面壁智能发布 MiniCPM5-2B 端侧模型
面壁智能（OpenBMB）发布 MiniCPM5 系列第二款模型 MiniCPM5-2B，这是一个 2B 参数稠密 Transformer，采用 Apache-2.0 许可，面向端侧与资源受限场景。官方称其在同尺寸开源模型中达到 SOTA，整体可与 4B 级模型竞争，并在代码、数学、长上下文、工具调用与智能体任务上具备优势。模型基于 Ultra-FineWe
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 · 20 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
SplatAnything：面向任意场景前馈3DGS的高斯间距归一化
研究者提出 SplatAnything，通过高斯间距归一化（GSNorm）对场景级高斯间距统计量进行规范化，解决现有前馈 3DGS 方法中高斯尺度监督不一致的问题。该方法属于 InfiniSplat 系列 v3，并建立了覆盖多数据集、不同输入稀疏度和外推视角的系统性基准。实验显示其在场景尺度与视角大幅变化下达到 SOTA，可应用于自动驾驶、机器人导航、AR/
正文顺带提及命中实体：hugging face
EvoWorld：生成式视频模型中的视野外世界演化
该论文提出「视野外因果演化」（Out-of-Sight Causal Evolution）新问题，要求生成式视频模型在渲染事件后推理其对世界状态的影响，并给出因果合理的结果。作者提出 EvoWorld 框架，由视觉语言模型充当「世界大脑」维护世界状态并推理状态转移，配合分段自回归视频渲染器实现视觉呈现。团队还构建了 EvoWorld-Data 与 EvoWo
正文顺带提及命中实体：hugging face
Unsloth 发布 FLUX 3 Image Klein FP8/INT8 量化版
Unsloth 发布了 FLUX 3 Image Klein 的 FP8/INT8 量化版本，将图像 transformer 从 11.1 GB 压缩至 6.44 GB，同种子 LPIPS 为 0.035（INT8）和 0.036（FP8），SSIM 约 0.95。该版本可在 Unsloth Desktop 中直接加载预量化权重，跳过 bf16 下载与在线量
正文顺带提及命中实体：hugging face
DavidAU 发布 LFM2.5-2.6B Turbo Brilliance GGUF 模型
Hugging Face 用户 DavidAU 发布了基于 LiquidAI/LFM2.5-2.6B 的 GGUF 量化模型，名为 LFM2.5-2.6B-Qwen3.8-Turbo-Brilliance-Power-X12-NEO-MAX-GGUF。该模型通过 Turbo Brilliance 系统新增了 12 种推理模式和 12 种指令模式，可在对话提示
正文顺带提及命中实体：hugging face
DavidAU 发布 Qwen3.8-27B 多阶段微调 GGUF 模型
Hugging Face 用户 DavidAU 发布了基于 Qwen3.8-27B 的多阶段微调模型 TURBO-Fable-Cold-Fusion-735-882，提供常规与 MTP 两种 GGUF 量化版本。作者称该模型在 8bit 下 ARC-C 达 735、4bit 下达 719，超过基座 Qwen3.8 27B 及 Qwen3.6/3.5 系列，并
正文顺带提及命中实体：hugging face
DavidAU 发布 Qwen3.8-27B Cold Fusion 微调模型
Hugging Face 用户 DavidAU 发布了基于 Qwen3.8-27B 的微调模型 Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-NM-DAU-NEO-MAX-MTP-GGUF，采用其自研的 COLD FUSION（GAIN + Unsloth）训练方法。作者称该方法在 4bit 和 8bit 量化下保留约 99% 的 BF
正文顺带提及命中实体：hugging face
DavidAU 发布 Qwen3.5-9B 无审查微调 GGUF 模型
Hugging Face 用户 DavidAU 发布了 Qwen3.5-9B 的多阶段微调与合并模型 The-Defiant-Fable-Uncensored-Heretic-NEO-IMATRIX-MAX-MTP-GGUF，提供常规与 MTP 两种 NEO Imatrix GGUF 量化版本。作者称该 9B 模型在 7 项基准上超过 Qwen3.5-9B
正文顺带提及命中实体：hugging face
DavidAU 发布 Qwen3.6-27B Fable-Fusion-711 无审查微调模型
Hugging Face 用户 DavidAU 发布了基于 Qwen3.6-27B 的多阶段微调模型 Fable-Fusion-711，提供常规与 MTP 两种 GGUF 量化版本。作者称该模型在 8bit 和 4bit 量化下 ARC-C 得分均突破 700（达 711），是首个进入该分数区间的同规模开源微调模型，并在 7 项基准中的 6 项超过原版 Qw
正文顺带提及命中实体：hugging face
DavidAU 发布 Qwen3-30B-A3B 128k 上下文 NEO Imatrix GGUF 量化模型
Hugging Face 用户 DavidAU 发布了基于 Qwen3-30B-A3B 混合专家模型的 GGUF 量化版本，通过自研 NEO Imatrix 数据集和 YARN 技术将上下文从 32k 扩展至 128k。该版本提供从 IQ1 M 到 Q8 的多种量化规格及 Max、Max Plus、Max Super、Max ULTRA 等定制变体，可在 G
