Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #11108

Hugging Face Hub

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

12

COMPANIES · 2 ИСТОЧН. · Hugging Face · The Decoder

Hugging Face перенаправляет инференс языковых моделей через OpenRouter

Hugging Face переключила своих Inference Providers на OpenRouter: запросы к языковым моделям с Hub теперь идут через маршрутизатор OpenRouter, который выбирает поставщика среди более чем 80 партнёров по живым метрикам цены, скорости и надёжности, повторяет неудачные вызовы и выставляет плату на аккаунт Hugging Face при сохранении того же API и токена. Генерация изображений, видео и аудио остаётся у прежних провайдеров; добавлены метрики поставщиков, разбиение затрат по запросам и возможность отключать провайдеров.

8.0

MODELS · 1 ИСТОЧН. · Hugging Face

Reson8 опубликовала Rumble-2-Flash — 0.5B многоязычную модель распознавания речи

Reson8 выпустила Rumble-2-Flash под лицензией Apache 2.0: это модель распознавания речи с 0,5 миллиарда параметров, поддерживающая более 40 языков и по заявлению команды демонстрирующая точность, сопоставимую с моделями в 3–60 раз больше. Модель основана на архитектуре Qwen3-ASR с on-policy дистилляцией и механизмом GOLD для согласования токенизаций, запускается в Hugging Face Transformers и vLLM без форков, показывает свыше 7000 RTFx на полных батчах, хорошие результаты в Open ASR Leaderboard и на 302-часовом бенчмарке AppTek (сопоставима с NVIDIA Nemotron 3.5 Transcribe) и доступна на Hugging Face Hub и через API Reson8.

8.0

COMPANIES · 1 ИСТОЧН. · Hugging Face

Оплата Hugging Face Hub теперь возможна через Google Cloud Marketplace

Hugging Face позволяет администраторам организаций привязать организацию Hugging Face Hub к платёжному аккаунту Google Cloud через Google Cloud Marketplace, чтобы расход по Hugging Face отображался в счёте Google Cloud. Интеграция охватывает подписки Team/Enterprise, оплату по факту за вычисления (Jobs, Inference Endpoints, Inference Providers, GPU Spaces) и хранилище; подписки проверяются Hugging Face перед переключением биллинга на Google Cloud.

5.0

MODELS · 1 ИСТОЧН. · Hugging Face

AnySpeechRecognizer и AnyDecisionModel позволяют запускать открытые модели речи и решений на платформах Apple

AnySpeechRecognizer и AnyDecisionModel — это Swift‑пакеты, которые интегрируют открытые модели распознавания речи и принятия решений с API распознавания речи Apple и локальными рантаймами. Поддерживаются модели, конвертированные в Core ML (включая варианты NVIDIA Parakeet и Alibaba Qwen3‑ASR), диаризация говорящих на базе Sortformer и загрузка моделей с Hugging Face Hub.

6.0

MODELS · 1 ИСТОЧН. · Hugging Face

Space показывает, какие модели Transformers запускаются на AWS Trainium через torch‑neuronx

Hugging Face Space под названием torch-neuronx model support публикует результаты тестов и скрипты для каждого популярного модели Transformers, показывая, запускаются ли они без изменений на AWS Trainium (Trainium2) с бэкендом torch-neuronx. Space отображает статистику выполнения, схему шардирования и использование памяти, версии Neuron-стека (neuronx-cc) и публикует Parquet‑набор данных aws-neuron/torch-neuronx-model-support и команды для повторного использования скомпилированных графов из публичного NEFF‑кэша.

5.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Обучение Qwen3 на AWS Trainium с помощью torchtitan

Руководство torchtitan показывает три способа обучения Qwen3 на одном AWS Trainium trn2.48xlarge: (1) через backend Transformers v5 (AutoModelForCausalLM) с чтением/записью Hugging Face safetensors; (2) с использованием нативной реализации Qwen3Model в torchtitan через config.model_spec; (3) с добавлением MoE-ядр NKI (Neuron Kernel Interface) из torchtitan-neuron и подключением пользовательских ядер через реестр override. Пост описывает настройку окружения (контейнер Neuron PyTorch или AWS DL AMI), установку torchtitan-neuron, запуск через torchrun, загрузку/сохранение контрольных точек (safetensors) и приводит пример первого шага loss для Qwen3-4B-Instruct-2507 (6.54 из опубликованных весов против 12.43 при случайной инициализации).

