BSC-LT 发布 Visual Salamandra 7B 多模态模型，支持图像与视频理解
巴塞罗那超级计算中心语言技术实验室发布 Visual Salamandra，基于 Salamandra Instructed 7B，集成 SigLIP-So400m 视觉编码器、2 层 MLP 投影层和 late-fusion 技术，可处理单图、多图、视频和纯文本输入。
#模型发布
#模型发布
今日 2 条Hugging Face BlogAI 评分5353
Hugging Face Blog精选AI 评分8080 Meta 发布 Llama 4 Maverick 与 Scout，Hugging Face 同步上线权重与生态支持
Meta 发布 Llama 4 Maverick（约 400B、128 专家）和 Scout（约 109B、16 专家），均为 17B 激活参数的 MoE 原生多模态模型，在最多 40 万亿 token、200 种语言数据上训练。
推荐理由：官方公告给出两款模型的参数、上下文长度与架构细节，读者可以据此评估部署门槛和与 transformers 的集成方式。
Hugging Face Blog精选AI 评分7474 DeepSeek-V3-0324 上架 Hugging Face Hub，Hugging Face 团队详解性能与使用方式
DeepSeek-V3 更新版 0324 上架 Hugging Face Hub，架构与原版相同并改为 MIT 许可，重点改进指令遵循、代码与数学能力。官方基准显示 MMLU-Pro 75.9→81.2、AIME 39.6→59.4、LiveCodeBench 39.2→49.2，常与 GPT-4.5 相当、普遍强于 Claude-Sonnet-3.7。
推荐理由：原文汇总了基准对比、能力改进细节和多种本地部署路径，读者可据此评估是否在自己的工作流中替换旧版 V3。
OpenAI News精选AI 评分7878 OpenAI 发表 GPT-4o 图像生成系统卡附录
OpenAI 发表 GPT-4o 系统卡附录，介绍 4o 图像生成，称其比此前 DALL·E 3 系列能力显著更强。它能生成照片级真实输出，并支持以图像作为输入进行转换。
推荐理由：原文明确了 4o 图像生成相比 DALL·E 3 的能力跃升，读者可以据此判断它在生成与图像转换上的新定位。
Hugging Face Blog精选AI 评分6666 NVIDIA GTC 2025 发布 Cosmos Transfer、Physical AI Dataset 与人形机器人基础模型 Isaac GR00T N1
NVIDIA 在 GTC 2025 上发布三项面向物理 AI 的开源资源：70 亿参数的 Cosmos Transfer 世界基础模型、含超过 32 万条轨迹共 15 TB 数据的 Physical AI Dataset，以及首个开放的人形机器人推理与技能基础模型 NVIDIA Isaac GR00T N1。
推荐理由：官方一次放出 Cosmos Transfer、开放数据集和 GR00T N1 三项资源，开发者可直接获取模型权重与数据用于机器人和自动驾驶研发。
Mistral AI精选AI 评分6666 Mistral 发布 Mistral Small 3.1：多模态、128k 上下文、Apache 2.0 开源
Mistral AI 发布 Mistral Small 3.1，基于 Mistral Small 3 改进文本性能、增加多模态理解和 128k 上下文窗口，推理速度达 150 tokens 每秒。
推荐理由：官方给出基准对比、128k 上下文、单卡部署要求和开源下载入口，可据此评估其在小模型生态的定位。
Hugging Face Blog精选AI 评分8181 Google 发布开源多模态多语言长上下文模型 Gemma 3
Google 发布 Gemma 3 系列开源模型，提供 1B/4B/12B/27B 四种尺寸，4B 及以上支持图文输入和 140+ 种语言，上下文窗口扩展到 128K（1B 为 32K）。
推荐理由：文章梳理了 Gemma 3 各尺寸能力变化并给出 transformers、llama.cpp、MLX 的推理用法，便于判断上手方式。
Hugging Face Blog精选AI 评分6363 Hugging Face Open R1 更新：发布 CodeForces-CoTs 数据集、IOI 基准与 OlympicCoder 7B/32B 模型
Hugging Face 在 Open R1 第三次更新中发布了从 DeepSeek-R1 蒸馏的 CodeForces-CoTs 数据集（近 10 万样本）、2024 年 IOI 题目构成的 IOI 基准，以及基于 Qwen2.5 Coder 微调的 OlympicCoder-7B 和 OlympicCoder-32B。
推荐理由：Hugging Face 官方复盘训练过程，给出样本打包、学习率等可复用经验，并附带完整数据集、基准和评测代码。
Mistral AI精选AI 评分6565 Mistral 发布 OCR API，文档理解基准领先并可按需自托管
Mistral AI 发布 Mistral OCR 光学字符识别 API，输入图片和 PDF，输出图文交错内容，定位为多模态文档 RAG 系统的解析组件。
