Hugging Face 相关 AI 资讯 · AITOP

7月20日

13:42

13:42IT之家（博客/媒体）

精选

Hugging Face于7月16日声明，其平台遭遇完全由自主式AI智能体发起的网络攻击。攻击者利用数据处理流水线中的两处代码执行漏洞，获得初始权限后横向渗透至多个内部集群，导致少量内部数据集及部分服务凭证被未经授权访问。该智能体在大量短生命周期的沙盒环境中执行了数万次操作，并搭建了自主迁移的C2基础设施。Hugging Face已修复漏洞，并邀请安全人员调查，建议用户更换访问令牌。

行业 Hugging Face AI智能体网络攻击

推荐理由：Hugging Face说他们被一个AI智能体攻击了，漏洞在数据处理流程，还偷了凭证。看看这事有多严重，怎么防。

原文

7月17日

07:18

官方账号Clement Delangue@ClementDelangue

Hugging Face CEO Clement Delangue在推文中强调，在开放科学和开源AI方面领先的国家或公司，数年后将在前沿领域占据主导。他指出开源模式能大幅加速AI进步，美国正是通过此路径取得领先。该观点引发行业讨论。

行业 Clement Delangue Hugging Face 开源AI

推荐理由：Hugging Face的CEO直言：现在拥抱开源，未来才能领跑AI。看看美国怎么赢的。

原文

03:26

Julien Chaumond@julien_c

TruffleHog 现已支持扫描 Hugging Face 存储桶中的秘密。随着 AI 代理越来越多地爬取代码、数据集和存储，防止凭证泄露变得至关重要。这项功能是 Truffle Security 团队的合作成果。

AI产品 TruffleHog Hugging Face AI安全

推荐理由：TruffleHog 现在能扫描 Hugging Face 存储桶里的密钥了，AI 代理乱爬代码时，这个能帮你防泄露。

原文

7月15日

07:27

AK@_akhaliq

Bonsai 27B 模型现可通过 Hugging Face 的 hf claude 集成在 Claude Code 中直接调用。该模型拥有 270 亿参数，是专为代码和推理任务设计的大型语言模型。用户无需额外配置即可在 Claude Code 环境内无缝使用 Bonsai 27B 进行代码生成、调试与分析。此次整合降低了模型部署门槛，使得开发者能更快在专业代码场景中利用该模型的能力。

AI模型 Bonsai 27B Claude Code Hugging Face

推荐理由：现在你直接在 Claude Code 里就能调用 Bonsai 27B 了，不用自己部署，省事。

原文

7月14日

22:27

techcrunch@Rebecca Bellan

Hugging Face CEO Clem Delangue指出企业越来越倾向于使用开源模型，主要原因是成本、可访问性和所有权。他认为如果大部分生产级AI最终运行在开源模型上，前沿模型的重要性可能被高估。这一观点反映了行业从追求最大模型向实用、可控的开放模型转变的趋势。

行业 Hugging Face 开源模型企业AI

推荐理由：Hugging Face CEO说企业都转向开源模型了，因为便宜又可控，前沿模型可能没那么重要了。

原文

06:12

官方账号Cohere@cohere

Cohere与Hugging Face共同赞助了一场以“回归构建小型模型”为主题的黑客马拉松。两个使用Cohere模型的项目在活动中获奖，它们分别创作了有用、有趣或酷炫的作品。该活动旨在推动小型模型的创新应用。

行业 Cohere Hugging Face 黑客马拉松

推荐理由：Cohere和Hugging Face搞了个黑客马拉松，鼓励大家做小模型，有两个项目拿奖了，挺有意思。

原文

06:00

官方账号Clement Delangue@ClementDelangue

77°

Hugging Face 宣布 Transformers 模型现在可以直接在 vLLM 推理引擎中运行，达到原生速度，部分场景超越手写实现。此前，新模型架构需要在 Transformers（训练/研究）和 vLLM（生产推理）中分别实现，导致重复工作与维护成本。现在，模型作者只需在 Transformers 中实现一次，即可自动兼容 vLLM 的优化栈。在 4B 到 235B 参数模型的基准测试中，包括张量并行和 MoE 设置，Transformers 后端吞吐量匹配或超过原生 vLLM。

AI模型 Hugging Face Transformers vLLM

推荐理由：Hugging Face 把 Transformers 模型直接跑进 vLLM，性能不输手写，以后搞推理不用重复造轮子了。

原文

7月11日

06:22

官方账号Clement Delangue@ClementDelangue

精选

Hugging Face 与 Google Gemma 联合举办的 Gemma Challenge 结果出炉。超过100个 AI agent 和人类在6天内协作，将 Gemma 4 推理速度在单张 NVIDIA A10G GPU 上提升5倍，达到491.8 TPS（最快但有质量损失），无损方案达315 TPS。项目展示了多智能体协作优化模型推理的潜力。

