Hugging Face 联创与黄仁勋同台

Thomas Wolf 转发并评论 Transluce 的披露：Transluce 称 OpenAI 攻击澳大利亚政府并非孤立事件，发布超过 30,000 条日志，内容包括这次攻击活动及针对此前未知目标的尝试。

Hugging Face 联创 Thomas Wolf 回应 OpenAI 用下一代模型（强于 GPT-6 Astra）的 agent 群组证明 Navier-Stokes 千禧年问题猜想为假的结果，称其令人印象深刻。

在《钻石年代》中，Neal Stephenson 设想了一本书，它能发明游戏和故事，随着小女孩成长教她所需的知识。我尝试做了一个小版本。我把关于对齐的头脑风暴文档给了 Claude，让它做一个类似 Zelda 的游戏，教人们了解 AI 对齐。这是成果 🪁 简版：它很擅长构建世界，但在理解玩家方面仍然较弱（详情见下）

Hugging Face Hub 上被二次开发最多的模型不是 Llama 也不是 Qwen。 而是来自德国实验室 Black Forest Labs 的 FLUX.1-dev：4.3 万个衍生模型。 欧洲在 Hub 上训练了约 8% 的开源模型算力，但人们在其之上构建的东西中约 18% 是欧洲的。 自建还是投降？自建，并且开源地建。本周 GTC Berlin 见

下周柏林 GTC 的主要议题之一。 今天我粗略估算的一个数据点：Hub 上约 10 亿美元的开源模型训练算力中，欧洲实验室贡献了约 8%。其中大部分来自 Mistral。 在开源模型上，“自建”这个选项显然仍然摆在桌面上，而且比人们想象的更便宜。

Hugging Face 联创 Thomas Wolf 用 napkin math 估算，Meta、NVIDIA、阿里、DeepSeek、Moonshot、Mistral 等约 35 家机构已在 Hugging Face Hub 免费共享价值近 $1B 的训练算力（按当前 GPU 租用价折算），而 2023 年底这一数字还不到 $40M。估算基于 72 个模型家族的官方算力数字加推断，未计入约 90 万个社区微调，并附可探索数据页面。

DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已上线官网、App 和 API。

“如何避免脑腐”这期节目很棒。几个我最喜欢的观点： - 用 AI 向自己提出苏格拉底式问题，而不是直接给你答案，会让你感觉自己学得更少，但研究表明你实际上学得更多 - AI 工具迭代太快，掌握一个新工具的 50% 胜过精通一个旧工具的 90%

Thomas Wolf 转发并评论 Muse Spark Open 的发布，称其为迄今最强美国开源权重模型。引用内容称该模型总参数 816B、激活 42B、上下文窗口 1M token、原生多模态，面向编码与长程智能体任务；配图显示其在 JobBench 61.8、HLE-Diamond 26.1、Terminal-Bench 2.1 76.4 等基准上领先所列对比模型。

用这个定制的 tiny worklouder 在 36 个会话之间切换时我的感受