推荐理由：官方给出与 Azure OCR、Gemini、GPT-4o 的分项基准对比和定价细节，读者可以据此评估它是否适合替换现有文档解析链路。
Hugging Face BlogAI 评分5858 Cohere For AI 开源 Aya Vision 8B 与 32B 多语言多模态模型
Cohere For AI 发布开源权重视觉语言模型 Aya Vision，包含 8B 和 32B 两个规格，覆盖 23 种语言。32B 在 AyaVisionBench 上以 50% 到 64% 的胜率超过 Llama-3.2 90B Vision 等更大模型，8B 在同参数级领先；同时开源 AyaVisionBench 基准，并可通过 Hugging Face 和 WhatsApp 试用。
OpenAI News精选AI 评分6464 OpenAI 发布 GPT-4.5 研究预览版
OpenAI 发布 GPT-4.5 的研究预览版，称其为目前最大、知识最丰富的模型。材料仅含发布说明摘要，未提供更多技术细节。
推荐理由：OpenAI 官方确认 GPT-4.5 以研究预览版发布，并定位为其最大、知识最丰富的模型。
Hugging Face BlogAI 评分5555 Google 发布多语言视觉语言编码器家族 SigLIP 2
Google 发布 SigLIP 2 多语言视觉语言编码器家族，在 sigmoid 损失之上加入解码器、Global-Local 损失和 Masked Prediction 等训练目标。新模型在零样本分类、图文检索和为 VLM 提取视觉表征的迁移能力上全面超过旧版 SigLIP，并新增动态分辨率的 naflex 变体和 1B 参数的 Giant 系列，模型已在 Hugging Face 开放。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 SmolVLM2，将视频理解带到 256M 到 2.2B 的设备上
Hugging Face 发布 SmolVLM2 系列，包含 2.2B、500M 和 256M 三种参数规模，主打让视频理解在手机到服务器等设备上运行。
推荐理由：官方发布三档小尺寸视频理解模型并给出端侧运行方案，读者可以据此评估轻量多模态模型在自己的设备上的可行性。
Hugging Face BlogAI 评分4747 Google 发布 PaliGemma 2 Mix 指令视觉语言模型
Google 发布 PaliGemma 2 mix 系列，这是在 PaliGemma 2 预训练模型基础上针对多种视觉语言任务微调的指令模型，基于 SigLIP 和 Gemma 2，提供 3B、10B、28B 三种规模。
Mistral AIAI 评分5555 Mistral 发布 24B 区域语言模型 Mistral Saba，主打中东和南亚语言
Mistral AI 发布 24B 参数区域语言模型 Mistral Saba，基于中东和南亚数据训练，官方称其表现优于 5 倍以上规模的模型且更快更省成本。模型支持阿拉伯语及多种印度语系语言（泰米尔语尤其强），可通过 API 使用，也可像 Mistral Small 3 一样在单 GPU 上本地部署，速度超过 150 tokens per second。
OpenAI NewsAI 评分5050 OpenAI o3-mini 系统卡发布，说明安全评估与外部红队工作
OpenAI 发布 o3-mini 系统卡，说明围绕该模型开展的安全工作，包括安全评估、外部红队测试以及 Preparedness Framework 评估。
Mistral AI精选AI 评分6666 Mistral 发布 Mistral Small 3：24B 参数开源模型，性能对标 Llama 3.3 70B
Mistral 发布 Mistral Small 3，一个延迟优化的 24B 参数模型，以 Apache 2.0 许可开源预训练和指令微调权重。模型 MMLU 准确率超 81%，延迟 150 tokens/s，官方称性能与 Llama 3.3 70B instruct 相当且在相同硬件上快 3 倍以上。
推荐理由：24B 参数、Apache 2.0 开源、可在单卡 RTX 4090 本地运行，读者可据此评估低延迟场景下的替代方案。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 SmolVLM-256M 与 SmolVLM-500M 小型视觉语言模型
Hugging Face 发布 SmolVLM 家族两款新模型 SmolVLM-256M 和 SmolVLM-500M，各含 base 与 instruct 共 4 个 checkpoint，其中 256M 为迄今最小的 VLM。
推荐理由：官方详述 256M/500M 两款小模型的视觉编码器、数据配比和 tokenization 改动，适合想在受限设备上跑多模态的读者参考选型。
Mistral AIAI 评分5757 Mistral AI 发布 Codestral 25.01，代码生成与补全速度提升约 2 倍
Mistral AI 发布 Codestral 25.01，采用更高效的架构和改进的 tokenizer，代码生成与补全速度提升约 2 倍，上下文长度达 256k。
