Hugging Face
-
Hugging Face推出harness adapters:Qwen3.8-27B在pi框架上Terminal-Bench得分从39%升至55%,平均token用量减半
Hugging Face于11月20日介绍为智能体框架训练的LoRA适配器。以Qwen3.8-27B为例,在pi框架的Terminal-Bench 2.1上,pass@1从39%升至55%,平均每题token从约2.9K降至1.5K。三个专科适配器还可合并使用,但换到很不同的评测循环后优势不再明显。
-
微软Edge将Aion Instruct设为内置小模型并开放Prompt API源试验,2.3B权重已在Hugging Face开源
微软Edge团队在11月19日宣布三项更新:Aion Instruct作为开源权重模型在Hugging Face上全面提供,并替换Phi-4-mini,成为Edge内置的小语言模型;Prompt API进入源试验,开发者可在正式网站上调用;实验性的Decisions API则在Canary和Dev渠道提供开发者预览。
-
Reson8开源Rumble-2-Flash:0.5B语音识别模型覆盖40余种语言,电话场景接近30B量级模型
总部位于阿姆斯特丹的Reson8以Apache 2.0开源0.5B参数语音识别模型Rumble-2-Flash。它覆盖40余种语言,在Open ASR多语言赛道平均错误率约6.96%,并在302小时呼叫中心基准上接近约30B参数的Nemotron 3.5 Transcribe。
-
苹果发布FastFrames视频生成模型:小模型单卡一帧约35.4毫秒,大模型由Wan2.1-14B蒸馏而来
苹果在Hugging Face发布FastFrames-S和FastFrames-L两款视频生成模型,均为自回归、两步扩散,输出832×480、81帧、16帧/秒的视频。官方示例显示,13亿参数的S模型在单卡、满KV缓存时总延迟约35.4毫秒;14B的L模型由Wan2.1-14B蒸馏而来。
-
Hugging Face把语言模型推理路由交给OpenRouter:容量错误降46%,开源权重模型已占七成流量
Hugging Face把语言模型推理路由切换到OpenRouter,现有代码和令牌不用改,失败会在同一次调用内自动换源。官方称容量错误下降46%,开源权重模型已占约七成流量;自定义提供商密钥对语言模型不再可用。
-
llama.cpp迈入1.0时代:本地大模型推理引擎正式承诺API稳定,已支持150多种模型架构
诞生三年半的llama.cpp与ggml同步发布1.0.0库版本。团队表示,今后公共C API一旦出现破坏性变更就会升级主版本号,为越来越多依赖它的下游应用提供可预期的升级边界。