✷ アーカイブ · ラボ 11 拠点 · ディスパッチ 870 件
ラボ
毎朝十数個の公式ブログを開いて回る必要はありません。OpenAI、Anthropic、DeepMind などの一次発表を、要点を抜き出した形で。
Core ML と dots.ocr を使用した最先端 OCR
Hugging Face は、3B パラメータの dots.ocr モデルを Core ML と MLX を使用してデバイス上で実行できるように変換し、OmniDocBench で Gemini 2.5 Pro を上回る性能を実現したことを示しています。
Hugging Faceが検索埋め込み評価のためのRTEBを導入
Hugging Faceは、オープンデータセットとプライベートデータセットのハイブリッドを用いて、埋め込みモデルの真の汎化性能と検索精度を測定することを目的とした新しい標準であるRetrieval Embedding Benchmark（RTEB）のベータ版をリリースしました。
VibeGame: AI支援ゲーム開発のための高レベル宣言型エンジン
Hugging Faceの研究者Dylan Ebertが、AIの熟練度に最適化されたウェブベースのスタックと高レベル抽象化を組み合わせた、'バイブコーディング'を可能にする宣言型ゲームエンジン、VibeGameを紹介します。
深さプルーニングされたドラフトモデルを使用した Intel Core Ultra 上の Qwen3-8B 加速
Intel Core Ultra 上で speculative decoding と深さプルーニングされた Qwen3‑0.6B ドラフトを使用して Qwen3-8B を加速し、約 1.4 倍の速度向上を実現し、Hugging Face の smolagents による高速ローカル AI エージェントを可能にします。
Nemotron-Personas-Japan リリース
NVIDIAは、主権AIと文化に配慮したLLMの開発を支援することを目的とした、600万件の日本人ペルソナからなるオープンな合成データセット **Nemotron-Personas-Japan** をリリースしました。
Swift Transformers 1.0 リリースノート / 新機能
Hugging Face は Swift Transformers 1.0 をリリースしました。この安定版ライブラリは、トークナイザー、ハブアクセス、モデルラッパーを提供し、Apple Silicon 開発者向けにローカル LLM の統合を簡素化します。
Smol2Operator リリース：小さな VLM をオープンソースのエージェント型 GUI コーダーに変える
Hugging Face は Smol2Operator をリリースしました。これは、2.2 B パラメータの SmolVLM2‑2.2B‑Instruct モデルをオープンソースのエージェント型 GUI コーダーに変換するポストトレーニングレシピで、すべてのコード、データセット、そして生成されたモデルが公開されています。
SyGra: LLM と SLM データ生成のためのローコードフレームワーク
SyGra は ServiceNow AI が開発したローコード/ノーコードフレームワークで、Large と Small 言語モデル向けのデータセットの作成、変換、アラインメントを簡素化します。
Hugging Face Gaia2 と Meta Agents Research Environments (ARE) リリース
Hugging Face は、複雑で実世界に近いシミュレーション環境において AI エージェントを評価・デバッグするための、読み書き型エージェントベンチマーク Gaia2 と Meta Agents Research Environments (ARE) フレームワークをリリースしました。
Scaleway が Hugging Face 推論プロバイダーに追加 – 機能、使用方法、課金
Scaleway は Hugging Face Hub の公式推論プロバイダーとなり、低遅延でヨーロッパにホストされたサーバーレスアクセスを通じて、最先端モデルを柔軟な課金オプションで提供します。
Hugging FaceがPublic AIを推論プロバイダーとして統合
Hugging FaceはPublic AIをサポートされる推論プロバイダーとして追加し、Swiss AI InitiativeやAI Singaporeなどの機関が提供する主権モデルへのサーバーレスアクセスを可能にしました。
LeRobotDataset v3.0 リリースノート / 新機能
Hugging Face は LeRobotDataset v3.0 をリリースしました。これは大規模なデータ保存とストリーミングを可能にし、数百万エピソードをサポートする標準化されたロボティクスデータセット形式です。
Gradioによる可視透かし
Hugging Faceは、Gradioライブラリを使用してAI生成画像、動画、テキストに可視透かしを簡単に追加できる方法を導入し、合成コンテンツの透明性向上を図っています。
Writer Palmyra-mini ファミリーリリース
Writer は、1.5B から 1.7B パラメータの軽量オープンモデルで構成される Palmyra-mini ファミリーをリリースしました。このファミリーは、ベースモデルと、論理と数学に最適化された 2 つの専門的な推論バリアントを備えています。
Transformers 4.40 のパフォーマンス向上（OpenAI GPT‑OSS 向け）：ゼロビルドカーネル、MXFP4 量子化、並列化、ロード高速化
Hugging Face は、OpenAI の GPT‑OSS モデル向けにゼロビルドカーネル、MXFP4 4 ビット量子化、テンソル・エキスパート並列、動的スライディングウィンドウキャッシュ、連続バッチング、モデルロード高速化を transformers ライブラリに追加し、効率とスケーラビリティを大幅に向上させました。
Together AI を使用した Hugging Face Hub の LLM のファインチューニング