Hugging Face BlogAI 评分5656 LlamaIndex 与 Hugging Face 发布多语言视觉文档检索模型 vdr-2b-multi-v1
LlamaIndex 与 Hugging Face 发布多语言视觉文档检索嵌入模型 vdr-2b-multi-v1 及英文版 vdr-2b-v1，可直接对文档页截图编码检索，无需 OCR、数据抽取管线或分块。
Hugging Face Blog精选AI 评分7272 Answer.AI 与 LightOn 发布 ModernBERT，全面替代 BERT 的编码器模型
Answer.AI 与 LightOn 联合发布 ModernBERT 编码器模型系列，提供 base（149M 参数）和 large（395M 参数）两个规格，可作为 BERT 类模型的直接替代。
推荐理由：Answer.AI 与 LightOn 官方发布，作者本人阐述了架构与训练改动，读者可据此评估它能否替换现有 BERT 类工作流。
Hugging Face BlogAI 评分5959 IBM 联合高校发布混合 Mamba2 模型 Bamba-9B，vLLM 推理吞吐提升 2.5 倍
IBM、Princeton、CMU 和 UIUC 发布基于完全开放数据训练的混合 Mamba2 模型 Bamba-9B，在 vLLM 中相比标准 transformer 实现最高 2.5 倍吞吐提升和 2 倍延迟加速。
Hugging Face BlogAI 评分5454 TII 发布 Falcon3 系列开源模型，含 1B 到 10B 五个基座版本
TII 发布 Falcon3 开源模型家族，包含 Falcon3-1B-Base、3B、7B、10B 和 Mamba-7B 五个基座模型，均低于 10B 参数。
OpenAI News精选AI 评分6868 OpenAI 发布 o1 模型并推出开发者新工具
OpenAI 推出 o1 模型，同时带来面向开发者的多项更新，包括 Realtime API 改进和一种新的微调方法。
推荐理由：官方公告集中列出 o1 模型、Realtime API 改进与新微调方法，开发者可据此了解当期可用的工具变化。
OpenAI News精选AI 评分8080 OpenAI 发布视频生成模型 Sora，已上线 sora.com
OpenAI 宣布视频生成模型 Sora 上线，用户可在 sora.com 使用。支持生成最高 1080p、最长 20 秒的视频，可选宽屏、竖屏或方形比例，还可导入自有素材进行扩展、混剪与融合，或从文本生成全新内容。
推荐理由：官方公布视频生成的分辨率、时长与素材混用方式，读者可据此判断是否把 Sora 纳入现有视频创作流程。
OpenAI News精选AI 评分6767 OpenAI 发布 Sora 视频生成模型系统卡
OpenAI 发布 Sora 视频生成模型的系统卡。Sora 接受文本、图像和视频输入并生成新视频，建立在 DALL-E 和 GPT 模型的经验之上，旨在为人们的叙事和创意表达提供更多工具。
推荐理由：官方系统卡说明了 Sora 的输入输出形式和模型来源，读者可以据此了解其能力定位。
Hugging Face Blog精选AI 评分6262 Google 发布视觉语言模型 PaliGemma 2，含 3B、10B、28B 三种规模
Google 发布视觉语言模型 PaliGemma 2，将 SigLIP 图像编码器与 Gemma 2 语言模型结合，提供 3B、10B、28B 三种规模，支持 224x224、448x448 和 896x896 三种输入分辨率。
推荐理由：Google 发布 PaliGemma 2 视觉语言模型，提供 3B、10B、28B 三种规模与多分辨率选择，并附 transformers 集成和微调脚本。
Hugging Face Blog精选AI 评分6767 Hugging Face 发布 2B 开源视觉语言模型 SmolVLM
Hugging Face 发布 2B 小型视觉语言模型 SmolVLM，含 Base、Synthetic 和 Instruct 三个版本，模型、数据集、训练配方均以 Apache 2.0 开源。
推荐理由：原文给出与同级 2B 模型的显存、token 编码和吞吐对比数据，可帮助读者评估端侧部署小 VLM 的实际成本。
Mistral AI精选AI 评分6666 Mistral 发布 124B 开源权重多模态模型 Pixtral Large
Mistral 发布 Pixtral Large，一个基于 Mistral Large 2 的 124B 开源权重多模态模型，在 MathVista 达到 69.4%，DocVQA 与 ChartQA 上超过 GPT-4o 和 Gemini-1.5 Pro，LMSys Vision Leaderboard 上领先最近的开放权重模型近 50 ELO。
推荐理由：官方给出关键基准数字和开放下载渠道，读者可以据此判断该多模态模型在图像理解和文本能力上的定位。
Hugging Face BlogAI 评分5858 Cohere For AI 发布 Aya Expanse 8B 与 32B 开源权重多语言模型
