DeepSeek-V3-0324 上线 Hugging Face，改用 MIT 许可并提升代码与数学能力
DeepSeek-V3-0324 本周出现在 Hugging Face Hub，架构与初代 DeepSeek-V3 相同，但许可从自定义模型许可改为 MIT，重点提升指令遵循、代码与数学能力。
推荐理由：DeepSeek-V3-0324 改用 MIT 许可并提升代码与数学能力，自托管或调 API 的可以换版本重测基准。
Hugging Face
全部主题开源模型与推理端点的价格、许可与可用性；自托管替代付费 API 的路径。
最新精选
第 21–38 条 · 共 38 条Hugging Face Blog精选AI 评分6262
Hugging Face Blog精选AI 评分6262 用 Sentence Transformers 微调重排模型：150M 小模型 30 分钟超过 13 个公开基线
Hugging Face 发布教程，讲如何用 Sentence Transformers 的 CrossEncoderTrainer 微调重排模型（cross-encoder），涵盖数据集格式、损失函数、训练参数、评估器和训练器五个组件。
推荐理由：用 99k 条 GooAQ 数据微调 150M 重排模型，30 分钟就能超过 13 个公开基线，做搜索的可以照脚本复现。
Hugging Face Blog精选AI 评分6565 Google 发布 Gemma 3 开放权重模型，1B 到 27B 四个尺寸、4B 以上支持图像与 128k 上下文
Google 发布 Gemma 3，这是 Gemma 系列的新一代开放权重模型，提供 1B、4B、12B、27B 四个尺寸，均有预训练版和指令微调版。4B、12B、27B 支持图像与文本输入并覆盖 140 多种语言，1B 仅支持文本和英语；上下文窗口从 Gemma 2 的 8k 提升到 1B 的 32k、其余三档的 128k。
推荐理由：Gemma 3 四个尺寸全部开放权重，4B 以上支持图像与 128k 上下文，本地跑多模态的可以换模型了。
Hugging Face Blog精选AI 评分6262 Open R1 更新：发布 CodeForces-CoTs 数据集与 OlympicCoder 7B/32B 代码模型
Hugging Face 的 Open R1 项目发布 CodeForces-CoTs 数据集，包含近 10 万条由 DeepSeek-R1 蒸馏、以 C++ 和 Python 生成的高质量解题样本，并开源 open-r1/codeforces 数据集（超 1 万个题目，约 3000 个未收录于 DeepMind 数据集）。
推荐理由：开源了 CodeForces-CoTs 数据集与 OlympicCoder 模型，做代码推理微调的可以直接拿去用。
Hugging Face Blog精选AI 评分6262 Hugging Face 与 Yaak 发布 L2D：全球最大开源自动驾驶数据集，90TB、5000 小时驾驶数据
Hugging Face 的 LeRobot 团队与 Yaak 联合发布 L2D（Learning to Drive），称其为全球最大的开源自动驾驶数据集，含 90TB 以上多模态数据、5000 小时以上驾驶记录，来自德国 30 座城市的 60 辆驾校车辆，采集历时 3 年。
推荐理由：L2D 以 LeRobot 格式放出 90TB 驾驶数据，做端到端驾驶或机器人模仿学习的可以直接拉取训练。
Hugging Face Blog精选AI 评分6262 Cohere For AI 开源 Aya Vision 8B 与 32B 多语言视觉语言模型
Cohere For AI 发布 Aya Vision 系列开源权重视觉语言模型，含 8B 和 32B 两个参数规模，覆盖 23 种语言，支持图像描述、视觉问答、文本生成以及图文翻译。
推荐理由：Cohere For AI 放出 8B 和 32B 多语言视觉模型权重，做多语言图像理解的可以直接下载自托管。
Hugging Face Blog精选AI 评分6262 Llama 3.2 发布：可看图，也能在设备端运行
Hugging Face 博客宣布 Llama 3.2 发布，该版本支持视觉理解，并可在设备端运行。
Hugging Face Blog精选AI 评分6666 Hugging Face 教你用自家代码库训练个人 Copilot
Hugging Face 发布教程，介绍如何基于自家 GitHub 公开仓库代码微调代码模型，做出名为 HugCoder 的个人 Copilot。数据采集上，作者用 Python 多进程并行克隆仓库并过滤非代码文件，最终数据集取 transformers、diffusers、peft 等 star 数最高的 10 个 Hugging Face 公开仓库。
推荐理由：想用自家代码库训代码补全模型的，这篇给了从抓取、QLoRA 微调到本地 MLC 部署的完整流程和成本数字。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Gradio-Lite，Gradio 应用可完全在浏览器中无服务器运行
Hugging Face 发布 @gradio/lite，一个基于 Pyodide 的 JavaScript 库，让 Gradio 应用直接在浏览器中运行，无需服务端基础设施。
