Hugging Face CEO 谈 Open Alignment

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。

我喜欢这篇文章！ 问题不在于某些人关心并研究灾难性风险（我们实际上需要更多这方面的研究），而在于公司领导者和政策制定者利用对这些风险的恐惧来转移和掩盖当前的挑战与解决方案！ https://quillette.com/2026/09/24/the-doomers-are-the-risk-open-ai-agent-medicare/

Hugging Face CEO Clément Delangue 反驳 Hillary Clinton 关于开源 AI 模型可能带来额外危险的观点，认为风险并非来自车库里没钱没算力的 1-3 人，而是来自秘密实验室用海量算力训练前沿智能体所造成的能力不对称。他强调开源正是解决这种不对称的方案，能让医院等小型机构具备自我防御能力。

Agent 网络攻击痕迹什么时候能在 hf 上看到？ 引用 @calebfahlgren：@huggingface hub 上的 Agent Traces 现在附带收据 🧾 每次运行都显示 tokens、缓存命中率和成本！

感谢 @jnbarrot 和 @UN 邀请我在安理会分享我们的经验教训 作为第一家披露智能体网络攻击的公司，我们学到：AI 需要更多的透明度，也需要更多的开源 AI，以对抗不对称并赋能防御者！

感觉这次我是被选来凑多元化的那个 😅

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！