Together AI と Hugging Face がプラットフォームを統合し、開発者は Together AI のインフラストラクチャを使用して Hugging Face Hub の任意の互換性のある LLM をファインチューニングできるようになりました。
Jupyter エージェント：ノートブックで推論できるLLMのトレーニング
Hugging Face は、高品質な合成データ生成パイプラインと最適化されたスキャフォールディングを導入し、Qwen3-4B のような小型 LLM を最先端のデータサイエンスエージェントへと変換します。
mmBERT: ModernBERT が多言語化
Hugging Face は、1,800 以上の言語で 3 兆トークン以上を学習した大規模多言語エンコーダモデル mmBERT を発表し、性能と推論速度の両面で XLM‑R を上回ります。
EmbeddingGemma 300M リリースノート
GoogleはEmbeddingGemmaをリリースしました。これは308Mパラメータの多言語埋め込みモデルで、サブ500MモデルのMTEBベンチマークでトップに立ち、オンデバイス使用に最適化されています。
SandboxAQ SAIR データセットリリース
SandboxAQは、実験的に測定されたIC50ラベルとペアになった共折りたたみ3Dタンパク質‑リガンド構造の最大規模データセットであるSAIRをリリースしました。5百万以上のAI生成構造を提供し、AI駆動の創薬を加速します。
Hugging Face ZeroGPU 事前コンパイルガイド
Hugging Face は ZeroGPU Spaces 向けに事前コンパイル（AoT）を導入し、Flux、Wan、LTX などの生成モデルで 1.3x〜1.8x の速度向上を実現し、ジャストインタイムコンパイルのオーバーヘッドを排除します。
NVIDIA Nemotron ポストトレーニングデータセット v2 と Nemotron Nano 2 9B リリース
NVIDIAは、600万サンプルの多言語推論データセットと、ハイブリッドTransformer-Mambaアーキテクチャを活用して推論コストとスループットを最適化するNemotron Nano 2 9Bモデルをリリースしました。
Claude と Hugging Face で画像を生成する
Hugging Face は、Model Context Protocol（MCP）サーバーを介して AI を Hugging Face Spaces に接続することで、Claude 内で画像生成を可能にします。
研究のための Hugging Face MCP: AI と研究ツールをつなぐ
Hugging Face は Research Tracker MCP を導入し、AI エージェントが Model Context Protocol を通じて arXiv、GitHub、Hugging Face を統合し、研究の発見を自動化できるようにします。
Hugging Face kernel-builder: プロダクション対応 CUDA カーネルの構築とスケーリングガイド
Hugging Face は、プロダクション対応 CUDA カーネルの開発、マルチアーキテクチャコンパイル、そして Hugging Face Hub を通じた配布を簡素化する kernel-builder ライブラリを導入しました。
Kimina-Prover-RL リリース
Hugging Faceは、Lean 4における形式的な定理証明のためのオープンソースRLトレーニングパイプライン、および2つのSOTAモデル（0.6Bおよび1.7B）をリリースしました。
Arm と ExecuTorch 0.7: 生成AI を何十億台のデバイスへ拡大
Arm と ExecuTorch 0.7 ベータは、KleidiAI による自動 AI アクセラレーションを実現し、SDOT 命令を活用して Llama 3.2 などの LLM を何十億台もの既存 Arm ベースデバイスへ提供します。
Arm Neural Super Sampling (NSS) リリース
Arm は Neural Super Sampling (NSS) をリリースしました。これは GPU の負荷を軽減し、モバイルデバイスで高解像度レンダリングを可能にする AI 搭載のアップスケーリングソリューションです。
FilBench: フィリピン語におけるLLMの能力評価
Hugging Faceは、タガログ語、フィリピン語、セブアノ語におけるLLMの流暢さ、言語能力、文化的知識を評価するために設計された包括的な評価スイート、FilBenchを導入しました。
TextQuests: テキストベースのビデオゲームにおけるLLMエージェント的推論の評価
Hugging Faceは、25本のクラシックなInfocomインタラクティブフィクションゲームを使用したベンチマーク「TextQuests」を導入し、LLMエージェントの長文コンテキスト推論能力と探索能力を評価します。
Hugging Face AI Sheets リリース
Hugging Face は、オープンソースのノーコードツールである AI Sheets をリリースしました。このツールは、オープンAIモデルを使用してデータセットを構築、変換、強化するためのものです。
Accelerate ND-Parallel: 効率的なマルチGPU訓練ガイド
Hugging FaceはAccelerateとAxolotlにND-Parallelismを統合し、ユーザーがデータ並列、完全分割データ並列、テンソル並列、コンテキスト並列の各戦略を組み合わせて、大規模モデルのマルチGPU訓練を最適化できるようにしました。
TRLにおけるVision Language Modelのアライメント
Hugging Faceは、MPO、GRPO、GSPOを含むVision Language Modelsのための高度なアライメント手法、ならびにネイティブなSFTサポートとvLLM統合を含む、TRLライブラリの拡張を行いました。
NVIDIA AI-Q Blueprint: DeepResearch Benchでトップランクのオープンディープリサーチエージェント