正文顺带提及命中实体：hugging face
DavidAU 发布 Mistral Nemo 12B 无审查推理微调版
Hugging Face 用户 DavidAU 发布了基于 Mistral-Nemo-Instruct-2407 的微调模型，先用 abliteration 去审查（拒答率从 87/100 降至 14/100），再用 Claude 4.5 Opus、Gemini 3 Pro、GPT-5.2 三个高推理数据集通过 Unsloth 微调，使其具备思考/推理能力并
正文顺带提及命中实体：hugging face
DavidAU 发布 Qwen3 0.8B 代码推理模型 GGUF 量化版
Hugging Face 用户 DavidAU 发布了 Qwen3-Zero-Coder-Reasoning-V2-0.8B-NEO-EX-GGUF，这是一个基于 Qwen3 平台、由两个 0.6B 模型合并而成的 0.8B 代码生成与推理模型，提供多种 NEO Imatrix 量化版本。作者称其在中等硬件上可达 150 t/s 以上、纯 CPU 也能超过
正文顺带提及命中实体：hugging face
rahul7star 发布 gemma-gguf 量化模型合集
Hugging Face 用户 rahul7star 发布了一个名为 gemma-gguf 的 GGUF 量化模型合集，基于 google/gemma-4-E2B-it、gemma-4-12B-it 和 ornith-ai/Ornith-1.5-9B 等模型，并提供 Gradio 演示空间。该合集包含多个编码 Agent 和未审查（heretic/uncen
正文顺带提及命中实体：hugging face
DavidAU 发布 Psyonic-Cetacean 20B FP32 重制量化版
Hugging Face 用户 DavidAU 发布了 Psyonic-Cetacean-Ultra-Quality-20b-GGUF-imat-plus2，对 Jeb Carter 原版 Psyonic-Cetacean 20B 模型进行 FP32 精度重制，并使用自建数据集与主数据集合并生成新的 Imatrix Plus 2 量化版本。作者称在 Q2K、
正文顺带提及命中实体：hugging face
论文：Agent 演化中被忽视的问题与 EvoAudit 评估
该论文研究 agent harness 演化（不更新模型权重即可实现递归自我改进）是否带来可靠、高效且可迁移的提升。作者在通用与编程任务上评估四种方法，发现全部十六个演化后的 agent 都获得了此前未覆盖的任务，但同时丢失了此前已覆盖的任务；可靠性提升往往伴随部署成本上升，且最高分 agent 并未带来最大平均提升。研究据此提出 preservation-
正文顺带提及命中实体：hugging face
Sketchpad：小视觉语言模型实现可证明的精确算术
该论文提出 Sketchpad 方法：使用 Qwen3.5-0.8B 加低秩适配器，在渲染的“草稿纸”上执行算术步骤，每次前向只读取外部工作内存的三格视图并输出一步（数字、进位/借位、下一操作），由固定运行时移动视图。作者在 Lean 中证明：只要每步只读有界视图，模型在所有长度输入上的精确性等价于在运行时呈现的有限视图集合上的精确性，并证明若步骤可读取先前
正文顺带提及命中实体：hugging face
OTel-2.0-Decision-26B-A4B-4bit 量化决策模型发布
开发者 farbodtavakkoli 在 Hugging Face 发布了 OTel-2.0-Decision-26B-A4B-4bit，这是基于 Google Gemma 4 26B-A4B-it 的 4-bit W4A16 量化版本，面向分类、是/否问答和有序等级等类型化决策任务，通过读取答案标签概率而非生成文本给出结果。模型在 AMD MI350P
正文顺带提及命中实体：diffusers
Unsloth 发布 LTX-2.5 视频 DiT 的 FP8/INT8 量化版本
Unsloth 发布了 Lightricks LTX-2.5 蒸馏视频 DiT 的 FP8/INT8 量化版本，将原 38.0 GB 的 bf16 transformer 压缩至 19.1–25.1 GB，文本编码器、VAE 等其余组件保持不变。三个量化文件中 INT8-ConvRot 与 bf16 的 LPIPS 差异最小（0.265），被推荐使用；FP8
正文顺带提及命中实体：hugging face
Qwen3.5-4B 的 LiteRT-LM 端侧量化版本发布
Hugging Face 社区用户 litert-community 将阿里 Qwen3.5-4B 转换为 Google LiteRT-LM 端侧推理格式，提供 int8 与混合 INT4 两个版本，分别约 4.42GB 和 2.75GB，需 litert-lm ≥0.15。该模型采用 GatedDeltaNet 线性注意力与全注意力混合架构，线性层保持常量
正文顺带提及命中实体：hugging face
Qwen3.5-0.8B 发布 LiteRT-LM 端侧量化版本
Hugging Face 上发布了 litert-community/Qwen3.5-0.8B，这是将阿里 Qwen3.5-0.8B 混合架构模型转换为 Google LiteRT-LM 格式的端侧推理包，提供 int8 量化及文本、视觉多个版本。该包据称是首个 LiteRT 形式的 Qwen3.5，也是首个由已发布 LiteRT-LM 运行时支持的 gat