OpenAI 公開以 Responses API 為基礎的 Open Responses 開源規格
OpenAI 於 2026年1月15日公開開源規格 Open Responses,旨在建立可跨多個模型供應商互通的 LLM 介面。它定義共享結構描述、用戶端程式庫及工具層,開發者可一次編寫請求與輸出,經最少調整在多個供應商間執行,並用於模型呼叫、結果串流及 Agent 工作流程。設計採用一致的串流事件和工具呼叫模式,並以 items 作為模型輸出及工具使用的最小單位。
OpenAI 於 2026年1月15日公開開源規格 Open Responses,旨在建立可跨多個模型供應商互通的 LLM 介面。它定義共享結構描述、用戶端程式庫及工具層,開發者可一次編寫請求與輸出,經最少調整在多個供應商間執行,並用於模型呼叫、結果串流及 Agent 工作流程。設計採用一致的串流事件和工具呼叫模式,並以 items 作為模型輸出及工具使用的最小單位。
Transformers v5 將分詞器架構與訓練所得的詞彙、合併規則分離,並在類別中明確呈現正規化器等組件。相較 v4 每個模型各有 slow/fast 兩套實作,v5 改為每個模型一個檔案,預設採用 Rust-based TokenizersBackend;分詞器類別亦可直接實例化並用自有語料訓練。
推薦理由:文章對照 v4 與 v5,説明分離分詞器架構和訓練詞彙後,如何更直接檢查組件,並沿用模型架構訓練自訂分詞器。
美團 LongCat 發佈 LongCat-Video-Avatar,統一支援 Audio-Text-to-Video、Audio-Text-Image-to-Video 及影片續接,並提供單人與多人角色動畫模式。
美團 LongCat 發佈 LongCat-Image,這是一款 6B 參數、支援中英文的開源圖像生成基礎模型。項目稱,LongCat-Image 在多項基準上超越多個規模大數倍的開源模型,並列出中文字渲染、寫實效果及部署效率等特點。在涉及文字生成的文生圖及圖像編輯任務中,提示詞的目標文字必須置於引號內,否則專用字元級編碼策略不會觸發,文字渲染能力會嚴重受損。
美團 LongCat 推出 LongCat-Image-Edit,這是 LongCat-Image 的圖像編輯版本,支援中英文編輯。模型在開源圖像編輯模型中達到 SOTA,並提升推理效率;支援全域、局部、文字及參考圖引導編輯,並可在多輪編輯中保留未編輯區域的一致性。
美團 LongCat 釋出 LongCat-Image-Dev,作為 LongCat-Image 的開發版本及中期訓練檢查點,供社羣進行下游開發。項目亦附有 SFT、LoRA 微調、DPO/GRPO/MPO 對齊及專項 Edit 訓練程式碼,並提供由預訓練資料整理至獎勵模型整合的可重現流程。
Hugging Face 宣佈推出 swift-huggingface,一款提供完整 Hugging Face Hub API 的 Swift 套件,可作為獨立套件使用。
Hugging Face Skills 讓 Claude Code 等編碼智能體透過對話處理模型微調,涵蓋資料集驗證、GPU 選擇、雲端工作提交與進度監控。它亦兼容 Codex 和 Gemini CLI;文中以 Qwen3-0.6B 在 open-r1/codeforces-cots 上進行 SFT 為例,估算使用 t4-small 約需 20 分鐘、成本約 $0.30。
推薦理由:文章將資料集驗證、GPU 選擇、雲端工作提交與進度監控串成智能體訓練流程,並比較 SFT、DPO、GRPO 的適用場景。
Hugging Face 發佈 Transformers v5.0.0rc-0,將簡化模型定義、訓練、推理和生產支援列為重點,並以互操作性貫穿版本改造。
推薦理由:文章説明 Transformers v5 如何銜接訓練工具、推理引擎與本地部署,並呈現其聚焦 PyTorch、提升量化支援的工程取捨。
