777 NVIDIA GTC 2025 发布开源物理 AI 模型 Isaac GR00T N1 与数据集
NVIDIA 在 GTC 2025 大会上发布了三项开源成果：Cosmos Transfer 世界基础模型、15TB 物理 AI 数据集以及通用类人推理模型 Isaac GR00T N1。
推荐理由：NVIDIA 在 GTC 2025 开源了 Cosmos Transfer 与 Isaac GR00T N1 模型及数据集，为开发者提供了训练具身智能体的完整工具链。
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。
OpenAI精选AI 评分9292 OpenAI 发布 o1 模型及开发者新工具
OpenAI 正式发布 o1 模型，重点提升复杂推理能力。同时推出了 Realtime API 改进和新微调方法，旨在增强开发者的工具可用性。
推荐理由：OpenAI 官方宣布推出 o1 模型及实时 API 改进，同时引入新的微调方法，为开发者提供了处理复杂推理任务和更灵活定制的基础能力。
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。
Mistral AI精选AI 评分7575 Mistral Large 2 发布：123B 参数、128k 上下文，性能对齐 GPT-4o 和 Claude 3 Opus
Mistral 发布新模型 Mistral Large 2，123B 参数、128k 上下文窗口，MMLU 预训练版本达到 84.0%。Mistral 称其在代码和推理上表现与 GPT-4o、Claude 3 Opus、Llama 3 405B 相当，并优化了指令跟随、减少模型幻觉。
推荐理由：官方给出了 MMLU 84.0%、123B 参数、128k 上下文窗口和 la Plateforme 上的部署入口，可判断它与 GPT-4o、Claude 3 Opus 等模型在性价比上的位置。
Mistral AI精选AI 评分6363 Mistral 发布 12B 参数多语言模型 Mistral NeMo，支持 128k 上下文窗口
Mistral AI 正式发布 Mistral NeMo 12B，该模型由 NVIDIA 协助构建，提供最高 128k tokens 的上下文窗口。模型采用 Apache 2.0 协议开源，在推理、世界知识和编程能力上达到同规模 SOTA 水平。
推荐理由：Mistral NeMo 12B 引入 128k 上下文和新 tokenizer Tekken，性能超越同类开源模型且支持 FP8 推理，适合多语言业务部署。
Hugging Face Blog精选AI 评分6666 StarCoder2-15B-Instruct 发布：开源完全透明的自对齐代码模型
Hugging Face 和 BigCode 团队发布 StarCoder2-15B-Instruct-v0.1，这是一个完全基于自生成数据（self-aligned）训练的代码语言模型，其 HumanEval 得分达 72.6。该模型训练过程完全透明，不依赖 GPT-4 等专有模型的蒸馏数据，并已在 LiveCodeBench 上展现出优于使用 GPT-4 蒸馏数据微调模型的代码生成能力。
推荐理由：该模型完全通过自生成数据实现指令微调，证明不依赖外部教师模型也能获得强代码能力，并开源了全流程。
Hugging Face Blog精选AI 评分9696 Meta 开源 Llama 3：8B 与 70B 模型发布及 Hugging Face 全面集成
Meta 发布开源 Llama 3，提供 8B 和 70B 参数的 base 及 instruct-tuned 版本，并配套发布安全微调模型 Llama Guard 2。
推荐理由：提供了 Llama 3 的完整评测数据与 Hugging Face 生态集成指南，方便开发者快速部署和微调该模型。
Hugging Face Blog精选AI 评分7878 Idefics2 发布：Hugging Face 推出 8B 开源多模态视觉语言模型
Hugging Face 发布 Idefics2，一个 8B 参数量的通用多模态视觉语言模型，支持输入文本与图像序列并生成文本响应，Apache 2.0 开源。
推荐理由：Idefics2 采用 Apache 2.0 协议开源 8B 多模态模型，并提供配套微调数据 The Cauldron，为多模态社区提供了易用的基础与工具。
Hugging Face Blog精选AI 评分8686 CodeGemma 发布：面向代码的 LLM
Google 发布了 CodeGemma 模型，包含 2B、7B 和 7B Instruct 三种版本，专为代码生成、补全和推理设计。CodeGemma 7B 在 Python、JavaScript 和 C++ 的 HumanEval 评测中表现优于其他 7B 模型，但在中文代码方面尚未测试。
推荐理由：三个模型直接开源可下载，附 transformers 代码和量化部署方案，方便读者在本地复现。
Hugging Face Blog精选AI 评分7878 BigCode 发布 StarCoder2 模型与 The Stack v2 代码数据集
BigCode 发布 StarCoder2 系列开源编码大模型，包含 3B、7B、15B 三个规格，全部基于新的 The Stack v2 代码数据集训练并同步开放模型、数据集与训练代码。
推荐理由：原文给出了三代模型规格与数据集规模，读者可以据此判断它与现有开源编码模型之间的定位差异。
Hugging Face Blog精选AI 评分9494 Google 发布 Gemma 开源大语言模型
Google 发布名为 Gemma 的 4 个开源 LLM 模型，其中 7B 参数版本采用 6T token 预训练，8K context 下得分 63.75。Hugging Face 提供 transformers 4.38 集成支持，并说明使用 QLoRA 在单张 A10G GPU 上微调 gemma-7b 需约 9 小时。
推荐理由：Hugging Face 给出了 Gemma 与同级模型的基准对比，以及消费级 GPU 微调实践入口。
Hugging Face Blog精选AI 评分8989 Mixtral 8x7b 发布：开源 MoE 模型性能比肩 GPT-3.5
Mistral 发布 Mixtral 8x7b 大语言模型，提供 Apache 2.0 许可。该模型采用 Mixture of Experts 架构，在 MT-Bench 等测试中表现优于 Llama 2 70B，性能接近 GPT-3.5，支持 32k tokens 上下文窗口。
推荐理由：结合基准数据与工程化落地方案，呈现 Mixtral 8x7b 在开放权重模型中的能力层级与部署路径。
OpenAI精选AI 评分8181 OpenAI 在 DevDay 发布 GPT-4 Turbo、Assistants API 等新产品
OpenAI 在 DevDay 发布 GPT-4 Turbo、128K 上下文版本、Assistants API、GPT-4 Turbo with Vision、DALL·E 3 API 及更低价模型。