AI模型 Gemma 4 Hugging Face 推理加速

事件专题

推荐理由：Hugging Face 和 Google 搞了个挑战赛，100多个 AI agent 和人类一起把 Gemma 4 推理速度在单张 A10G 上提升了5倍，最快冲到491.8 TPS，挺酷的。

原文

02:19

techcrunch@Theresa Loconsolo

Hugging Face 首席执行官 Clem Delangue 称开源 AI 正在蓬勃发展，其平台已被约一半财富 500 强企业使用。企业最初依赖闭源 API 来部署 AI，但如今越来越多公司选择下载开源模型以降低成本并掌控数据。Delangue 认为，租赁 AI 的时代即将结束，开源模式将主导未来企业部署。

行业 Hugging Face 开源模型企业AI

推荐理由：Hugging Face 老板用财富500强数据告诉你，为什么大公司都不再租AI了，直接聊开源趋势，有料不啰嗦。

原文

00:06

官方账号Clement Delangue@ClementDelangue

HuggingNews是Hugging Face CEO Clement Delangue推荐的一个AI驱动新闻聚合工具，由@ivan_bezdomny开发。它利用AI筛选AI领域值得阅读的新闻，未来还会根据用户的Hugging Face个人资料实现个性化推送。Delangue建议将其设为书签，或让智能体每天早晚自动推送10条精选故事，以降低信息噪音。

AI产品 HuggingNews Hugging Face AI新闻聚合

推荐理由：Hugging Face CEO亲自推荐，用AI帮你过滤AI新闻，还能每天推送10条，减少刷信息的时间。

原文

7月10日

01:03

官方一手AWS Machine Learning Blog@Vinay Arora

精选

亚马逊为 SageMaker HyperPod 推理新增五项企业级功能。多层级数据捕获支持审计和模型改进，可直接从 Hugging Face Hub 部署模型。本地 NVMe 模型加载减少冷启动时间，自动 Route 53 DNS 简化自定义域名配置。pod 级 IAM 通过自定义服务账户实现细粒度权限控制。

AI产品 SageMaker HyperPod Hugging Face Route 53

推荐理由：AWS 把 SageMaker HyperPod 的推理能力补全了，能抓数据做审计、直接从 Hugging Face 拉模型、用 NVMe 加速启动，还有自定义域名和细粒度权限，搞企业部署可以看看。

原文

7月9日

23:10

Paul Couvert@itsPaulAi

LingBot-World 2.0 (Infinity) 是一个开源交互世界模型，可将任意图片生成为 720p/60fps 的无限时长 3D 世界。它支持多人同时在线，玩家可以射击、施法、召唤新元素，并内置 Director Agent 实时推动世界演化。该模型有 1.3B 变体可在消费级 GPU 上运行，权重和工具链已在 Hugging Face 完全开源。

AI模型 LingBot-World 2.0 Hugging Face 开放世界模型

事件专题

推荐理由：这个模型把任何图片变成能玩、能多人联机的开放世界，还能自己部署，1.3B 版本甚至家用显卡就能跑。

原文

19:20

官方账号vLLM@vllm_project

精选76°

vLLM与Hugging Face团队在v0.25.0中实现了Transformers建模后端与手写vLLM模型的对等性能。现在450多种Transformers架构可以直接在vLLM中以原生速度运行，完全无需移植代码。用户只需集成一次Transformers即可自动获得vLLM的融合内核、torch.compile和CUDA图优化。这一更新大幅降低了在vLLM上使用新模型的工程成本。

AI产品 vLLM Hugging Face Transformers

推荐理由：vLLM和Hugging Face搞了个大活：Transformers v0.25.0直接兼容vLLM，450多个模型自动加速，不用自己写适配代码了，开箱即用！

原文

10:43

Geek@geekbb

Hugging Face 开源了名为 tau 的极简智能体项目，旨在帮助用户通过动手实践学习创建自己的编码代理。该项目提供了完整的代码库和分步教程，适合开发者对 agent 开发进行快速入门。tau 的设计理念是极简，核心代码仅几百行，方便用户理解 agent 的底层逻辑。作为入门玩具，它降低了学习 agent 的门槛，让新手也能从零搭建一个可运行的 coding agent。

