Hugging Face Blog

Hugging Faceのインフラ上で、サーバーのプロビジョニングやKubernetesを必要とせず、1つのコマンドでプライベートなOpenAI互換のLLMエンドポイントを起動できます。秒単位の課金です。起動、クエリ、クリーンアップ、大規模モデルへの拡張、チャットUIの作成、SSHデバッグ、コーディングエージェントのバックエンドとしての利用まで、完全なフローをカバーし、Inference Endpointsとの比較も行います。

Ai2チームは、7BパラメータのTransformerモデルOlmo 3とハイブリッドモデルOlmo Hybridを比較。ハイブリッドモデルは内容語（名詞、動詞、形容詞）や文脈推論が必要なトークンで優れるが、繰り返しトークンや閉じ括弧では優位性が消失する。トークンレベルの損失フィルタリングにより、アーキテクチャ間の微妙な差異が明らかになった。

NVIDIA NeMo AutoModelはHuggingFace Transformers v5をベースに、エキスパート並列化、DeepEP融合オールツーオールディスパッチ、TransformerEngineカーネルを追加し、MoEモデルのファインチューニングでトレーニングスループットを3.4～3.7倍、GPUメモリを29～32%削減、API変更は不要。

CUGAはIBMが開発したオープンソースのエージェントハーネスで、エージェント構築における配管作業を処理し、開発者はツールリストとプロンプトのみを記述すればよい。本記事では、IBM Cloudアドバイザーアプリの例を通して、CUGAの計画、リフレクション、ポリシーシステムがどのように堅牢で本番運用可能なエージェントを実現するかを解説する。

この記事では、Cross-Origin Storage（COS）APIの提案を紹介します。このAPIは、暗号化ハッシュを使用してファイルを識別することで、WebアプリがAIモデルやWasmランタイムなどの大規模ファイルをオリジン間で共有できるようにします。Transformers.jsを例に、現在のキャッシュ分離が引き起こす重複ダウンロードの問題と、COSがハッシュベースの識別、柔軟なアクセス制御、整合性検証によってどのように解決するかを説明します。

Hugging Faceチームは、AIとオープンソースツールを活用してhuggingface_hubのリリースサイクルを4～6週間から毎週に短縮し、人間による最終レビューを残しました。新しいパイプラインは1リリースあたり約0.25ドルのコストで、リリースノートの品質と統合問題の発見が向上しました。

PP-OCRv6 は PaddleOCR の最新の汎用 OCR モデルファミリーで、1.5M から 34.5M パラメータの 3 つのティアにわたり、50 言語をサポートします。PP-OCRv5_server と比較して、テキスト検出の Hmean が +4.6 ポイント、認識精度が +5.1 ポイント向上しました。新アーキテクチャには PPLCNetV4 バックボーン、RepLKFPN 検出モジュール、EncoderWithLightSVTR 認識モジュールが含まれます。Paddle Inference、Transformers、ONNX Runtime の複数の推論バックエンドをサポートします。

OpenClawのメンテナーがローカルのオープンウェイトモデル（Gemma、Qwen）をエージェントハーネスで使用し、イシューやプルリクエストをリアルタイムでトリアージするシステムを構築。クローズドモデルに匹敵する性能をローカルハードウェアで実現。

ディープリサーチエージェントがプライベート文書とWeb検索を組み合わせると、クエリログを通じて機密情報が意図せず漏洩する可能性があります。MosaicLeaksベンチマークはこのプライバシーリスクを定量化し、Privacy-Aware Deep Research (PA-DR) と呼ばれる訓練手法を提案します。これにより、タスクパフォーマンスを維持しながら情報漏洩を3倍以上削減します。

LoRAは最も人気のあるパラメータ効率的ファインチューニング（PEFT）技術だが、特定のタスクでは他の手法が優れることを研究が示している。本記事では、Hugging FaceのPEFTライブラリとそのベンチマークを紹介し、ニーズに応じた適切なPEFT技術の選択方法を解説し、LoRAが常に最良とは限らないと指摘する。

新しいベンチマークフレームワークは、AIエージェントがソフトウェアライブラリを使用する際のプロセス全体の労力を評価します。Hugging Face Transformersをケーススタディとして、トークン使用量、時間、エラー率を異なるモデルとツール階層で測定し、使いやすさとリソース消費のトレードオフを明らかにします。