OVHcloud 已成為 Hugging Face Hub 支援的推理服務提供商,用户可透過 Hub 模型頁面及 JS、Python SDK 使用其服務。OVHcloud AI Endpoints 是全託管無伺服器服務,每百萬個 tokens 收費由 €0.04 起,基建設於歐洲數據中心。服務支援結構化輸出、函數呼叫及文字和圖像處理,首個 token 回應時間低於 200ms。
AnyLanguageModel 是一個 Swift 套件,以 Apple Foundation Models 的 API 為基礎,為 Apple 平台的本地與雲端 LLM 提供統一介面,目標是減少多供應商整合摩擦。
Hugging Face 與 Google Cloud 宣佈深化策略合作,協助企業以開放模型建置及客製化 AI。Google Cloud 客户對 Hugging Face 的使用量在過去 3 年增長 10x,目前每月涉及數十 PB 模型下載及數十億次請求;雙方正建置 CDN Gateway,將模型和資料集快取至 Google Cloud,以縮短下載時間並加強模型供應鏈穩健性。
Blender 教學示範如何利用 AI 生成的深度圖,透過 Displace 修改器令平面呈現凹凸立體效果。流程包括以 Marigold Depth Estimation 生成深度圖、把平面網格的分割數設為約 50,再載入深度圖;貼上原圖材質及進一步平滑凹凸的操作留待下篇。
美團 LongCat 發佈並開源 LongCat-Flash-Omni,這款全模態模型有 560B 總參數、27B 啟用參數,支援即時音訊與影片互動。模型支援最高 128K tokens 上下文窗口,權重以 MIT License 發佈。FP8 權重至少需要一個節點(例如 8×H20-141G),BF16 權重至少需要兩個節點(例如 16×H800-80G)。
Hugging Face 發佈 huggingface_hub v1.0,將 HTTP 函式庫由 requests 遷移至 httpx,並全面翻新 CLI。httpx 原生支援 HTTP/2,且統一同步及非同步 API;官方表示遷移設計力求透明,大部分用戶毋須修改現有用法。
Hugging Face Blog 提出語音複製「同意閘門」設計並提供示例 Space 和程式碼,系統需先確認説話者已明確同意才會啟動。示例會為每次同意生成一組新句子,分別表達明確同意及補充語音的音素多樣性,並以語音識別確認同意語句。作者指出,仍可能有人用另一個 TTS 系統生成相符語句,並列出音訊來源驗證、説話者嵌入向量相似度及即時錄音 metadata 作為可探索方向。
推薦理由:把每次生成的同意語句與語音辨識綁定,並以同一段錄音作複製輸入,展示了將知情同意設為工作流程前置條件的實作思路。
Hugging Face 發佈 Python 套件 huggingface_hub v1.0,遷移至 httpx,推出重設計的 hf CLI,並將 hf_xet 設為檔案傳輸預設套件。
推薦理由:文章集中説明 httpx、hf CLI 與 hf_xet 的變更,並列出 transformers v4、v5 的版本相容要求,便於維護者評估升級範圍。
Hugging Face 改進 datasets 與 huggingface_hub 的資料集串流,資料檔解析快 10 倍、啟動請求最多減少 100 倍,串流速度最高提升至原來的 2 倍。
推薦理由:文章拆解跨 DataLoader workers 快取與 Parquet 預取如何改善資料解析和吞吐,並列出 256 workers 下的請求量及穩定性結果,呈現大規模串流訓練的優化方向。
LeRobot 發佈 v0.4.0,加入 Datasets v3.0、VLA 模型 PI0 和 PI0.5、GR00T N1.5,以及硬件插件系統。Datasets v3.0 採用分塊 episode 格式並支援串流,可處理 OXE 級(> 400GB)資料集。
推薦理由:資料集規模化、模擬評測、多 GPU 訓練和硬件插件同時更新,勾勒出 LeRobot 從資料處理到機械人控制的工具鏈演進。
Meta 與 Hugging Face 合作推出 OpenEnv Hub,供開發者建立、分享和探索可用於訓練與部署的智能體環境。OpenEnv 以沙盒封裝任務所需工具、API、憑證及執行上下文,並提供清晰語義與隔離控制;團隊同時發布 OpenEnv 0.1 Spec(RFC)徵求社羣意見。