技巧 Hugging Face tau coding agent

推荐理由：Hugging Face 这个 tau 项目很轻量，跟着教程自己写个 coding agent，比看那些复杂框架好懂多了。

原文

03:41

AK@_akhaliq

精选

LingBot-Video 是一个基于混合专家（MoE）架构的视频基础模型，专为具身智能设计。模型总参数量达 30B，推理时仅激活 3B 参数。它在大型互联网视频预训练基础上，额外使用了 70K 小时的具身数据进行增强。该模型已在 Hugging Face 平台公开发布。

AI模型 LingBot-Video MoE Hugging Face

推荐理由：LingBot-Video 刚上 Hugging Face，30B 参数但推理只激活 3B，还加了 7 万小时具身数据，适合做机器人视觉。

原文

03:40

AK@_akhaliq

LingBot-World 2.0（Infinity）模型已在 Hugging Face 发布，支持长达一小时的交互式世界生成，且零质量漂移。模型内置丰富动作与事件系统，包括攻击、施法、射击、召唤风暴等。通过 Director Agent 智能体驱动世界实时演化，输出 720p/60fps 画面，用户可像游戏一样自由探索。

AI模型 LingBot-World Hugging Face 世界模型

推荐理由：LingBot-World 2.0 能生成一小时长、720p/60fps 的交互世界，Agent 驱动事件变化，像游戏一样可玩。

原文

7月8日

21:22

官方账号Clement Delangue@ClementDelangue

Hugging Face 宣布其私有存储服务与 SkyPilot 集成，实现存储的云无关化。用户现在可以根据 GPU 性能、可靠性和成本自由选择计算资源，而不再受供应商锁定限制。这一合作降低了模型和数据集迁移的难度与费用，旨在打破云服务商通过存储和出站费用设置的数据壁垒。

AI产品 Hugging Face SkyPilot 云无关存储

推荐理由：Hugging Face 和 SkyPilot 合作让你换 GPU 不再被存储绑定，按性能性价比选就行，告别云锁定。

原文

18:19

量子位@思邈

精选

智源研究院提出悟界·Orca方法，改变大模型训练顺序，先让模型学习世界动态变化规律。该方法旨在避免AI直接进入任务执行。相关论文入选Hugging Face论文月榜第一。

AI模型悟界·Orca 智源研究院 Hugging Face

推荐理由：智源搞了个新训练法Orca，不让AI一上来就干杂活，先学世界怎么变。论文上了Hugging Face月榜第一，值得看看他们的思路。

原文

7月7日

14:28

14:28IT之家（博客/媒体）

71°

英伟达与 Hugging Face 宣布合作，将 NVIDIA Isaac GR00T 1.7 机器人基础模型和 NVIDIA Isaac Teleop 远程操作框架接入 LeRobot 开源机器人库。后续计划引入 NVIDIA Cosmos 3 物理 AI 世界模型。此举连接英伟达的 300 万机器人开发者与 Hugging Face 的 1600 万 AI 开发者。LeRobot 已接入的开源物理 AI 数据集包含超过 35 万条真实与模拟轨迹及 5700 万次抓取数据。

AI模型 NVIDIA Hugging Face LeRobot

事件专题

推荐理由：英伟达和 Hugging Face 把机器人基础模型和远程操作框架接入了开源库 LeRobot，还计划加入 Cosmos 3，海量数据集也能直接用。

原文

06:46

官方一手AWS Machine Learning Blog@Hazim Qudah

AWS 宣布 Hugging Face 与 Amazon SageMaker AI 深度链接集成，开发者可在 SageMaker Studio 中一键从模型发现跳转到实验环境。该集成支持通过 SageMaker Studio 界面直接访问 Hugging Face 开源模型库，无需手动复制模型链接或切换平台。用户点击 Hugging Face 模型页面的“在 SageMaker 中打开”按钮即可自动打开 Studio 并预配笔记本环境。集成消除了模型搬运的中间步骤，将模型探索到实验的时间从分钟级缩短至秒级。

AI产品 Hugging Face Amazon SageMaker AI SageMaker Studio

推荐理由：现在在SageMaker里直接点一下就能把Hugging Face的模型拿过来跑实验，省了好多手动搬运的功夫。

原文

06:24

官方账号Clement Delangue@ClementDelangue

精选

Hugging Face 创始人 Clement Delangue 发布推文，展示 AI 开发者存储在 HF Xet 上的数据量，称已完全取代 Git 存储。该平台数据量正快速接近 EB 级。伴随推文的一篇长文指出，AI 训练已从计算受限进入数据受限阶段，互联网公共文本数据仅剩约 300 万亿 token 可用，高质量新数据增速无法匹配模型规模增长。文章认为需要像建设计算基础设施一样，启动“数据星门”计划以应对每年超 1000 亿美元的数据支出需求。