MolmoMotionは、ビデオフレーム、オブジェクト上の3D点、および言語指示から、数秒後の3D点軌跡を予測する新しい3D動作予測モデルです。ロボット計画や制御可能なビデオ生成で既存手法を凌駕します。最大のデータセットMolmoMotion-1MとベンチマークPointMotionBenchも公開しています。

AWSのオープンソースSDK「Strands Robots」がLeRobotを統合し、開発者は単一のAgentワークフローでHubデータセットから学習し、シミュレーションまたは実ロボットにポリシーをデプロイできます。本記事では5つのステップを解説し、ラップトップで実行可能なサンプルを提供します。

Z.AI が最新フラッグシップモデル GLM-5.2 を発表。長期間タスクに特化し、安定した 1M トークンコンテキストを提供。コーディングベンチマークで優れた性能を発揮し、IndexShare アーキテクチャで計算コストを削減。努力レベル制御により柔軟性を実現。MIT ライセンスで公開。

Agentic Resource Discovery（ARD）仕様は、AIエージェントがツール、スキル、他のエージェントを動的に発見できるようにする発見レイヤーを提供します。Hugging Face はHub上でリファレンスツールを実装し、自然言語検索を可能にしています。

olmo-evalは、LLM開発中の反復的な評価サイクルをサポートする新しい評価ワークベンチです。OLMES標準を基盤とし、柔軟なタスク定義、交換可能な実行時ポリシー、詳細な質問ごとの比較機能を提供し、開発者が介入が有意かどうかを判断するのに役立ちます。

本記事は PyTorch プロファイリングシリーズの第2部であり、nn.Linear レイヤーの内部機構（転置操作、バイアス融合エピローグ技術、torch.compile の影響）を掘り下げます。その後、GeGLU 活性化関数を含む多層パーセプトロン (MLP) のパフォーマンス特性を解析し、GPU カーネルのスケジューリングと実行を示します。

Cohere は、エージェント型ソフトウェアエンジニアリングタスク向けに設計された、300億パラメータのMixture-of-Expertsモデル（アクティブパラメータ30億）「North Mini Code」をリリースしました。Apache 2.0ライセンスでHugging Face上で公開され、コーディングベンチマークで競争力のある性能を達成しています。

コーディングエージェントが2つのHugging Face Space（画像生成と3Dガウシアンスプラット再構成）をagents.md経由で呼び出し、パリのモニュメントを展示する3Dウェブサイトを自動構築。画像生成ツールや3D再構築ツールを直接使うことなく、エージェントが各SpaceのAPIを連鎖させて結果を統合。本記事は、マルチメディアAIにおける「ビルディングブロック経済」の到来を示し、モデルを呼び出し可能な部品としてエージェントが自在に組み合わせることで、統合障壁を劇的に低減する可能性を強調している。

NeuroBaitは、ADHDの脳がタスクを開始できない「実行機能障害」を克服するために、ドーパミンを刺激するように微調整されたAIモデルです。著者の妻の観察から生まれ、従来のToDoリストではなく、温かみのある流れるような散文で小さな実行可能な一歩を提供します。LoRAを用いてGemma 3 12Bを微調整し、Hugging Face Spaceにデプロイされています。ADHDに限らず、圧倒されていると感じる誰でも役立ちます。

この記事では、GitHub Actions の CI を Hugging Face Jobs に移行する方法を詳しく説明します。GitHub ホストのランナーは速度が遅く、GPU を利用できないといった制限がありますが、ディスパッチャー Space、GitHub App、runs-on ラベルの変更により、CI ジョブを Hugging Face のインフラ上で CPU または GPU ハードウェアを使って実行し、ログをリアルタイムにストリーミングできます。Trackio の実践では、CPU ジョブの時間が約 30% 短縮されました。

単一モデルで確実に発生したバンクランの暴落が、5つの異なるラボの小規模モデルからなる評議会に置き換えた途端に消失した。外部ショックによる暴落誘発の試みは全て失敗し、最終的には決済の継ぎ目で決定論的な上書きを施すことで信頼できる結果を得た。

