社区供稿丨MiniCPM-V 4.5 技术报告正式出炉

上个月，面壁小钢炮带来了最新的多模态模型 MiniCPM-V 4.5，成为行业首个具备“高刷”视频理解能力的多模态模型。模型一经开源广受社区好评，直接登上 HuggingFace Trending T

Gaia2 与 ARE：赋能社区的智能体评测

在理想情况下，AI 智能体应当是可靠的助手。当接收到任务时，它们能够轻松处理指令中的歧义，构建逐步执行的计划，正确识别所需资源，按计划执行而不被干扰，并在突发事件中灵活适应，同时保持准确性，避免幻觉。

社区供稿丨基座上新：MiniCPM 4.1 将「高效深思考」引入端侧

💡 MiniCPM 4.1 亮点一览 🏃首个原生稀疏架构的深思考模型，通过可训练稀疏注意力创新，代码、数学推理等任务的推理速度比同尺寸开源模型快 3 倍以上；🌟在知识、推理、编程、指令遵循等综合能

社区供稿丨揭秘端到端文档OCR模型 POINTS-Reader

目前论文已经被 EMNLP 2025 主会录取，同时模型已经开源论文: https://huggingface.co/papers/2509.01215Github: https://github.c

ZeroGPU Spaces 加速实践：PyTorch 提前编译全解析

ZeroGPU 让任何人都能在 Hugging Face Spaces 中使用强大的 Nvidia H200 硬件，而不需要因为空闲流量而长期占用 GPU。 它高效、灵活，非常适合演示，不过需要注意

社区供稿 | 具身智能家务机器人黑客松报名开启！

【黑客松双城启幕】全球首创家务机器人开发者黑客松，由 Hugging Face、NVIDIA 与 Seeed Studio 联合举办！我们将在深圳以及美国湾区举办两场开发者黑客松，中美双城联动。两大赛

社区供稿 | 开源SOTA：阶跃发布端到端语音大模型Step-Audio 2 mini！

大家好，今天阶跃星辰正式发布最强开源端到端语音大模型 Step-Audio 2 mini，该模型在多个国际基准测试集上取得 SOTA 成绩。它将语音理解、音频推理与生成统一建模，在音频理解、语音识别、

社区供稿 | 开源多模态大模型新突破，书生·万象3.5发布，通用能力、推理能力与部署效率全面升级

通往通用人工智能（AGI）的探索，不仅是技术的突破，更关乎体验的革新。多模态大模型通过融合视觉与语言等多维信息，让AI能够像人一样理解世界、解决问题，为用户带来更流畅、更可信赖的交互体验。在多模态大模

社区供稿 | VibeVoice实现90分钟、多角色播客生成，拓展语音合成新边界

编者按：AI 自动生成播客早已不是新鲜事，但常见的 AI 播客只局限于几分钟的双人对话，这是因为传统语音生成模型大多基于离散化方法，更擅长生成短句、单一音色、结构规整的语音内容。近日，微软亚洲研究院提

社区供稿 | 多模态新旗舰MiniCPM-V 4.5：8B 性能超越 72B，高刷视频理解又准又快

今天，我们正式开源 8B 参数的面壁小钢炮 MiniCPM-V 4.5 多模态旗舰模型，成为行业首个具备“高刷”视频理解能力的多模态模型，看得准、看得快，看得长！高刷视频理解、长视频理解、OCR、文档

社区供稿 | 阿里国际Ovis2.5重磅发布：以小博大，刷新开源模型性能新高度

阿里国际正式发布新一代多模态大模型Ovis2.5。Ovis2.5 是一款面向原生分辨率视觉感知、深度推理与高性价比场景设计的多模态大模型。在主流多模态评测套件 OpenCompass 上的综合得分相较

直播预告｜开源生态如何引领具身智能的未来？

HF Papers 直播｜ 多模态专场

由 Hugging Face × OpenMMLab × ModelScope × 知乎 × 机智流 等联合发起的【AI Insight Talk】系列直播活动第四场 - 多模态专场，即将开播！近期各

开源开发者须知：欧盟《人工智能法案》对通用人工智能模型的最新要求

⚠️ 本文不构成任何法律意见或建议。快速摘要 (TL;DR): 自 2025 年 8 月 2 日起，欧盟《人工智能法》将对通用人工智能（GPAI）模型的提供者模型提供者提出新的合规要求。但是对于用于科

社区供稿 | MiniCPM-V4.0开源，多模态能力进化，手机可用，还有最全CookBook！

面壁小钢炮新一代多模态模型 MiniCPM-V 4.0 现已开源。依靠 4B 参数，取得 在 OpenCompass、OCRBench、MathVista 等多个榜单上取得了同级 SOTA 成绩，且