推薦理由:OpenEnv 將智能體任務所需的工具、API、憑證與執行上下文封裝成可分享環境,並銜接訓練和部署,呈現環境規格化的實際用途。
Hugging Face 與 VirusTotal 展開合作,持續掃描 Hugging Face Hub 上 2.2M+ 公開模型及數據集倉庫中的文件。瀏覽倉庫、文件或目錄頁時,Hub 會以文件雜湊值查詢 VirusTotal 的威脅情報資料庫,不會向 VirusTotal 傳送原始文件內容。結果可包括檢測數、已知惡意關聯或相關威脅活動情報,供用户下載或整合文件前參考。
推薦理由:文章交代了以文件雜湊值查詢威脅情報、而不傳送原始文件內容的流程,讓讀者理解安全檢查的資訊來源與隱私邊界。
Sentence Transformers 從 TU Darmstadt 的 UKP Lab 轉由 Hugging Face 接手,Tom Aarsen 繼續領導項目。項目維持社羣驅動及 Apache 2.0 開源授權;Hugging Face Hub 上已有超過 16,000 個 Sentence Transformers 模型。
推薦理由:文章交代維護者接續、基礎設施支援與 Apache 2.0 授權不變,呈現項目轉交後的維護安排和開源承諾。
Hugging Face 為開源工具 AI Sheets 加入視覺功能,讓用户可在試算表中分析圖片、抽取資料、生成及編輯圖像。AI Sheets 透過 Inference Providers 使用數千個開放模型;示例以自訂提示詞從手寫食譜圖片提取文字,並可修訂結果、整理後匯出資料集至 Hub。
推薦理由:這次更新把圖片理解、生成與編輯納入同一試算表流程,並以手寫食譜示範從提示詞抽取文字、修訂結果到匯出資料集的做法。
Hugging Face 更新開放 OCR 模型指南,加入 Chandra、OlmOCR-2 及模型在 OlmOCR Benchmark 的比較分數。指南對照多款模型的輸出格式、語言支援、功能與成本,並介紹 OmniDocBenchmark、OlmOCR-Bench 和 CC-OCR 等評測基準。
推薦理由:文章對照模型能力、輸出格式、評測基準與部署成本,並建議以代表性樣本檢驗不同文件和語言下的表現。
教程示範如何透過 Hugging Face Space 使用 Hunyuan3D 2.1,以上傳圖片生成 3D 模型,並調整 Octree Resolution 控制模型細節。文中比較數值為 256 和 100 的生成結果,指出數值較低時模型外觀較粗糙;亦示範匯出 glb 檔並匯入 Blender。
Hugging Face Blog 提供以 Optimum Intel 和 OpenVINO 在 Intel CPU 上本地運行 SmolVLM2-256M-Video-Instruct 的三步教程,涵蓋模型轉換、量化及推理。
推薦理由:文章展示 VLM 在 Intel CPU 上以 OpenVINO 完成轉換、兩種量化和推理的三步流程,並交代靜態量化校準與精度影響。
文章示範在 Minisforum AI X1 PRO 上安裝 Ubuntu 24.04.3,配置 ROCm 6.4.4,並以 llama.cpp 執行 gpt-oss-120b。
NVIDIA 發佈 Nemotron-Personas-India,一套依印度人口、地理及文化分佈合成的人物設定數據集,採用 CC BY 4.0 授權。數據集包含 21 million 個人物設定(3M 條記錄、每條 7 個設定),支援英語及以天城文、拉丁字母書寫的印地語,並有 27 個欄位和 7.7 billion tokens。
推薦理由:數據集以印度人口、地域分佈為基礎,涵蓋英語及兩種文字形式的印地語,並採 CC BY 4.0 授權,呈現其作為區域模型訓練素材的語言覆蓋與使用條件。
BigCodeArena 推出以程式碼實際執行評估程式生成模型的平台,讓使用者並排比較模型、測試輸出並投票。平台支援 10 種語言和 8 種執行環境,並已收集逾 14,000 段對話及 4,731 個投票樣本。