著者はHugging FaceのBuild Smallハッカソン向けに、パキスタンのローカルな安全性問題に焦点を当てたAIツール「パキスタン通知ヘルパー」を開発しました。このツールは小規模モデル（Qwen3.5 4B）を使用して不審なメッセージを分析し、リスクラベル、説明、安全な次のステップを提供します。英語とウルドゥー語に対応し、ウルドゥー語モードでは右から左へのレイアウトとウルドゥー語による評価を生成します。記事ではモデル選定、プロンプト、ウルドゥー語UI、Codexを使った迅速な開発に関する教訓を共有しています。

OpenEnvは、ターミナル、ブラウザ、またはエージェントが操作できる環境を作成するためのツールです。本日、OpenEnvがさらにオープンになり、エージェントのトレーニングの未来をオープンソースにすることを発表します。本日より、OpenEnvはMeta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Hugging Faceを含む委員会によって調整されます。このプロジェクトは、報酬フレームワークやトレーナーではなく、RL環境のための相互運用性レイヤーに焦点を当てています。

この記事では、Mythograph Atelierの着想について著者が説明します。これは、パーソナライズされた抽象画を生成するAIアートスタジオです。博物館訪問の影響、動的なAIネイティブアプリのビジョン、そしてアート生成前にユーザーを理解するために質問する好奇心旺盛なAIの概念を組み合わせています。

Hugging Faceの「Build Small」ハッカソンで、参加者がOpenAI CodexとModalのバウチャーをアクティベートする際に問題が発生。特にCodexバウチャーのアクティベート方法が不明。OpenAI Codex Trackの賞金詳細と参加要件を紹介。コミュニティのサポート要請もカバー。

Her は Claude Code のセッショントレースを解析し、プレーンな英語で出来事を再構築し、リスクのある操作（デプロイ、設定変更、シークレットなど）をフラグ付けし、トークン使用状況を表示するツールです。すべてローカル GPU 上で実行され、サードパーティの AI API は一切呼び出されず、トレースから質問に答える「Ask Her」アシスタントも備えています。

本記事は、第2回Build Small Hackathonのフィールドレポートであり、「Thousand Token Wood」v2版について説明しています。このバージョンでは、森に住む5匹の生き物のエージェントがそれぞれ異なる小型言語モデル（OpenAI、OpenBMB、NVIDIA、および微調整済みQwen）によって駆動され、プレイヤーは影のフィナンシエとして融資、内部情報の提供（真偽あり）、空売り、賄賂、同盟の仲介を行います。記事では、サービング層の異種性（vLLM、CUDAツールキット）、モデルごとの癖、寛容なJSONパーサー、内部情報の秘密フラグがエージェントのプロンプトに漏れるのを防ぐファイアウォールなど、エンジニアリング上の課題について詳述されています。永続的なメモリはプロンプトの肥大化を避けるため、生の履歴ではなくバウンデッドサマリーで管理されます。結果は漏洩ゼロ、微調整済み0.5Bモデルの高い信頼性、異種エージェントからの創発的な行動を示しています。主な教訓：小型モデルは信頼できるフォーマット生成器だが推論は信頼できない；異種性は管理可能なコストで価値を追加する；秘密情報はデータフローレベルのファイアウォールを必要とする；バウンデッドメモリは推論を損なわずにエージェントを生き生きとさせる。

ジョブサーチャーは、新卒者のためのAI搭載求人検索アシスタントです。履歴書を分析し、LinkedIn検索クエリを自動生成し、スキル、経験、学歴、業界、年次ごとの適合度を5次元で評価します。教師モデルにDeepSeek V4 Pro、生徒モデルにQwen3-8Bを使用し、2,500件の履歴書と約10,000件の求人データで学習。オープンソースでHuggingFace Spaces上で利用可能です。

Persona Atlasは、AIエージェントが公開情報を収集し、著名人の行動プロファイルを構築するツールです。10のオープンな質問への回答を埋め込みベクトルに変換し、ユーザーが異なる人物の思考スタイル（ユーモア、懐疑、抽象など）を直感的に比較できるようにします。小規模モデルを使用し、能力ではなくスタイルを重視する「ビルドスモール」ハッカソンの成果です。