NVIDIAのAI-Q Blueprintは、Hugging Face DeepResearch Benchでオープンライセンススタックのトップに立ち、Llama 3.3-70B Instruct と Llama-3.3-Nemotron-Super-49B-v1.5 の組み合わせを活用しています。
3LM: アラビア語LLM向けSTEMとコードのベンチマーク
Hugging Face と TII UAE が 3LM を発表しました。これは、アラビア語大型言語モデルを STEM 分野とコード生成で評価するために設計された、初の包括的ベンチマークです。
Gradio を使用した Python での MCP サーバー実装
Hugging Face は、Python 開発者が Gradio を使って Model Context Protocol (MCP) サーバーを迅速に構築できる方法を紹介し、LLM が Hugging Face Hub 上の数千の AI モデルや Spaces と統合できるようにします。
Hugging Face Trackio リリース
Hugging Face は、無料でオープンソースの軽量実験トラッキングライブラリである Trackio をリリースしました。wandb のドロップイン置換として機能し、Hugging Face Spaces と Datasets とのネイティブ統合を提供します。
Hugging Face CLI アップデート: hf コマンドへの移行
Hugging Face は huggingface-cli を hf に名称変更し、より使いやすいリソース‑アクション形式のコマンド構造と、HF インフラ上でスクリプトを実行するための新しい hf jobs サービスを導入しました。
効率的なデータ重複排除のための Parquet コンテンツ定義チャンク
Hugging Face は Parquet コンテンツ定義チャンク (CDC) を導入し、PyArrow と Pandas で利用可能にしました。これにより、Xet ストレージ層上で Parquet ファイルの効率的な重複排除が可能となり、アップロードとダウンロードの時間が大幅に短縮されます。
Diffusers と PEFT を使用した Flux の高速 LoRA 推論
Hugging Face は Flux.1-Dev 向けに最適化レシピを発表し、ホットスワッピング、torch.compile、FP8 量子化を組み合わせることで LoRA 推論を最大 2.23 倍高速化しました。
TimeScope: 長動画大規模マルチモーダルモデル理解のための新しいベンチマーク
Hugging Face は、1 分から 8 時間までのコンテンツに動画の針を挿入して、ビジョン・ランゲージモデルの時間的理解度を評価するオープンソースベンチマーク「TimeScope」を導入しました。
NVIDIA NIM と Hugging Face の統合
NVIDIA は NVIDIA NIM を拡張し、Hugging Face 上で 100,000 以上の LLM をサポートできるようにしました。単一の Docker コンテナがモデル分析、バックエンド選択、パフォーマンス最適化を自動化し、迅速なデプロイを実現します。
Arc バーチャルセルチャレンジ プライマー
Arc Virtual Cell Challenge は、参加者に 300k 件のシングルセル RNA シーケンシングプロファイルからなるデータセットを用いて、CRISPR による遺伝子サイレンシングが細胞トランスクリプトームに与える影響を予測するモデルの学習を課す課題です。
Gradio 5.38.0 MCP サーバーの改善点
Gradio バージョン 5.38.0 は、Model Context Protocol（MCP）サーバー機能に 5 つの主要な更新を導入しました。シームレスなローカルファイルサポート、リアルタイム進捗通知、OpenAPI 仕様の自動変換が含まれます。
Hugging Face FutureBench: 将来のイベント予測におけるAIエージェントの評価
Hugging FaceはFutureBenchを導入しました。このベンチマークは、AIエージェントに将来の実世界の出来事を予測させることで、推論と統合能力を評価し、データ汚染を実質的に排除します。
Consilium: Multi-LLM Collaboration Platform
Consiliumは、構造化された議論とリサーチを通じて、複数のAIモデルが合意形成に達することを可能にするマルチLLMプラットフォームであり、GradioインターフェースとMCPサーバーの両方として統合されています。
Ettin Suite: SoTA ペアエンコーダーとデコーダー
Hugging Faceは、同一のデータとレシピでトレーニングされたペアのエンコーダーのみモデルとデコーダーのみモデル（17M〜1Bパラメータ）を提供するEttinスイートを導入し、アーキテクチャ性能の制御された比較を可能にします。
Hugging Face Hub の Git LFS から Xet への移行
Hugging Face は、AI ワークロードに合わせてスケールするよう設計されたコンテンツアドレッシングストレージシステムである Xet に、Git LFS から 500,000 のリポジトリと 20 PB のデータを移行しました。
Kimina-Prover: 大規模形式推論モデルにおけるテスト時RL検索の適用
Hugging Face は Lean 4 用の最先端定理証明モデル Kimina-Prover-72B を発表しました。新しいテスト時強化学習 (TTRL) 検索フレームワークを用いて、miniF2F ベンチマークで 92.2% の合格率を達成しています。
Hugging Face MCPサーバーの構築
Hugging Faceは公式のModel Context Protocol（MCP）サーバーをリリースし、AIアシスタントが単一のURLでHugging Face Hubと数千のGradioベースのAIアプリケーションに動的にアクセスできるようにしました。