160M Dolma 3 Mix 实验检查点与 dAtA[iNdEx] 剂量扫描
研究者发布了基于 EleutherAI/pythia-160m 的 160M GPT-NeoX 实验检查点，在 Dolma3-16B 数据集的 M/C/G 源池上进行了五次训练运行（Clean、M500、C500、G500、MCG500），每个运行训练约 160 亿 token。此外还发布了 2026 年 10 月的 24 次运行剂量扫描结果，使用四 tok
Hugging Face
公司与模型 · Hugging Face 开源社区动态：热门模型与数据集、排行榜变化与开源生态的晴雨表
关联由结构化实体与正文位置共同判定 · 最近刷新 2026-11-11 06:28
顺带提及正文出现过，但不是文章的主要讨论对象，当前共 1244 条。
11月9日周一 · 7 条
正文顺带提及命中实体：hugging face
正文顺带提及命中实体：hugging face
Kandinsky 6.0 Pro 5s 发布 GGUF 与 W4A8 低显存量化版
开发者 realrebelai 在 Hugging Face 发布了 Kandinsky 6.0 Pro 5s 及蒸馏版 5s 的低显存量化版本，提供 W4A8（4bit 权重/8bit 计算）和 GGUF（Q3 K S、Q4 K S）两种格式，面向 ComfyUI 使用。GGUF 路径需要安装两个 RebelAI 兼容性分支节点（Kandinsky6 GG
正文顺带提及命中实体：hugging face
ggml-org 发布 vllm-d3-nano 的 GGUF 量化决策模型
ggml-org 在 Hugging Face 发布了 vllm-d3-nano-GGUF，这是将 vllm-sr/d3-nano 基础模型自动转换得到的 GGUF 量化版本，采用 Apache-2.0 许可，pipeline 标签为 image-text-to-text。该模型被定位为决策模型，需通过 llama.cpp 的 /v1/systemone A
正文顺带提及命中实体：hugging face
ggml-org 发布 vllm-d3-lite GGUF 量化决策模型
ggml-org 在 Hugging Face 发布了 vllm-d3-lite-GGUF，这是对 vllm-sr/d3-lite 的 GGUF 量化转换版本，采用 apache-2.0 许可，pipeline tag 为 image-text-to-text。该模型被定位为决策模型，需通过 llama.cpp 的 /v1/systemone API 使用，
正文顺带提及命中实体：hugging face
ggml-org 发布 vllm-d3-flash 的 GGUF 量化决策模型
ggml-org 在 Hugging Face 发布了 vllm-d3-flash-GGUF，这是对 vllm-sr/d3-flash 的 GGUF 量化版本，采用 Apache-2.0 许可，pipeline 标签为 image-text-to-text。该模型被定位为决策模型（decision model），需通过 llama.cpp 的 /v1/sys
正文顺带提及命中实体：hugging face
FluidInference 发布 Kokoro-82M 的 Core ML 转换与 ANE 优化版
FluidInference 在 Hugging Face 发布了 Kokoro-82M 的 Apple Core ML 转换版本，覆盖英语、日语和中文（普通话），并提供针对 Apple 神经引擎（ANE）优化的 v3 版本。配套的 FluidAudio SDK v0.17.6 支持通过 KokoroAneManager 调用这些模型，在 M5 Pro 上混
正文顺带提及命中实体：hugging face
10Eros Max H3 激活引导学习量化版发布
开发者 LokkenJP 在 Hugging Face 发布 TenEros Max optimized learned，这是基于 TenStrip/10Eros-Max 的 MiniMax-H3 文生视频模型的量化版本。推荐版本 Beta7 fix1 HQ 为 18.73 GB，采用激活引导学习量化（W6 g16 与 INT8 ConvRot），并保留内置
11月8日周日 · 10 条
正文顺带提及命中实体：hugging face
ggml-org 发布 Qwen3.6-35B-A3B GGUF 量化版
ggml-org 在 Hugging Face 发布了 Qwen3.6-35B-A3B 的 GGUF 量化版本，基于 Qwen/Qwen3.6-35B-A3B 及 z-lab 的 DFlash 版本自动转换而来，采用 Apache-2.0 许可，支持 image-text-to-text 任务。用户可通过 Llama 应用或命令行 llama serve 直
正文顺带提及命中实体：hugging face
Suri-Qwen-3.8-27B 无审查 GGUF 模型发布
开发者 Space Time 在 Hugging Face 发布了 Suri-Qwen-3.8-27B-Uncensored-GGUF，这是一个基于 Qwen3.8 27B 的去对齐（无审查）GGUF 量化模型，支持中英文与图文输入。模型卡给出了推荐的采样参数（Temperature 0.7 1.0、Top P 0.8 0.95、Repetition Pen
正文顺带提及命中实体：hugging face
ggml-org 发布 LFM3-Omni-2B GGUF 量化版
ggml-org 在 Hugging Face 发布了 LiquidAI/LFM3-Omni-2B 的 GGUF 量化版本，支持文本、图像、音频和视频输入，语音输出通过服务器的 /tts 端点实现。该版本提供 Q8 0 与 Q4 K M 两种量化，与 LiquidAI 官方 GGUF 一致，需使用支持 LFM3-Omni 的 llama.cpp 构建运行。
