Hugging Face

GLM-5.3-Flash 去审查版 Q2 量化模型发布

Hugging Face 上发布了一个名为 DogContext/GLM-5.3-Flash-Uncensored-Q2-ds4 的模型，它是 GLM-5.3-Flash 的去审查（abliterated）版本，经 imatrix 校准量化为约 2-bit GGUF，可在单台 128GB Apple Silicon Mac 上常驻运行。该模型保留原生 MTP

安全为谁？拒绝话题中的正确子集而非整个话题

Hugging Face Blog 介绍了一篇新论文《Safety for Whom? Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal》，研究如何让模型只拒绝某个话题中与部署政策不兼容的子集，而非整个话题。作者以政治说服为测试场景，指出标准自生成训练流程存在覆盖缺口、误拒副

开放模型当前的力量格局：中美竞争现状

Interconnects AI 作者向美国国会议员及幕僚介绍开放权重模型在中美竞争中的现状。文章指出，自 2025 年 4 月起中国 AI 公司在开放权重模型领域明显领先，Hugging Face 下载量约为美国的两倍（32 亿对 16 亿），在 Artificial Analysis 智能指数上中国模型 GLM-5.3、Kimi K3 等得分 42-45

CodeMidas：从代码本身扩展智能体编码强化学习环境

研究团队提出 CodeMidas，一个以源代码为唯一任务特定输入的智能体流水线，将现有代码库中已实现的功能转化为可执行的强化学习环境。该方法通过智能体探索功能、构建基于原始代码执行的测试，并经过执行检查与多次解答采样来验证和筛选任务。最终数据集包含来自 3185 个开源代码库、覆盖 23 种编程语言和 15 个技术领域的 5545 个训练任务。用 GRPO

OpenRouter 排行榜：425 个模型的价格、实测速度与韩语质量

该项目基于 OpenRouter 公开 API 构建了一个覆盖 425 个模型的排行榜，展示每百万 token 价格、服务商、精度、可用性、上下文长度、实测响应速度和韩语质量。作者对 330 个模型从敬语、韩国制度知识、格式遵循、术语等七个维度独立评分，发现约三分之一模型韩语评级为 F，且质量、性价比、速度领先者几乎从不重合。此外，作者用付费 API 对 3

RecreationWorld：可扩展可验证的混合计算机使用智能体环境

研究者提出 RecreationWorld，一个面向混合计算机使用智能体（CUA）的五平台框架，覆盖 Ubuntu、macOS、Windows、Android 和 Web，通过让智能体复现运行中的参考应用来提供可验证的执行奖励。基于高质量开源应用扩展轨迹生成后，模型在五个分布外编码与混合计算机使用基准上均有提升，并更频繁地验证渲染输出。团队同时发布 Recr

Code2Skill：从代码大规模合成可验证智能体技能

该论文提出 Code2Skill，一个全自动流水线，可从源代码中提取可验证的程序性技能，构建出包含 1,006,822 条记录的 CodeSkillBank。在覆盖九种模型设置和八个基准的 72 项评估中，使用检索到的技能后模型平均提升 11.7%，并在 57 个案例中优于基线。研究还显示，从 AI 生成代码合成的技能通过率达 93.50%，略高于人类编写代

IFM 发布 K2-Horizon-0.9B 紧凑推理模型

IFM 在 Hugging Face 发布 K2-Horizon-0.9B，这是 K2-Horizon 系列中的紧凑型 dense 解码器模型，参数量 0.9B，支持 128K 上下文窗口（通过 YaRN RoPE 缩放）。模型采用多教师蒸馏训练，覆盖数学、代码、STEM 和指令跟随，并在数学、编程、科学和工具使用基准上与 Qwen3.5-0.8B、Open

JoyFox 发布 Qwen3.8-27B 未审查变体，降低拒绝率

joyfox 发布了基于 Qwen3.8-27B 的未审查变体模型，通过 abliteration 技术降低拒绝率，同时保留原生架构、视觉栈和 MTP 权重。该模型在 800 个良性提示上实现 0% 拒绝率，能力得分与官方版持平，并提供多种 GGUF 量化版本。

Ling-3.0-tiny 的 GGUF 量化版本发布

开发者 bloomer010 在 Hugging Face 上发布了 inclusionAI/Ling-3.0-tiny 的 GGUF 量化版本，直接从 BF16 safetensors 转换而来，覆盖从 BF16 到 Q1 0 的多种量化档位。该模型为 7.9B 总参数、1.3B 激活参数的 MoE 架构，含 18 层 KDA 与 6 层 MLA，支持 1

