Hugging Face — GitHub для AI моделей. Крупнейшая платформа для ML сообщества. Хостинг моделей и датасетов.
Команда ggml и создатель llama.cpp присоединились к Hugging Face, закрепив статус проекта как ключевого стандарта локального запуска моделей. Сделка ускорит интеграцию и выпуск квантованных версий, но усиливает зависимость экосистемы от единого стека.
LiteCoder-Terminal-Preview — семейство компактных моделей для работы в терминале, обучаемых менее чем на 1000 примеров. Они показывают конкурентные результаты, бросая вызов парадигме больших данных в машинном обучении.
Cua-bench — новый фреймворк для генерации разнообразных данных интерфейса и траекторий обучения, решающий проблему хрупкости ИИ-агентов для управления компьютером.
Модель Qwen-Image-i2L генерирует веса адаптера LoRA из изображения за один проход, заменяя часы обучения. Пока она лучше извлекает стиль, чем конкретное содержание, открывая путь к мгновенной персонализации диффузионных моделей.
Консорциум европейских университетов и компаний выпустил полностью открытую языковую модель EuroLLM-22B, обученную на суперкомпьютере и поддерживающую все языки ЕС.
Llama.cpp представил встроенный менеджер моделей, который автоматизирует загрузку и управление ИИ-моделями из реестра GGML, упрощая локальную разработку и тестирование.
ServiceNow представила мультимодальную модель Apriel-1.6-15b-Thinker с 15 млрд параметров, которая обещает сократить затраты на обучение на 40% при сохранении конкурентных показателей.
Обновленный рейтинг AI Energy Score показывает, что модели с логическим мышлением потребляют в 30 раз больше энергии. Некоторые системы демонстрируют 700-кратный рост энергозатрат при включении функции рассуждений.
Hugging Face выпустила официальную Swift-библиотеку для интеграции моделей машинного обучения в iOS и macOS приложения с нативной поддержкой Core ML.
Transformers v5 представляет фундаментальные изменения архитектуры библиотеки с упором на модульность и производительность. Ежедневные установки выросли в 150 раз за 5 лет.