行业 Hugging Face Xet 数据存储

推荐理由：Hugging Face 晒出 Xet 存储数据量，说明 AI 开发者对数据的需求爆炸式增长，同时深入解释了为什么互联网数据快不够用了。

原文

7月6日

18:18

Thomas Wolf@Thom_Wolf

Thom Wolf用Fable和GPT Image 2将RL for training LLMs维基协作事件日志转化为等距小镇视图。代理们在咖啡馆发帖、在图书馆提交arXiv摘要PR、在法院审阅其他代理工作、在印刷厂合并更新。该项目启动于Hugging Face上的开放协作，已有代理持续阅读旧论文和新论文并撰写摘要。维基已形成可读的百科全书式内容，小镇可视化则提供了一种直观观察协作脉冲的方式。

AI产品 Fable GPT Image 2 Hugging Face

推荐理由：Thom Wolf做了个好玩项目：把一群AI代理协作写维基的过程变成像素风小镇，看它们进咖啡馆、上法院，超有趣。想了解RL训练LLM的协作方式？点进去看。

原文

7月4日

20:20

官方账号Clement Delangue@ClementDelangue

Hugging Face联合创始人Clement Delangue为庆祝美国建国250周年，整理出250项源自美国的开放AI里程碑，涵盖Attention is all you need、PyTorch、GPT-2、LLaMA、ImageNet、LoRA等模型、数据集、论文和工具。这些成果体现了开放科学、开放竞争和开放生态如何推动美国成为创新引擎。文章警告当前AI领域开放精神正面临风险，呼吁科学家和建设者选择开放透明的未来。

行业 Hugging Face 开源模型 LLaMA

推荐理由：Hugging Face整理了250个美国AI里程碑，从Attention到LLaMA，看看开放生态怎么成就了AI。

原文

02:51

AK@_akhaliq

用户报告称几乎每天在 Claude Code 中通过 Hugging Face Inference Providers 和 hf-claude 使用 GLM-5.2 模型。该模型已可直接在 Claude Code 中选择，无需额外配置。用户表示已完全转向开源模型，认为它们更容易集成到实际开发工作流中。这条推文获得了超过 3500 次查看，反映出开发者对开源模型可用性的关注。

AI模型 GLM-5.2 Claude Code Hugging Face

推荐理由：GLM-5.2 现在可以直接在 Claude Code 里选了，不用折腾部署，开源模型也能用上大厂一样的开发流程。

原文

7月3日

05:18

官方账号Clement Delangue@ClementDelangue

Hugging Face CEO Clement Delangue 在推特上与 @dee_bosa 和 @vipulved 共同提出“Summer of Open-source AI”概念。这条推文目前已获得 18 个赞和 2218 次浏览。该提法意在强调 2025 年夏天将成为开源 AI 模型和工具加速发展的阶段。

行业 Hugging Face 开源模型 AI社区

推荐理由：Hugging Face 老大喊出了“开源 AI 的夏天”，这不是什么神秘口号，而是对行业风向的预判，值得关注。

原文

01:02

官方账号Clement Delangue@ClementDelangue

Hugging Face CEO Clement Delangue 在推文中指出，编码智能体（coding agents）是 Hub 的真实用户，它们搜索模型、构建数据集、在 Jobs 上训练模型、启动 Spaces。现在 Hub 提供了公开数据，每月更新每个 agent 所占的 Hub 流量份额。该数据旨在推动开放平台与开放工具之间的集成改进。

AI产品 Hugging Face Coding agents Hub

推荐理由：Hugging Face 现在让你看到每个编码智能体用了多少 Hub 流量，每月更新。想了解哪些 agents 在大量调用模型和资源？这个数据很有用。

原文

7月2日

03:44

官方账号Clement Delangue@ClementDelangue

Clement Delangue（Hugging Face CEO）联合MIT、Stanford、Princeton、Harvard、Northeastern、Carnegie Mellon等高校的安全和网络安全研究人员推出FLARE倡议。其首个成果是一种跨生态系统的标准化AI缺陷报告方式，一份报告可直达相关开发者、安全组织和登记处。这能加速漏洞修复并确保问责，体现“阳光是最好的消毒剂”理念。

