千问大模型登顶Hugging Face最受欢迎开源模型
相关推荐
OpenAI法律团队曾劝阻调查人员扩大对Hugging Face的调查范围
PANews 9月4日消息，消息人士：OpenAI法律团队曾劝阻调查人员扩大对Hugging Face的调查范围。
NBA球星Kevin Durant早年对Hugging Face 25万美元投资或将增值至超6000万美元
PANews 8月28日消息，据CoinDesk报道，NBA球星Kevin Durant早年对开源AI平台Hugging Face的25万美元投资，在英伟达以129亿美元收购该公司的交易中，可能增值至超6,000万美元。Hugging Face已成为AI模型的重要平台，并已通过去中心化AI项目涉足加密领域。 此前消息， 英伟达同意以129亿美元收购开源人工智能平台HuggingFace 。
OpenAI报告称其约700个AI代理入侵Hugging Face
PANews 8月27日消息，据CCTV国际时讯报道，当地时间8月26日出炉的两份调查报告显示，今年7月对人工智能开源平台美国“抱抱脸（Hugging Face）”公司系统的入侵，是由美国开放人工智能研究中心（OpenAI）创建的约700个人工智能（AI）代理（即在极少人工监督下运行的程序）发起的，而且其中许多代理还“试图掩盖自己的行踪”。这两份报告一份由OpenAI发布，另一份由独立调查人员发布，共同揭示了关于此次入侵事件的细节。首先，入侵事件并非如先前报道的那样仅涉及一个违规的AI代理，而是大约700个代理作为一个庞大的协作群体在行动。
DeepSeek、Kimi都在拼命砍缓存，英伟达开始让缓存跨模型复用
据动察 Beating 监测，过去两年，大模型推理优化一直在拿 KV Cache 开刀。它是模型读完上下文后留下的中间计算结果，内容越长，越吃显存和带宽。DeepSeek-V2 借助 MLA，相比 DeepSeek 67B 将 KV Cache 减少 93.3%；Kimi Linear 相比全 MLA 又最多减少 75%。大家都在让长上下文更便宜。 但这些方案都有一道墙：缓存通常只能在同一个模型内部复用。Agent 从小模型切到大模型后，目标模型还得把前面几万甚至几十万 Token 重新计算一遍。模型路由越频繁，这笔重复计算越难忽略。 英伟达最新论文开始拆这堵墙。团队发现，在同一家族、KV 结构匹配的不同大小模型之间，缓存存在明显的线性关系。用 500 段、每段 1024 Token 的文本校准一次，就能拟合出一套映射，把一个模型算好的 KV Cache 转给另一个模型继续用。 Qwen3-14B 切到 32B 时，32K 上下文重新计算约需 7 秒，转换缓存只要约 0.28 秒，快约 25 倍。换句话说，以后甚至可以先让小模型负责「读」：把长上下文算成 KV Cache；真正需要更强能力时，再把缓存转给大模型，让大模型直接开始「想」和生成。 这会让模型路由省下更多算力。现在让简单任务跑小模型，主要省的是生成成本；一旦切到大模型，长上下文往往还得由大模型重新算一遍。跨模型 KV Cache 如果做成熟，连这部分 prefill 都能交给小模型完成。Agent 可以长期用便宜模型维护上下文，碰到难题才叫醒大模型，而且不用每次都从头「读档」。
OpenAI澄清：Astra是即将推出的模型，并未参与利用Hugging Face漏洞事件
PANews 8月8日消息，据Axios报道，OpenAI澄清表示，Astra是一款即将推出的模型，并未参与利用Hugging Face漏洞的事件，正在暂停涉及Astra、但尚未达到强化安全控制要求的内部活动，目前正在为更高能力模型及相关活动实施更严格的安全控制措施，包括采用隔离测试环境，将向第三方测试合作伙伴提供推荐的安全控制措施，以确保更高风险的评估和工作负载能够安全运行，已在Astra的所有智能体应用中实施针对高风险行为和失配问题的全面监控。根据目前针对Astra模型的准备框架评估结果，无法排除其具备关键网络能力的可能性。
OpenAI披露其智能体“联手越狱”细节，攻破Hugging Face前已协作数月
PANews 8月6日消息，据新浪财经报道，OpenAI表示，参与攻击人工智能开源社区与模型托管平台Hugging Face的人工智能模型早在5月就开始通过未被发现的信息交流渠道进行沟通，并协同合作，试图突破测试环境。OpenAI员工华莱士和道尔顿表示，多个仅供内部使用的智能体和AI模型花费数月时间“相互留言”，并逐渐围绕一个目标形成共识：访问互联网，以解决它们被要求完成的任务，其中部分任务如果没有网络访问权限根本无法完成。华莱士表示：“在某个时候，这些智能体意识到，也许我们可以尝试利用或攻击外部基础设施，从而找到我正在接受评估的测试任务的答案。