推薦理由:平台把程式實際執行和互動測試納入模型比較,並按程式語言與執行環境拆分結果,呈現總體排名之外的表現差異。
Hugging Face Blog 記錄將 RedNote 的 dots.ocr 視覺編碼器轉換至 Core ML,作為探索以 Core ML 和 MLX 在裝置端運行 OCR 的三篇系列首篇。
Hugging Face 的 Swift 函式庫 swift-transformers 發佈 1.0,標誌套件進入穩定階段,並為後續功能迭代奠定基礎。Tokenizers 和 Hub 現已成為頂層模組,套件亦採用支援有狀態模型的 Modern Core ML API,並完整支援 Swift 6。團隊表示,後續將聚焦 MLX 與智能體應用。
美團發佈 LongCat-Flash-Thinking,一款採用 MoE 架構、總參數量 560B 的大型推理模型。模型按上下文動態啟用 18.6B∼31.3B 個參數,平均約 27B,並支援數學、邏輯、編碼、自動定理證明及工具使用等任務。模型權重以 MIT License 發佈,並已在 SGLang 和 vLLM 加入基本部署適配。
Hugging Face 推出 Gaia2 智能體基準及 Meta Agents Research Environments(ARE)框架,用於在更複雜、接近真實情境的環境中執行、除錯和評估智能體。
推薦理由:Gaia2 將智能體評測從唯讀檢索擴展至含模糊指令、時間要求和環境故障的互動任務,ARE 記錄執行 traces,便於分析智能體在複雜情境中的失誤。
Public AI 現已成為 Hugging Face Inference Providers 的支援服務商,用户可在 Hub 模型頁面及 Python、JS SDK 調用其推理服務。
Hugging Face 發佈 LeRobotDataset v3.0,將多個 episode 合併存入單一檔案,並可串流處理大型機械人資料集。v2 每個 episode 各存一個檔案,資料集擴展至數百萬個 episode 時會遇到檔案系統限制;v3 以關聯式 metadata 取得各 episode 資訊。
Hugging Face 為 Gradio 加入可見水印功能,讓開發者可在生成圖片、影片及 AI 文字內容中加入水印。gr.Image 和 gr.Video 可透過 watermark 參數設定水印,聊天介面亦可設定自訂文字水印,使用者複製 AI 回應時會自動附上標示。
Together AI 宣佈可透過其平台微調 Hugging Face Hub 上兼容的 LLM,微調後模型可供推理、下載或推回 Hub。流程以 Together 官方目錄中的基礎模型提供訓練配置,自選的 Hugging Face 模型則是實際微調對象;文中稱一般預期支援 100B params 以下的 CausalLM 模型。
推薦理由:文章交代了基礎模型提供訓練配置、自選 Hub 模型作為微調對象的分工,並列出讀取私有模型與將訓練結果推回 Hub 的接入流程。
mmBERT 以 ModernBERT 為基礎推出,使用超過 3T tokens 的多語言文本訓練,並在最後階段納入 FineWeb2 的 1,833 種語言。
推薦理由:mmBERT 展示分階段擴充語言、逐步降低遮罩率的訓練設計,並報告在最後 100B tokens 才納入的低資源語言上取得明顯提升。
Hugging Face 介紹如何在 ZeroGPU Spaces 使用 PyTorch AoT 編譯,將模型預先編譯後在不同程序中載入,以減少即時編譯造成的冷啟動開銷。
推薦理由:文章拆解 ZeroGPU Spaces 的 PyTorch AoT 編譯流程,並展示量化、動態形狀與區域編譯等可遷移的優化做法。
MCP 讓 AI 智能體透過自然語言使用研究工具,跨 arXiv、GitHub 與 Hugging Face 搜尋論文、程式碼、模型及資料集並交叉查證。Hugging Face 的 Research Tracker MCP 可從 MCP Settings 加入,並按 Claude Desktop、Cursor、Claude Code 或 VS Code 的指引完成設定。