5.0

CODING · 1 ИСТОЧН. · Hugging Face

Обучайте в симуляции и разворачивайте политики хождения на Microduck с NVIDIA Isaac Lab 3.0

Новый учебник показывает, как обучать политики хождения для открытого бипедального робота Microduck с помощью NVIDIA Isaac Lab 3.0 и моделей актюаторов Newton, экспортировать политику в ONNX и развертывать её на реальном роботе. Рабочий процесс использует параллельные на GPU симуляции, доменное рандомирование, моделирование актюаторов Newton/BAM и автоматический экспорт RSL-RL для публикации на Hugging Face Hub или тестирования в Microduck Arena.

6.0

MODELS · 2 ИСТОЧН. · Hugging Face · The Decoder

Black Forest Labs выпустила FLUX.3 Image Klein с управлением композицией через bounding-box в Diffusers

Black Forest Labs разместила FLUX.3 Image Klein на Hugging Face и предоставляет открытые чекпойнты, совместимые с Hugging Face Diffusers. Модель выполняет текст‑в‑изображение и мульти‑референс image‑to‑image, добавляет управление композицией через bounding‑box для размещения областей и правок, включает дистиллированный чекпойнт (1024×1024 ≈2 с на H100, по умолчанию 16 шагов), квантизованные весовые файлы (bf16, fp8r, nvfp4) и скрипты для обучения LoRA/DreamBooth.

8.0

MODELS · 1 ИСТОЧН. · Hugging Face

Пользователь автоматизировал тонкую настройку и публикацию нескольких небольших моделей с помощью «ML-intern» на Hugging Face Hub

Авторы описывают работу с разговорным агентом ML-intern через HuggingChat, который планирует, запрашивает бюджет, обучает, оценивает и публикует модели и LoRA на Hugging Face Hub. Примеры: 0.8B переписыватель подсказок, созданный из 9B модели Qwen; модель 'citrus-disease-vlm-instruct' на базе Qwen3.5-2B (база 14,9% → после дообучения 52,8% на тесте из 335 фото; примерно USD 1,90), и LoRA для Huggy на 84 рисунках (ок. USD 7,60); весь проект с разметкой 8,797 примеров потребовал примерно USD 16 вычислений.

6.0

MODELS · 1 ИСТОЧН. · AWS Machine Learning

GLM 5.3 от Z.ai (753B MoE) теперь доступна в Amazon Bedrock

GLM 5.3 от Z.ai — модель смешанных экспертов с 753 миллиардами параметров, оптимизированная для кодирования и длительных агентных задач и отмеченная высокими результатами по кибербезопасности — стала доступна для корпоративных клиентов через Amazon Bedrock. Интеграция включает OpenAI‑совместимые API (Responses, Chat Completions), Invoke/Converse Bedrock, кросс‑региональный инференс, неявное/явное кеширование подсказок и уровни сервиса для упрощённого управляемого доступа и снижения задержек и затрат.

7.0

MODELS · 1 ИСТОЧН. · Hugging Face

Open TTS Leaderboard: запуск объективной масштабируемой оценки для многоязычного TTS и клонирования голоса

Open TTS Leaderboard — открытая платформа оценки, ранжирующая TTS-модели по объективным метрикам: разборчивость (WER/CER через Qwen3 ASR), сходство говорящих (SIM через WavLM) и скорость (RTFx и TTFA на H200/CPU) по наборам Seed TTS Eval и CV3 Eval. Платформа поддерживает многоязычные тесты и клонирование голоса, показывает Парето-визуализации и вкладку прослушивания и обещает сократить время оценки с недель до часов.

6.0

COMPANIES · 1 ИСТОЧН. · Hugging Face

Hugging Face Hub добавляет фильтр для RL Environments и метки совместимости

Hugging Face Hub ввёл специальное место для сред обучения с подкреплением: репозитории-датасеты с меткой rl-environment теперь отображаются в новом фильтре и показывают автоматически сгенерированные команды «Use this dataset» и метки совместимости с фреймворками (например, Harbor, Verifiers, NVIDIA NeMo Gym, OpenEnv). Выпуск нацелен на публикацию наборов задач (tasks, tests, verifiers) как датасетов, чтобы уменьшить фрагментацию форматов сред и упростить запуск и верификацию задач через Harbor, NeMo Gym и Hugging Face Jobs/Sandboxes.

6.0