Hugging Face 推出 Tiny Agents in Python:基于 MCP 的约70行代码智能体
Hugging Face 发布 Tiny Agents in Python,受 Tiny Agents in JS 启发将 huggingface_hub 客户端 SDK 扩展为 MCP Client,可用约70行代码构建 MCP 驱动的智能体。
推荐理由:原文展示了用约70行代码在Python中构建MCP智能体的完整思路与代码,读者可以据此搭建自己的工具调用智能体。
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。
229 条精选近 30 天 9 条共收录 657 条
Hugging Face 发布 Tiny Agents in Python,受 Tiny Agents in JS 启发将 huggingface_hub 客户端 SDK 扩展为 MCP Client,可用约70行代码构建 MCP 驱动的智能体。
推荐理由:原文展示了用约70行代码在Python中构建MCP智能体的完整思路与代码,读者可以据此搭建自己的工具调用智能体。
Hugging Face 发布 Diffusers 量化后端指南,对比 bitsandbytes、torchao、Quanto、GGUF 和 FP8 Layerwise Casting 在 FLUX.1-dev 上把 BF16 加载内存约 31.447 GB 压缩到约 10.6 至 23.7 GB 的表现。
推荐理由:原文实测了 Diffusers 各量化后端在 Flux 上的内存和推理速度数据,读者可以按需求选后端并直接复用配置代码。
Hugging Face 团队发布 nanoVLM,一个用纯 PyTorch 训练视觉语言模型的极简工具仓库,可在免费版 Colab 上启动训练。
推荐理由:官方团队介绍 nanoVLM 的架构与训练流程,读者可以据此理解 VLM 的多模态对齐原理并低成本动手训练。
TII 的 Falcon-Edge 系列基于 BitNet 架构,以三值权重 {-1, 0, 1} 直接预训练,提供 1B 和 3B 两种参数规格,各含 base 和 instruct 版本,模型在约 1.5 Tera Tokens 的内部数据混合上预训练。
推荐理由:原文解释了 BitNet 三值权重的训练范式和微调路径,读者可以据此判断 1.58bit 模型在端侧部署的适用性。
Hugging Face 官方宣布,未来 Transformers 将作为跨框架的模型定义标准,凡支持的 300+ 模型架构可望在 vLLM、SGLang 等推理引擎及 Axolotl、Unsloth 等训练框架中获得支持。团队还将简化模型贡献流程,目标是让新模型不再需要 6000 行代码、20 个文件的改动,并与 llama.cpp、MLX 加强 GGUF 等格式互转。
推荐理由:官方阐明 Transformers 定位为模型定义标准,读者可据此理解训练与推理框架间互操作的工作流变化。
Hugging Face 发布博客,宣布 Llama 4 Maverick 与 Llama 4 Scout 上线 Hugging Face 平台。正文抓取失败,仅有标题可用,更多细节见原文链接 https://huggingface.co/blog/llama4-release。
Hugging Face 在官方博客宣布开源 DeepResearch,释放其搜索智能体。
Hugging Face 发布 Mini-R1 教程,介绍如何通过强化学习复现 DeepSeek R1 的“aha moment”,以倒计时游戏为示例。正文抓取失败,细节以原文为准。
Hugging Face 在 Hub 上推出 Inference Providers,原文正文未抓取成功,仅标题可用,具体功能与细节以原文链接 https://huggingface.co/blog/inference-providers 为准。
Hugging Face 推出 smolagents,一个以代码形式编写动作的简单智能体库。原文正文缺失,仅标题可确认发布信息,详情以博客原文为准。
Answer.AI 与 LightOn 发布 ModernBERT 编码器模型系列,提供 base(149M 参数)和 large(395M 参数)两个规格,可作为 BERT 类模型的直接替代。
推荐理由:原文详细披露了架构改进、训练数据和实测效率数字,读者可据此评估它在现有 BERT 类工作流中能否直接替换。
Answer.AI 与 LightOn 联合发布 ModernBERT,这是一系列旨在取代 BERT 的 SOTA 编码器模型。该模型将 LLM 的最新架构改进(如 Flash Attention、RoPE)应用于编码器,支持 8192 token 上下文长度(远超传统 BERT 的 512),并在速度和下游任务性能上全面超越旧一代模型。提供 base (149M) 和 large (395M) 两种参数规模,已集成至 Hugging Face Transformers v4.48.0,可直接作为 BERT 类模型的即插即用替代品,适用于 RAG、分类及代码检索等场景。
推荐理由:这是六年来首个真正意义上对 BERT 架构的重大升级,解决了长上下文限制并提升了效率,对依赖编码器的 RAG 和搜索系统开发者具有直接的生产力价值。
Hugging Face 团队发布 Synthetic Data Generator,这是一款无代码应用,通过三步流程用自然语言描述生成自定义合成数据集,后台由 distilabel 和免费的 Hugging Face 文本生成 API 驱动。
推荐理由:原文给出从提示词到数据集再到训练模型的完整流程和速率、部署选项,读者可按需复用这套无代码生成方法。
Hugging Face 发布 Argilla 2.4,用户可从 Hub 任一公开数据集无代码导入,通过 Argilla UI 定义问题并收集人工反馈,用于构建微调和评估数据集。Hub 现有 230k 数据集可作为起点,部署在 Spaces 上默认启用 Hugging Face OAuth,允许任何 Hub 用户参与标注,也可配置为仅限协作者;后续仍可用 Python SDK 做进一步自定义。
推荐理由:官方介绍了从 Hub 数据集无代码导入并收集人工反馈的完整流程,熟悉数据标注协作场景的读者可据此评估是否迁移现有工作流。
Google 推出新的开源大语言模型 Gemma 2,Hugging Face 发布博客介绍相关内容。
Hugging Face 发文欢迎 Google 新的开源大语言模型 Gemma。正文抓取失败,仅有标题可用,具体模型规格和细节以原文链接为准。
Hugging Face 发布博客,宣布欢迎 SOTA 混合专家模型 Mixtral 上线 Hugging Face,正文未提供更多细节。
推荐理由:仅标题可用,无法从正文提炼更具体的阅读价值。
Hugging Face 发布博客,介绍如何用 Latent Consistency LoRAs 将 SDXL 图像生成压缩到 4 步完成。
Falcon 180B 模型发布,该内容来自 Hugging Face 官方博客,正文未能抓取,仅有标题信息可用。
Llama 2 发布,可在 Hugging Face 上获取。