Cohere For AI 发布 Aya Expanse 8B 和 32B 开源权重模型。在 Arena-Hard-Auto 23 语言成对对比中，Aya Expanse 32B 胜过 Gemma 2 27B。
Hugging Face Blog精选AI 评分6666 Stable Diffusion 3.5 Large 上架 Hugging Face 并支持 Diffusers
Stable Diffusion 3.5 Large 发布，提供 8B 基础版和 8B timestep-distilled 版两个 checkpoint，模型已在 Hugging Face Hub 开放并可在 🧨 Diffusers 中使用。
推荐理由：原文给出 Diffusers 中推理、量化加载和低显存训练 LoRA 的具体做法，读者可以直接照着在消费级硬件上使用 8B 模型。
Mistral AI精选AI 评分6060 Mistral AI 发布 Ministral 3B 与 Ministral 8B 端侧模型
Mistral AI 在 Mistral 7B 发布一周年之际推出端侧模型 Ministral 3B 和 Ministral 8B，主打设备端与边缘场景，官方称两者在 sub-10B 级别的知识、常识、推理、function-calling 和效率上达到新水平。
推荐理由：官方公布了两个端侧模型的能力定位、上下文长度、API 定价与权重许可，读者可据此评估本地推理场景的选型。
Hugging Face Blog精选AI 评分8585 Meta 发布 Llama 3.2：11B/90B 视觉模型与 1B/3B 端侧文本模型上线 Hugging Face
Meta 发布 Llama 3.2，Hugging Face 上线 10 个开放权重模型，包括 11B 和 90B 两个视觉模型（各有 base 与 instruct 版本）以及 1B 和 3B 两个可端侧运行的文本模型。
推荐理由：原文来自 Hugging Face 官方，详细说明了 Vision 与端侧小模型的规模、显存需求、许可证限制和上手方式，适合据此评估是否采用。
Mistral AI精选AI 评分7474 Mistral 发布开源多模态模型 Pixtral 12B
Mistral 发布原生多模态模型 Pixtral 12B，采用从零训练的 400M 参数视觉编码器和基于 Mistral Nemo 的 12B 多模态解码器，以 Apache 2.0 协议开源。
推荐理由：官方披露了架构细节、基准数字和 Apache 2.0 开源协议，读者可以对比同规模开源多模态模型并评估迁移成本。
OpenAI News精选AI 评分7575 OpenAI 发布 o1 模型
OpenAI 官方宣布推出 o1 模型。原文正文抓取失败，仅标题可用，更多细节待正文补充。
OpenAI News精选AI 评分6464 OpenAI 发布 o1-mini，主打高性价比推理
OpenAI 官宣 o1-mini，定位为更具成本效益的推理模型。原文正文缺失，仅提供标题与副标题“Advancing cost-efficient reasoning”，具体能力、定价和可用性细节以官方后续说明为准。
推荐理由：官方原文仅给出标题与口号，正文缺失，难以提炼具体阅读价值。
OpenAI NewsAI 评分1616 OpenAI o1 Contributions
OpenAI 发布 o1 Contributions 页面，介绍 o1 模型的相关贡献信息。页面来自 OpenAI 官方 News 来源，内容本身较为简略，未提供更多细节。
Hugging Face Blog精选AI 评分6161 TII 发布首个无注意力 7B 强模型 Falcon Mamba
阿布扎比 TII 基于 Mamba 架构发布开源模型 Falcon Mamba 7B，采用 TII Falcon Mamba 7B License 1.0，称在 LLM Leaderboard 两版基准上平均分领先多数同类 Transformer 与 SSM 模型。
推荐理由：原文给出架构设计、训练数据和两版评测基准数字，读者可据此判断无注意力 7B 模型与主流 Transformer 的差距。
Hugging Face Blog精选AI 评分6868 Google 发布 Gemma 2 2B、ShieldGemma 和 Gemma Scope
Google 在 Gemma 2 发布一个月后推出三款新模型：2.6B 参数的 Gemma 2 2B（含 base 和 instruct 版本，适合端侧使用）、基于 Gemma 2 的安全分类器系列 ShieldGemma（2B/9B/27B）以及覆盖 Gemma 2 2B 和 9B 每一层的开源稀疏自编码器套件 Gemma Scope。
推荐理由：原文详细给出 Gemma 2 2B 的端侧用法、辅助生成加速和两个配套工具的评测，对部署和模型解释研究都有可操作的参考价值。
Mistral AIAI 评分5959 Mistral 发布 Mistral Large 2：123B 参数、128k 上下文，代码与推理对标 GPT-4o
Mistral AI 发布 Mistral Large 2（版本 24.07，API 名称 mistral-large-2407），参数量 123B，拥有 128k 上下文窗口，MMLU 预训练准确率 84.0%。