Hugging Face CEO 自嘲入选多元代表

小米（Xiaomi）发布开放权重模型 MiMo-V2.6-Pro，在 Artificial Analysis Intelligence Index 得分 46，超越前代 MiMo-V2.5-Pro 的 26，为开放权重模型中最高。

训练模型正变得越来越简单--看看这个和 TRL--尤其是有了智能体之后！ 如果你还在用开箱即用的模型处理所有任务，那你可就落伍了！ Halo 是开源模型后训练的最佳框架，吞吐量最高可达原生 TRL 的 2.8 倍，峰值内存更低，同时模型保持原生 HuggingFace 格式。

HF 上排名第一的热门模型是一个开源多语言 system 1 决策模型，就在 Jev 开始走红几天之后。开源 AI 社区太棒了！

Hugging Face CEO Clément Delangue 认为，对现实世界 90% 的用例而言，LLM API 远非最佳 AI 方案--它们过于重型、慢、贵且难以控制。他引用 @willdepue 关于零样本分类器 Jev 的讨论，称随着 AI 成熟和广泛采用，未来几年将逐渐认识到这一点。

我喜欢 Jev 的一点是：多年来，大型通用模型几乎吸走了 AI 领域所有的氧气。 但在更加专业化和定制化的模型上存在巨大机会，这些模型为特定任务和语言而构建，因此成本低几个数量级、速度更快、优化更好。@huggingface 上公开可用的这类模型有 300 万个。 让我们构建一个更加多元的 AI 生态！

大多数关闭的公司会放弃他们的成果。这家初创公司做了更好的事：他们开源了 1，274 小时的自我中心机器人数据。13，451 段人类执行日常任务的录像，作为送给机器人社区的礼物。感谢 @eidon_ai！ 开源有一种超能力：工作成果可以比创造它的组织活得更久。更多初创公司应该这样做！ https://huggingface.co/eidon-ai

我们将在旧金山以一场聚会、社区演示和舞会拉开开源 AI 周的序幕。 让我们一起推动并庆祝 AI 领域更多的开放与透明！

在生物学领域，就像在网络安全领域一样，未来几年我们会认识到，大部分风险都集中在少数最强大的实验室手中，并由它们制造出来，而开源 AI 正是这一风险的解决方案和缓解之道！

在我看来，权力集中在少数几个实验室是 AI 最大的风险。 【引用 @dwarkesh_sp】：我非常担心，在 RSI 期间，实验室会直接停止对外部署他们的模型。 这意味着他们会在这些模型最危险的用例（递归自我改进）上全速推进，而公众对能力本质和对齐状况一无所知。 最终我们会走上一条通往权力极度集中的道路。

我只在被迫去 DC 的时候才打领带 😅（话说我们要不要做 HF 领带？）。和 @alexanderburns @politico 聊得很棒。AI 需要更多透明度和开源！https://www.politico.com/video/2026/09/16/hugging-face-ceo-talks-cyberattacks-regulatory-enforcement-and-china-2165447