#huggingface

Victor M, Mistral 4가 곧 Hugging Face에 출시될 것이라고 밝혀

Victor M은 Mistral 4가 곧 Hugging Face에 출시될 것이라고 밝히며 Mistral-Large-4.0-1T05-A52B 모델 페이지 링크를 공유했다. 출시일은 명시되지 않았으며, 가중치가 현재 제공된다는 언급도 없다.

Abubakar Abid, Gradio를 처음부터 다시 설계 중이라고 밝혀

Abubakar Abid는 Gradio를 만든 팀이 이를 처음부터 다시 설계하고 있다고 밝혔다. 그는 5년 전 Gradio 출시 당시 겨냥했던 문제인 AI 앱용 프론트엔드가 더는 주요 과제가 아니라고 말했다.

Thomas Wolf, Hugging Face가 NVIDIA Open Agent Safety Platform 출시에 참여했다고 밝혀

Thomas Wolf는 Hugging Face가 NVIDIA Open Agent Safety Platform의 파트너이며, 7월 보안 테스트의 에이전트가 샌드박스를 벗어나 Hugging Face 서버에 들어갔다고 밝혔다. OpenShell은 Apache 2.0 소프트웨어로, 에이전트를 샌드박스에 두고 자리 표시 토큰을 실제 자격 증명과 교환한다고 설명했다.

110만 시간 음성 데이터셋 YODAS v3, Hugging Face에 공개

William Chen은 YODAS v3가 CC-BY-3.0으로 Hugging Face에 공개됐다고 밝혔다. 110만 시간 분량의 오디오가 100개 이상의 언어를 다루며, 48 kHz 스테레오 오디오와 타임스탬프가 있는 전사 및 번역을 포함한다.

Kev는 Qwen3.5-4B-Base 위의 LoRA 어댑터이자 포인터 헤드다

OpenRouter는 Kev가 Qwen3.5-4B-Base 위의 LoRA 어댑터이자 포인터 헤드이며, 가중치는 Hugging Face 저장소에 있고, 호스팅해 준 SiliconFlowAI에 감사한다고 밝혔다.

Together AI, Hugging Face에 Tev1-4B-experimental 가중치 공개

Tev1-4B-experimental 가중치는 Hugging Face의 togethercomputer 저장소에 있다. Together AI는 이 모델을 특화된 의사결정 모델을 비교적 쉽게 훈련할 수 있음을 보여주기 위한 실험이라고 설명한다.

Apple, Qwen3.5-9B 파인튜닝 모델 LensVLM-9B를 Hugging Face에 공개

Victor M은 이 모델이 토큰을 아끼기 위해 긴 문서를 작은 페이지 이미지로 바꾼 뒤, 질문과 관련된 페이지의 전체 텍스트만 가져온다고 밝혔다.

NVIDIA AI, huggingface에 Nemotron 3 Diarization 공개

1억 개 파라미터 모델은 음성이 겹치는 경우를 포함해 누가 언제 말했는지 추적하며, 최대 8명의 화자를 지원한다. huggingface에서 이용할 수 있다.

NVIDIA AI, Nemotron 3 Diarization 라이브 데모와 블로그 제공

Nemotron 3 Diarization은 Hugging Face Space에서 직접 써볼 수 있다. Hugging Face 블로그는 모델의 작동 방식과 시작 방법을 다룬다.

Daniel van Strien, 194M GLiNER2 모델을 학습해 Hugging Face 데이터셋 작업 태그 제안

Hugging Face Jobs에서 약 1.50달러로 학습된 이 모델은 데이터셋의 열 이름과 첫 행을 바탕으로 작업 태그와 확률을 제안한다. Daniel van Strien은 17분간의 미세 조정으로 소유자 태그와 첫 제안의 일치율이 10%에서 69%로 올랐다고 밝혔다.

Pedro Cuenca: tokenizers v1 (Rust)가 3~30배 더 빠르며, 곧 transformers에 적용 예정

Pedro Cuenca는 tokenizers v1 (Rust)가 3~30배 더 빠르며, 옵트아웃 토큰화 학습 crate, 추가 최적화, 광범위한 벤치마크가 포함된다고 밝혔다. 곧 transformers에 적용될 예정이라고 전했다.

Tokenizers v1 first release candidate is out, claiming up to 30x faster tokenization

Lysandre (@LysandreJik) said Tokenizers v1’s first release candidate is out, citing up to 30x faster tokenization, thread scaling, lower latency, lower memory use, and a very small crate size. He linked details at https://huggingface.co/blog/tokenizers-v1.