Hugging Face

Futurix-AI 发布 26.1B 决策分类模型 FxAI Decision Model

Futurix-AI 在 Hugging Face 发布 FxAI Decision Model，这是一个基于 perplexity-ai/pplx-decider-v1.1-27b（其上游为 Qwen3.8-27B）微调而来的决策分类模型，参数量 26.1B，以 FP8 权重存储，并附带 Futurix Decision SDK。该模型可在给定状态、问题和

国产5B生图模型MOSS-Image海外爆火，4天超百万下载

模思智能与OpenMOSS团队开源发布5B参数文生图模型MOSS-Image，上线4天在海外社区获得130万次下载，登顶Hugging Face文生图趋势榜。该模型重点优化中英文文字渲染、JSON Layout布局控制和4096 tokens长提示词支持，并剔除训练数据中的AI生成图像以提升画面自然感。社区已快速产出加速、量化版本与LoRA，模型API同步上

ALTK-Evolve：用学习记忆让非前沿模型登顶τ²-bench客服榜

Hugging Face 博客介绍 ALTK-Evolve 方法：用 GPT-4.1 分析客服智能体在 τ²-bench 训练任务上的成功与失败轨迹，自动提炼行为规则并追加到系统提示中，无需更新模型权重或人工标注。在零售领域，该方法使 GPT-4.1 智能体的 Pass^4 从 57.5% 提升至 67.5%，超过榜单上所有零售条目；航空领域 Pass^4

高德发布全身基座模型λ0，推动机器人全身动作对齐

阿里巴巴旗下高德发布首个基于开放世界行为的全身基座模型λ0，仅依靠人类行动数据即可让机器人学习移动、姿态与双手操作的全身协调，摆脱局部动作学习局限。该模型在SIMPLE仿真基准及多项真机评测中取得SOTA，数据采集效率约为主流方法的3.4倍，真机任务成功率较最强基线提升22.5%。研究由高德与阿里ATH事业群共同完成，相关硬件配置代码已在GitHub开源，H

OpenDS-World：真实开放网络环境下的深度搜索基准

研究者提出 OpenDS 任务与 OpenDS-World 基准，用于评估自主多步深度搜索智能体在真实开放网络环境中的端到端研究能力。该基准包含 200 个跨模态、跨格式且需交互访问的挑战性任务，并经人工验证确保证据有效与答案唯一。在统一工具环境下评测 12 个前沿模型，最佳模型准确率为 39.0%，而人类在 1000 次独立尝试中的准确率为 21.1%。分

Meta Expert：面向存储与检索高效 MoE 的跨层专家共享

该论文提出 Meta Expert 方法，通过在 MoE 模型的不同层之间共享元专家，减少层间专家的冗余存储。实证对比显示，在激活专家数量和专家粒度固定的条件下，Meta Expert 模型仅用 70–80% 的专家数量即可达到 Vanilla MoE 的性能，且模型越深越大节省越明显。该方法已在 Intern-S2-Mobius 中完成规模化验证，并开源了

KindlingAI 发布 GLM-5.3 exlr8 三档量化权重

KindlingAI 在 Hugging Face 发布了 GLM-5.3 的 exlr8 量化版本（K2/K3/K4 三档位宽），基于 744B MoE 的 GLM-5.3-BF16 构建，面向 NVIDIA GB10 统一内存设备、以 TP=3-7 张量并行方式部署。该格式复用 EXL3 的 trellis 编码，但引入 FP8 E4M3 舍入码本、按专

Comfy-Org 发布 Flux-2-Dev 的 ComfyUI 重打包量化模型

Comfy-Org 在 Hugging Face 上发布了 Flux-2-Dev 的 ComfyUI 重打包模型文件，将 black-forest-labs 的 FLUX.2-dev 原始权重进行量化（fp8/fp4 mixed）并整理为可直接放入 ComfyUI 目录结构的单文件格式。仓库同时包含 ByteZSzn 提供的 Turbo LoRA 以及 Mi

Comfy-Org 发布 Flux 2 Klein 4B 的 ComfyUI 重打包模型

Comfy-Org 在 Hugging Face 发布了面向 ComfyUI 的 Flux 2 Klein 4B 重打包模型文件，包含扩散模型、文本编码器与 VAE 权重，并给出对应的目录放置说明。该仓库基于 Black Forest Labs 的 FLUX.2-klein-4B 与 FLUX.2-klein-base-4B 原始模型，采用 Apache-2

GLM-5.3-Flash 剪枝量化版发布：仅适配 Python 编程

开发者 lapadatbogdan 在 Hugging Face 发布 GLM-5.3-Flash-REAP144-Coder-GGUF，基于 zai-org/GLM-5.3-Flash（321B MoE），按真实 agentic 编程会话剪枝 288 个专家中的 144 个，并量化为多种 GGUF 版本，使模型从 321B-A18B 降至 161B-A17

