AtomicChat 发布 Muse Glimmer 30B GGUF 量化版
AtomicChat 在 Hugging Face 发布了 Meta Muse Glimmer 30B 的 GGUF 量化版本，基于原始 BF16 权重并采用校准的重要性矩阵与实测选定的位布局。该版本已合并进 llama.cpp master，可在单张 RTX 5090 上以 24.6 GB 显存运行完整多模态、工具调用与投机解码，生成速度提升 1.8 倍。
多模态
技术方向 · 文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品 · 共 1342 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
10月26日周一 · 14 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
综述：以世界建模统一视频理解与生成
一篇发表于 Hugging Face Daily Papers 的综述论文提出以「世界建模」为统一视角，整合视频理解与视频生成研究。作者将观测视频视为潜在时序世界的部分、有损投影，并围绕读取、写入、共享、交互四种操作组织文献，覆盖 600 余项工作。论文区分了时序连贯性与世界状态一致性，提出证据阶梯与分类体系，并总结长时一致性、物理因果等七项开放挑战。
正文结构化主题已通过公开置信门槛
MiniCPM-V 4.7 35B-A3B 开源 MoE 多模态模型发布
面壁智能（OpenBMB）发布 MiniCPM-V 4.7 的 35B-A3B 版本，这是 MiniCPM-V 系列首个 MoE 多模态模型。该模型借助 Lookahead Expert Scheduling（LES）、细粒度分层量化和 DSpark 投机采样，成为首个可在端侧无损流畅运行的开源 MoE 模型，在 iPhone 17 Pro Max 上仅用
正文结构化主题已通过公开置信门槛
OpenBMB 发布 MiniCPM-V 4.7 1B 端侧多模态模型
OpenBMB 在 Hugging Face 发布 MiniCPM-V 4.7 的 1B 版本，延续该系列的单图、多图与视频理解能力，主打端侧高效推理。模型采用视觉编码器内早期压缩与 4x/16x 混合视觉 token 压缩，官方称在整体得分和推理效率上明显优于 Qwen3.5 0.8B。它支持 iOS、Android、HarmonyOS 及多家芯片平台，并
正文结构化主题已通过公开置信门槛
Google DeepMind 发布 Gemma 4 系列开源多模态模型
Google DeepMind 在 Hugging Face 发布 Gemma 4 系列开源模型，包含 E2B、E4B、12B、26B A4B、31B 五种尺寸，采用 Dense 与 MoE 混合架构，支持文本、图像、视频及部分尺寸的音频输入，上下文窗口最高 256K。该系列强化推理、编码与原生函数调用能力，并引入多 Token 预测（MTP）草稿模型，通过
正文结构化主题已通过公开置信门槛
MiniCPM-V 4.7 1B 发布 GGUF 量化版，面向端侧多模态推理
OpenBMB 在 Hugging Face 发布 MiniCPM-V 4.7 1B 的 GGUF 量化版本，基于 llama.cpp，面向端侧部署。该 1B 多模态模型采用 LLaVA-UHD v4 的 ViT 内早期压缩与 4x/16x 混合视觉 token 压缩，官方称在整体得分和推理效率上明显优于 Qwen3.5 0.8B。模型支持 iOS、Andr
正文结构化主题已通过公开置信门槛
Huihui Qwen3.8-27B 消融版 NInfer FP8/NVFP4 量化发布
Hugging Face 用户 lyf 发布了基于 huihui-ai/Huihui-Qwen3.8-27B-abliterated 的 NInfer 量化产物，采用 FP8 与 NVFP4 混合精度，面向 Blackwell 架构（RTX 5090、sm120）。该仓库同时提供原始 v2 与 v3 兼容版本，v3 仅更新容器与聊天模板、保持全部 1118
正文结构化主题已通过公开置信门槛
MiniMax 发布 M3-MXFP8 量化多模态模型
MiniMax 在 Hugging Face 发布 MiniMax-M3-MXFP8，这是原生多模态模型 MiniMax-M3 的 MXFP8 量化版本，约 428B 总参数、23B 激活参数，支持 1M 上下文。该模型从训练第一步即进行混合模态训练，并引入 MiniMax Sparse Attention（MSA）提升长上下文效率，在 1M 上下文下相比
正文结构化主题已通过公开置信门槛
MiniMax 发布 M3.1-Flash 多模态 MoE 模型
MiniMax 在 Hugging Face 发布 MiniMax-M3.1-Flash，这是一个原生多模态混合专家（MoE）模型，支持文本、图像和视频输入，上下文窗口最高 100 万 token。模型面向编程、智能体工作流、计算机操作和网络安全场景，通过全模型稀疏注意力、量化感知训练和 DSpark 推测解码提升推理效率。官方称其在智能体任务、编程和网络安
正文结构化主题已通过公开置信门槛
MiniMax 发布原生多模态模型 M3：1M 上下文、428B 参数