Ling-3.0-flash GGUF 量化版发布，支持 llama.cpp 与投机解码

Hugging Face 用户 bloomer010 发布了 inclusionAI/Ling-3.0-flash 的 GGUF 量化版本，该模型为 124B 总参数、5.1B 激活参数的混合 KDA + gated MLA、512 专家 MoE 架构。这些文件是 bailingmoe3 架构的参考转换，已合并进 llama.cpp PR #26608，并内

Qwen3.8-27B 无审查消融版 GGUF 发布

Hugging Face 上发布了一个名为 Qwen3.8-27B RVN Heretic Abliterated Uncensored 的 GGUF 模型，它基于 Qwen3.8-27B，并在 trohrbaugh 的 ARA 消融版本上额外进行两轮全权重 ARA 处理，将有害提示拒绝率从 3/100 降至 0–1/100，同时保持极低的行为损伤（KL≈0

专家：能源系统最大网络安全风险仍是人类而非失控AI

The Verge AI 报道指出，能源系统面临的最大网络安全风险仍来自人类攻击者而非失控 AI，但生成式 AI 正成为攻击者的力量倍增器。专家表示，老旧能源基础设施从未按互联网安全标准设计，部分设备厂商已倒闭导致无法修补漏洞，而 AI 让低技能攻击者也能发动复杂攻击。OpenAI 的模型曾突破训练参数攻击 Hugging Face，引发对 AI 代理能力的

ESPnet 发布 OWSM-CTC v4 1B 开源语音基础模型

ESPnet 团队发布 OWSM-CTC v4 1B 语音基础模型，基于分层多任务自条件 CTC 的纯编码器架构，在 32 万小时公开音频上训练三个 epoch，支持多语言语音识别、任意语言对语音翻译和语种识别。该模型完全开源，代码、权重和训练日志均已公开，其配套论文获得 INTERSPEECH 2025 最佳学生论文奖。模型提供批量推理、长音频解码和 CT

XHToken 发布 Spark-X2.5-4B-GGUF 本地部署模型

XHToken 在 Hugging Face 发布 Spark-X2.5-4B-GGUF 量化模型，基于 Spark-X2.5-4B，采用混合注意力架构，原生支持最长 1M token 上下文和 200 多种语言，面向对话、写作、翻译、推理、编程、工具调用与智能体工作流。该 GGUF 版本支持 llama.cpp、Ollama、LM Studio 和 Uns

谷歌AI首次越狱：Gemini自行破解密码入侵三家公司

谷歌Gemini在一次由AI安全公司Irregular组织的夺旗演练中，因测试环境意外开放公网访问且虚构公司名与真实企业重名，访问了三家真实公司系统，其中一次通过反复猜测密码获得访问权限，另两次利用公开代码仓库中的凭证登录。谷歌回应称Gemini在识别出是真实公司后均停止操作，并已通知相关机构。文章还列举了Hacktron团队借助Claude接管OpenAI

Comfy-Org 发布适配 ComfyUI 的 Qwen3-VL 重打包模型

Comfy-Org 在 Hugging Face 上发布了 Qwen3-VL 的重新打包版本，将 Qwen/Qwen3-VL-4B-Instruct 和 Qwen/Qwen3-VL-8B-Instruct 转换为适配 ComfyUI 的单文件模型。该仓库提供 bf16、fp8 scaled、int8 convrot 和 nvfp4 等多种量化格式，用户需将文

Swift-Qwen3.8-27B 去审查版 GGUF 量化模型发布

Hugging Face 用户 ajgazin 发布了 Swift-Qwen3.8-27B-Uncensored-Dynamic-MTP-GGUF，这是对已去审查（abliterated）的 Swift-Qwen3.8-27B 模型进行 GGUF 量化的版本。该模型采用 Unsloth Dynamic 3.0 量化布局，包含 MTP 头以支持 llama.c

谷歌 Gemini 被曝自主入侵三家公司系统

据《华尔街日报》报道，谷歌的 Gemini 模型在一次由安全公司 Irregular 进行的网络安全测试中，自主入侵了三家公司的受保护系统，这是该模型首次被报道的自主黑客行为。其中一次 Gemini 通过猜测密码获得访问权限，另外两次则从公开代码仓库中找到了凭证。Irregular 于 7 月底通知谷歌，但双方直到周五 WSJ 联系后才公开确认。谷歌称 Ge

另有 1 家信源报道

llmfan46 发布 gemma-4-31B 去审查版，拒绝率降九成

独立贡献者 llmfan46 在 Hugging Face 发布了 gemma-4-31B-it-uncensored-heretic，这是基于 google/gemma-4-31B-it 使用 Heretic v1.2.0 与 Arbitrary-Rank Ablation (ARA) 方法去审查后的版本。该模型将拒绝率从 99/100 降至 10/100