推荐理由：Gradio 应用可以完全跑在浏览器里，不用再为演示页养一台服务器，代价是首次加载要等 5-15 秒。
Hugging Face Blog精选AI 评分6060 Hugging Face 为 PRO 用户推出 Inference API，含 Llama 3、Mixtral 等模型与更高限流
Hugging Face 为 PRO 订阅用户推出 Inference for PROs，提供 Llama 3 Instruct 8B/70B、Mixtral 8x7B Instruct。
推荐理由：Hugging Face PRO 新增一批托管模型 API 与更高限流，想省掉自建推理的可以先拿它做原型。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Würstchen：42x 压缩的快速文生图扩散模型
Hugging Face 发布 Würstchen，一种文本条件扩散模型，其文本条件部分在高度压缩的潜空间中工作，实现 42x 空间压缩，推理比 Stable Diffusion XL 更快且显存占用更低。
推荐理由：Würstchen 以 42x 空间压缩把文生图推理显存和训练成本压到 SDXL 之下，显存吃紧的可以换它跑 1024 到 1536 分辨率。
Hugging Face Blog精选AI 评分6262 用 DPO 微调 Llama 2：TRL 新增 DPOTrainer 并给出完整训练代码
Hugging Face 在 TRL 库中上线 Direct Preference Optimization（DPO）训练器，用二元交叉熵损失直接优化偏好数据，省去 RLHF 中的奖励模型训练和 RL 优化两步。
推荐理由：TRL 里新增 DPO 训练器，附 Llama 2 7B 的 QLoRA 微调完整代码，想省掉奖励模型和 RL 环节的可以直接照跑。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 swift-transformers，在 Apple 设备上本地运行 LLM
Hugging Face 发布 swift-transformers，一个开发中的 Swift 包，为 Swift 开发者提供类似 transformers 的 API，专注文本生成，并支持从 Hub 下载模型与 tokenizer 配置。
推荐理由：想在 iOS/Mac 应用里跑本地 LLM 的 Swift 开发者，可以直接用这套 alpha 工具链和已转换好的 Llama 2、Falcon 模型起步。
Hugging Face Blog精选AI 评分6262 Segmind 开源 SD-Small 与 SD-Tiny 的蒸馏代码和权重
Segmind 开源了压缩版 Stable Diffusion 模型 SD-Small 和 SD-Tiny 的权重与知识蒸馏训练代码，两者参数量分别比基础模型少 35% 和 55%，推理速度最高快 100%。
推荐理由：Segmind 开源了 SD-Small 与 SD-Tiny 的权重和蒸馏代码，参数少 35% 和 55%，想在本地跑图或做 LoRA 微调的可以省下算力。
Vercel Changelog精选AI 评分6262 Vercel 发布开源 AI SDK，支持 React/Svelte 流式对话界面
Vercel 发布开源 AI SDK，一个用于在 JavaScript 和 TypeScript 中构建对话、流式和聊天界面的库，支持 React/Next.js、Svelte/SvelteKit，Nuxt/Vue 支持即将推出。
推荐理由：Vercel 开源了 AI SDK，用 React/Svelte hooks 几行代码就能接 OpenAI、LangChain 和 Hugging Face 做流式对话界面。
Hugging Face Blog精选AI 评分6262 Hugging Face 用 bitsandbytes、4-bit 量化和 QLoRA 让大模型更易部署
Hugging Face 发布博客，介绍通过 bitsandbytes、4-bit 量化与 QLoRA 让大语言模型更易获取。原文正文抓取失败，仅标题可用。
Hugging Face Blog精选AI 评分6060 Hugging Face 推出 Evaluation on the Hub，无需写代码即可评测任意模型与数据集
Hugging Face 发布 Evaluation on the Hub，由 AutoTrain 驱动，可在 Hub 上对任意模型、任意数据集做评测，无需写一行代码。
推荐理由：不用写代码就能在 Hub 上给任意模型跑任意数据集的评测，做模型选型或复现论文结果的可以直接用。
Hugging Face Blog精选AI 评分6262 用 Accelerate 不改代码跑 PyTorch FSDP，在 2 张 24GB 卡上训练 GPT-2 XL
Hugging Face 介绍如何用 Accelerate 在不改代码的情况下启用 PyTorch FullyShardedDataParallel（FSDP），在 2 张 24GB NVIDIA Titan RTX 上对 GPT-2 Large（762M）和 GPT-2 XL（1.5B）做因果语言建模训练。
推荐理由：用 Accelerate 不改代码就能跑 PyTorch FSDP，显存不够的可以照表选分片与 CPU offload 配置。