DeepSeek-V4.1-Flash 去审查版 ds4 GGUF 量化发布

Hugging Face 用户 audreyt 发布了 DeepSeek-V4.1-Flash-Abliterated-GGUF，这是基于社区去审查（abliterated）版 DeepSeek V4.1 Flash 检查点转换的 DwarfStar（ds4）专用 GGUF 量化文件，包含 Maya-XS、Q1、Q2 等多个版本。文件采用 ds4 特有的张量

NVIDIA 发布 Nemotron 3.5 Super VL 120B 全精度视觉语言模型

NVIDIA 在 Hugging Face 发布 Nemotron 3.5 Super VL 的 BF16 全精度版本，这是一个面向推理、编码、工具调用、文档与视频理解的视觉语言模型。模型采用 Mamba-2、MoE 与注意力混合架构，总参数 120B、激活参数 12B，支持最长 1M token 上下文，并可通过 MTP 实现原生投机解码。该版本面向定制化

OpenAI、Anthropic 与 Nvidia 游说支出创单季新高

联邦披露文件显示，OpenAI、Anthropic 和 Nvidia 在 7 月至 9 月均创下各自单季游说支出最高纪录，合计近 600 万美元，议题涵盖网络安全、儿童安全等。其中 Nvidia 支出 220 万美元、Anthropic 210 万美元、OpenAI 150 万美元。这表明三家 AI 公司正日益重视影响政策制定，尤其在中期选举前与国会和白宫的

SpatialScout：VLM 智能体能否主动探索并构建 3D 场景地图？

研究团队发布 SpatialScout 基准，用于评估视觉语言模型（VLM）智能体在主动物体级 3D 建图任务上的能力。该基准包含 80 个室内场景、3140 个目标物体，要求智能体在有限交互预算下控制相机探索、跨视角关联并估计物体中心坐标。实验显示最强模型 Claude Opus 5.5 平均重叠分数仅 41.71%，IoU 超过 0.9 的目标仅占 3.

Qwen-Image-2.1 VAE 纹理修复微调版发布

开发者 madebyollin 在 Hugging Face 发布了 Texture-Fix-VAE-for-Qwen-Image-2.1，这是对 Qwen-Image-2.1 VAE 的非官方微调版本。该版本通过 TAESD 的对抗训练配方修复了棋盘格伪影，并调整权重降低激活幅度，解决了原版在 fp16 下产生 NaN 的问题。指标显示 rFID 从 3.

NVIDIA 发布 Nemotron 3.5 检索模型系列，提升 Agent 检索效率

NVIDIA 在 Hugging Face 发布 Nemotron 3.5 检索模型系列，包括 8B/1B 的 Embed 嵌入模型（含 NVFP4 量化版）、8B Rerank 重排模型和 631M 的 Parse 文档解析模型，均开放且可商用。这些模型支持文本与图像的多模态检索、多语言检索和跨模态重排，旨在提升企业级 Agent 工作流的检索质量。评测显

StreamEval：交互式流式视频生成模型评测基准

研究团队提出 StreamEval，这是首个面向交互式流式视频生成的统一基准，覆盖虚拟人对话、虚拟人表演、世界生成、指令编辑和参考编辑五类任务，包含 300 个时长 15-300 秒的脚本化测试用例，并从任务执行、状态一致性、视觉保真度和视听协调四个维度评估。对 37 个模型的评测显示，高视觉质量与身份保持并不等同于可靠的请求执行或持续的状态一致性，任务执行

星辰开源意图理解模型Xing4.0-29B-Intent

中电信人工智能科技有限公司星辰通用人工智能实验室发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放275万条训练语料、模型权重与推理镜像。该模型将意图识别与参数抽取结合，输出结构化 JSON，已在电信万号客服、智能家居音箱等场景应用。官方评测称其在四类信息抽取任务总分58，高于参评通用模型最高49，类别决策总分70领先 Jev 与 G

另有 1 家信源报道

NVIDIA Cosmos 扩展世界模型训练、评估与部署工具

NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图，帮助开发者构建用于物理 AI 的世界模型。Cosmos 在六个开放模型排行榜上进入前五，并提供数据整理、合成数据生成、模型微调与优化、NIM 微服务部署等能力。Porsche、ANYbotics、Ultralytics、ADNOC 等公司已用其加

PAW-27B-X3.1-GGUF：Qwen3.8-27B 量化版发布

开发者 lackonendes 在 Hugging Face 发布 PAW-27B-X3.1-GGUF，这是对 Qwen/Qwen3.8-27B 的量化版本更新，采用 trellis-codec 与 PAW 方案，可在单张 RTX 3090（24GB 显存）上以 262,144 token 全上下文运行，生成速度约 129 tok/s。相比前代 X3，相同文