欢迎 GPT OSS —— 来自 OpenAI 的全新开放模型家族！

GPT OSS 是 OpenAI 推出的 重量级开放模型，面向强推理、智能体任务以及多样化开发场景。该系列包含两款模型：拥有 117B 参数的gpt‑oss‑120b和拥有 21B 参数的gpt‑os

社区供稿 | GLM-4.5技术博客：原生融合推理、编码和智能体能力

我们正式介绍两个新的 GLM 系列成员：GLM-4.5 和 GLM-4.5-Air——我们最新的旗舰模型。GLM-4.5 拥有 3550 亿总参数和 320 亿激活参数，而 GLM-4.5-Air 拥

社区供稿 | 全能高手&科学明星，上海AI实验室开源发布『书生』科学多模态大模型 Intern-S1 | WAIC 2025

7 月 26 日，2025 世界人工智能大会（WAIC 2025）正式开幕。在当天下午举行的科学前沿全体会议上，上海人工智能实验室（上海AI实验室）发布并开源『书生』科学多模态大模型 Intern-S

Hugging Face 开源机器人 Reachy Mini 开启预定

我们最新的开源机器人 Reachy Mini 正式亮相 🎉 这款富有表现力的开源机器人由 Pollen Robotics 与 Hugging Face 联合打造，专为人机交互、创意编程和 AI 实验而

社区供稿 | Jina Embeddings V4: 为搜索而生，多模态多语言向量模型

今天，我们正式发布 jina-embeddings-v4，一款全新的多模态向量模型，参数规模达到 38 亿，并首次实现了对文本与图像的同步处理。为了在各类检索任务中发挥极致性能，我们在模型内置了一套面

nanoVLM: 简洁、轻量的纯 PyTorch 视觉-语言模型训练代码库

nanoVLM是使用纯 PyTorch 训练 你自己的视觉语言模型 (VLM) 的 最简单 方式。它是一个轻量级 工具包 ，让你可以在免费的 Colab Notebook上启动 VLM 训练。nano

HF Papers 直播｜ AI Insight Talk 强化学习专场

由 Hugging Face × OpenMMLab × ModelScope × 知乎 × 机智流 联合发起的【AI Insight Talk】系列活动重磅来袭！本期我们将聚焦 强化学习（RL）与推

SmolVLA: 让机器人更懂 “看听说做” 的轻量化解决方案

🧭 TL;DR今天，我们希望向大家介绍一个新的模型: SmolVLA，这是一个轻量级 (450M 参数) 的开源视觉 - 语言 - 动作 (VLA) 模型，专为机器人领域设计，并且可以在消费级硬件上运

参加 Hugging Face 组织的 Gradio & MCP 智能体主题黑客松

🌟 欢迎参加 Gradio & MCP 智能体主题黑客松！准备好了吗？一场以智能体 (Agent) 和模型上下文协议 (Model Context Protocol，简称 MCP) 为核心的全球在线黑

社区供稿 | Index-AniSora 技术升级开源: 动漫视频生成强化学习

B 站升级动画视频生成模型 Index-AniSora 技术并开源，支持番剧、国创、漫改动画、VTuber、动画 PV、鬼畜动画等多种二次元风格视频镜头一键生成！整个工作技术原理基于 B 站提出的 A

大模型评估排障指南 | 关于可复现性

这是 大模型评估排障指南 系列文章的第三篇，敬请关注系列文章:关于推理关于 公式解析关于可复现性假设你读了一篇最近的新模型技术报告，然后心血来潮想要在本机复现他们的结果，却发现根本没法复现，这是为什

社区供稿 | 智源研究院发布开源中文互联网语料库 CCI 4.0 新增高质量英文数据与合成数据

2025 年 5 月 6 日，智源研究院在法国巴黎举行的 GOSIM 全球开源创新论坛上发布大型开源文本数据集 CCI 4.0，为全球的大模型创新发展再次提供重要的开源资源，并积极推动全球开源合作。C

大模型评估排障指南 | 关于 LaTeX 公式解析

这是 大模型评估排障指南 系列文章的第二篇，敬请关注系列文章:关于推理关于 公式解析关于可复现性解析 LaTeX 很难。这个问题在评估输出为 的模型时经常会遇到，例如 Hugging Face 的

设计即合规: 开放AI生态中的用户数据治理实践

Hugging Face Hub 已成为 AI 协作的核心平台，托管了数万个模型、数据集以及交互式应用程序 (Hugging Face Space)。 在开放生态系统中，用户知情同意的管理方式与那些更

社区供稿 | 阶跃星辰开源图像编辑模型 Step1X-Edit: 人人都能用的“改图大师”！

阶跃星辰正式发布并开源图像编辑大模型 Step1X-Edit，性能达到开源 SOTA。该模型总参数量为 19B (7B MLLM + 12B DiT)，具备语义精准解析、身份一致性保持、高精度区域级控