MiniMax 在 Hugging Face 发布原生多模态模型 MiniMax-M3，约 428B 总参数、23B 激活参数，支持 1M 上下文。该模型从训练第一步即进行混合模态训练，并引入 MiniMax Sparse Attention（MSA）稀疏注意力，在 1M 上下文下相较 M2 实现 9 倍 prefill 与 15 倍 decode 加速，单
正文结构化主题已通过公开置信门槛
声网发布对话式AI实时基础设施，提出五级对话能力框架
在iRTE2026实时智能大会上，声网创始人兼CEO赵斌提出「五级对话能力」框架，并展示Agora Conversational Model多模型协作混合对话系统、Conversational Agent System及分布式实时推理云方向，试图把实时网络、音频处理与推理基础设施整合为生成式AI时代的实时交互底座。大会同时汇集美团、阿里、MiniMax、阶跃
正文结构化主题已通过公开置信门槛
多模态预测自闭症与非自闭症双人对话的感知成功度
马里兰大学和德克萨斯大学达拉斯分校的研究者提出一种多模态方法，利用发音协调、面部动作单元、音高、强度和轮流发言等特征，在三个包含自闭症与非自闭症参与者的自发双人对话数据集上预测参与者主观感知的对话成功度。研究发现对话成功本质上是多维的，需要多层面分析框架，融合互补模态有望提升预测效果。
正文结构化主题已通过公开置信门槛
DirCast：单流式视频语言模型实现电竞直播导播与解说
来自Alaya Lab、东京大学、佐治亚理工学院、北京大学和东京科学研究所的研究者提出DirCast，一个单一流式视频语言模型，能同时完成电竞直播的导播（每秒决定切换哪个选手镜头）和实时解说，且仅依赖过去信息。团队构建了27场Dota 2职业比赛数据集（含每位英雄镜头、人类导播选择和解说词）。实验显示DirCast导播优于规则和零样本导播（包括GPT-5），
正文结构化主题已通过公开置信门槛
Omni-Woodpecker：通过证据-先验重平衡纠正全模态大模型幻觉
研究者提出 Omni-Woodpecker（OWP），一个无需训练的框架，用于减少全模态大模型（OLLMs）中的跨模态幻觉。该方法先识别跨模态冲突，再通过正交分解将隐藏状态中的 grounding 证据与误导性先验分离，并在解码前自适应重平衡融合表示。以 Qwen2.5-Omni-7B 为骨干，OWP 在 CMM 和 AVHBench 上分别提升 12.9
10月25日周日 · 5 条
正文结构化主题已通过公开置信门槛
东方槊发布Qwen3.8-27B-NSFW-v2 GGUF量化版
东方槊（Dongfangshuo）在 Hugging Face 发布 Dongfangshuo-Qwen3.8-27B-NSFW-v2-GGUF，这是其 NSFW 中文长篇小说创作模型的官方 GGUF 量化版本。该模型基于 huihui-ai/Huihui-Qwen3.8-27B-abliterated 深度重训，v2 版本声称根治了长文注意力崩溃与无限复读
正文结构化主题已通过公开置信门槛
ggml-org 发布 Nemotron-3.5-Super-VL-120B GGUF 量化版
ggml-org 在 Hugging Face 发布了 NVIDIA Nemotron-3.5-Super-VL-120B-A12B 的 GGUF 量化版本，该模型基于 NVIDIA 的 BF16 原版转换而来，属于图文到文本（image-text-to-text）多模态模型。用户可通过 Llama 应用或终端命令 llama serve 直接运行。该仓库由
正文结构化主题已通过公开置信门槛
Xinference 发布 v4.1.0：新增多模型支持与 TRT-LLM 后端
Xinference 发布 v4.1.0，新增对 DeepSeek-V4.1-Flash、GLM-5.3、Qwen3.8-Flash-Next、MiniCPM-V-4.7 等模型的支持，并加入 TRT-LLM 后端与 Xavier KV 缓存共享、Anthropic 上下文管理、fastapi-guard 安全中间件等能力。该版本还优化了工具调用流式解析性能
正文结构化主题已通过公开置信门槛
ggml-org 发布 Clef-GGUF 量化决策模型
ggml-org 在 Hugging Face 发布了 Clef-GGUF，这是对 Cloudflare/clef 模型的 GGUF 量化转换版本，采用 Apache-2.0 许可，pipeline 标签为 image-text-to-text。该模型被描述为决策模型，需通过 /v1/systemone API 调用，并依赖 llama.cpp 的 PR #
正文结构化主题已通过公开置信门槛
Qwen3.6-35B-A3B 的 MLX 混合精度量化版发布
开发者 Jundot 在 Hugging Face 发布了 Qwen3.6-35B-A3B 的 MLX 混合精度量化版本 Qwen3.6-35B-A3B-oQ4e-mtp，使用 oMLX v0.7.3.dev1 的 oQ 方法按层敏感度分配 4/5/6/8 位与 BF16 精度，完整检查点平均约 4.8 bits/weight，总存储约 20.09 GiB。
10月24日周六 · 1 条
正文结构化主题已通过公开置信门槛
SoAI 发布 Qwen3.5-9B GGUF 量化版
SoAI 在 Hugging Face 上发布了 Qwen3.5-9B 的 GGUF 量化版本，面向 llama.cpp 与 SoAI 使用。该模型为 9B 稠密架构，支持图像输入、思考模式与工具调用，上下文达 256K，提供 Q4 K M 与 Q8 0 两种量化文件及图像投影附加文件。Q4 K M 使用基于真实聊天、代码与工具调用语料校准的 imatrix