正文顺带提及命中实体：hugging face
ggml-org 发布 LFM2.5-24B-A2B GGUF 量化版
ggml-org 在 Hugging Face 发布了 LiquidAI LFM2.5-24B-A2B 的 GGUF 量化版本，可通过 llama.app 的 llama serve 命令直接运行。该版本提供 Q8 0 与 Q4 K M 量化，与 LiquidAI 官方 GGUF 量化方式一致，并提及 LiquidAI 另有量化感知蒸馏（QAD）的 Q4 0
正文顺带提及命中实体：hugging face
ggml-org 发布 gemma-4-E2B-it GGUF 量化模型
ggml-org 在 Hugging Face 发布了 google/gemma-4-E2B-it 的 GGUF 量化版本，采用 Apache-2.0 许可，pipeline 标签为 any-to-any。该模型可通过 Llama 应用或终端命令 llama serve 直接运行，并基于 Google 的原始模型及 QAT 量化版本自动转换生成。
正文顺带提及命中实体：transformers
ReadyArt 发布 gemma-4-31B-it-scotoma-2 的 GGUF 量化版
Hugging Face 上出现 ReadyArt/gemma-4-31B-it-scotoma-2-GGUF 模型仓库，它是 ReadyArt/gemma-4-31B-it-scotoma-2 的 GGUF 量化版本，采用 Apache-2.0 许可，基于 Google Gemma 4 许可条款，使用 transformers 库，任务类型为文本生成。该仓
正文顺带提及命中实体：hugging face
Suri-Qwen-3.8-27B 陪伴型 GGUF 模型发布
开发者 Space Time 在 Hugging Face 发布了 Suri-Qwen-3.8-27B-Companion-GGUF，这是一个基于 Qwen3.8 27B 的陪伴型聊天模型，并提供 GGUF 量化版本。模型卡给出了推荐的 Temperature、Top P 与 Repetition Penalty 参数，并附有 QQ 群和邮箱联系方式。该发布
正文顺带提及命中实体：hugging face
fidel1234 发布 Krea2 日系角色 LoRA 模型
开发者 fidel1234 在 Hugging Face 发布开源 LoRA 模型 Krea2 Asian Character，基于 krea/Krea-2-Raw 与 Krea-2-Turbo 训练，主要面向日系角色生成。该模型采用 MIT 许可，使用 AI-Toolkit 在 Krea2 raw 上训练，兼容 ComfyUI 的 raw 与 turbo
正文顺带提及命中实体：hugging face
Qwen3.8-27B 的 W4A16 AutoRound 量化版本发布
用户 Vishva007 在 Hugging Face 发布了 Qwen3.8-27B 的 W4A16 量化版本，使用 Intel AutoRound 算法生成，组大小为 64，视觉塔与 MTP 层保留 BF16 精度。量化后显存需求从约 54GB 降至 16–18GB，可在单张 24GB 消费级显卡上运行，并支持通过 vLLM 部署。
正文顺带提及命中实体：hugging face
研究：AI 审计员能抓多数 agent 不当行为，但误报泛滥
Anthropic Institute 研究员 Andy Hall 在 Substack 发文，复现并扩展了 METR 的研究，测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 等模型能否像人类审查员一样识别 AI agent 日志中的不当行为。结果显示，在 5% 误报率下，GPT-5 能
11月7日周六 · 3 条
正文顺带提及命中实体：hugging face
Qwen3.8-27B-MTP-GGUF 发布：内置投机解码提速约2倍
Hugging Face 上发布了 Jackrong/Qwen3.8-27B-MTP-GGUF 模型仓库，将 MTP（多 token 预测）头直接打包进 Qwen3.8-27B 的 GGUF 量化版本，从而无需额外草稿模型即可实现投机解码。据其内部测试，生成吞吐约提升 2 倍（24.05 vs 12.09 tok/s），平均端到端延迟降低约 1.88 倍，草
正文顺带提及命中实体：hugging face
KindlingAI 发布 GLM-5.3-Flash 的 exlr8 量化版，面向 GB10
KindlingAI 在 Hugging Face 发布 GLM-5.3-Flash 的 exlr8 v2 量化版本，面向 NVIDIA GB10 统一内存设备（DGX Spark、ASUS GX10），提供 K2/K3/K4 三档 trellis 宽度，可在 1 至 4 台机器上按 TP 并行服务。该量化要求加载器将码本输出舍入到 FP8 E4M3，否则权
正文顺带提及命中实体：hugging face
Nous Research 微调 Qwen 去除宣传内容，宣传率从 22% 降至 0.9%
Nous Research 对阿里巴巴的 Qwen3.8-27B 进行监督微调，使用约 5300 万 token 训练出 Arete-27B，将模型回答中的中国官方宣传比例从 22% 降至 0.9%，同时基本保持通用能力。团队用 803 条提示词、以 Grok 4.7 作为评判模型构建测试，称中国开源模型的政治倾向只是可被剥离的"薄层"。该模型的权重、测试集