行业 FLARE Clement Delangue Hugging Face

推荐理由：Hugging Face CEO和多家名校搞了个漏洞报告标准FLARE，以后发现AI问题能更快通知到人修复，别错过。

原文

7月1日

16:59

量子位@思邈

Loop世界模型论文在Hugging Face热门榜登顶，该模型由中国初创公司研发，允许AI通过反复推演世界状态进行推理。模型获得360创始人周鸿祎和奇绩创坛陆奇等投资，引发关注。论文展示了世界模型在复杂推理任务上的潜力。

AI模型 Loop 世界模型 Hugging Face

推荐理由：中国初创搞的世界模型火了，能反复推演不同情境，Hugging Face上热度第一，周鸿祎和陆奇都投了，做推理模型的朋友可以看看。

原文

05:24

Thomas Wolf@Thom_Wolf

Multimodal Universe 项目在 Hugging Face 上发布 80TB 天体物理数据集，整合了 SDSS 和 Gaia 等 30 多个来源的数据。该数据集包含星系光谱、恒星时间序列及多种物理量，通过交叉匹配技术实现高效查询。用户仅需约 4GB RAM 即可在笔记本上处理 800k 与 122M 个天体的匹配。该发布有望将天文数据的可及性提升万倍。

行业 Hugging Face SDSS Gaia

推荐理由：Hugging Face 上悄悄放了 80TB 天文数据，用你笔记本就能跑 SDSS 和 Gaia 交叉匹配。搞 AI for Science 的话别错过，比想象中好上手。

原文

01:23

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA TAO 7 允许用户用自然语言向编码代理描述需求，自动执行模型调优。其 Agent 技能可接入编码代理并提升准确率，AutoML 自动搜索超参数，LLM 引导调优比传统方法快 2 倍。支持在本地 NVIDIA GPU 上微调任何 Hugging Face 的 CV 或 VLM 模型，数据增强微调能帮助代理识别失败原因并修复。

AI产品 NVIDIA TAO AutoML 微调

事件专题

推荐理由：NVIDIA 发布了 TAO 7，你只需用大白话告诉编码代理要啥，它就能自己调模型，比手动调参快两倍，还能本地跑 Hugging Face 模型。

原文

00:30

Thomas Wolf@Thom_Wolf

Hugging Face 新增了一项实用功能，允许用户根据自身硬件配置（如 GPU 型号、显存大小）筛选 AI 模型。用户无需手动查看模型兼容性，即可快速找到能在自己设备上运行的模型。该功能直接集成在模型搜索页面，提升了模型选择的效率。

AI产品 Hugging Face HF 模型筛选

推荐理由：Hugging Face 上线了按硬件筛选模型的功能，直接告诉你能跑哪些模型，省去自己查兼容性的麻烦。

原文

00:21

官方账号Clement Delangue@ClementDelangue

Clement Delangue（Hugging Face CEO）在X上表达对开源路由系统和路由模型的兴奋，特别提及vllm_project推出的semantic router（链接至huggingface.co/llm-semantic-router）。他认为未来是多模型时代，用户将像自定义代码一样自定义路由器。这可能是将价值从少数昂贵边界模型转移到长尾开源模型的关键。该推文获得7次转发、26个赞和1521次浏览。

行业 vllm_project semantic router Hugging Face

推荐理由：Hugging Face CEO说开源路由系统可能是未来多模型生态的关键，能让你用便宜开源模型替代昂贵的单一模型，值得关注。

原文

6月30日

22:21

官方账号Clement Delangue@ClementDelangue

斯坦福大学研究显示，71.3% 的ChatGPT查询可由本地模型准确回答。Hugging Face CEO Clement Delangue指出，企业AI工作负载可免费本地运行，避免高昂API成本及模型被收回风险。Hugging Face新增按本地硬件（如M5 24GB）过滤800k+公共模型的功能，支持通过llamacpp轻松使用。

AI产品 Hugging Face ChatGPT 本地模型

推荐理由：你可以根据自己电脑配置在Hugging Face上筛选能跑的模型，省下API钱，还能自己掌控模型，很实用。

原文

13:59

官方账号Clement Delangue@ClementDelangue

Hugging Face CEO Clement Delangue在推文中指出，开源AI正在蓬勃发展，对技术进步、市场竞争和透明度产生巨大影响。他认为开源AI比闭源前沿AI危险程度低数个数量级，并呼吁全力支持开源AI。该推文目前获得143个赞、26个转发和38次分享。

行业开源AI Hugging Face AI安全

推荐理由：Hugging Face老板说开源AI比闭源安全太多了，还晒了数据。想了解业界大佬对开源的态度？这条就够了。

原文

03:05

@koltregaskes@koltregaskes

精选

前沿模型成本上升、令牌使用量攀升以及近期禁令，使企业自建AI变得更加必要。通过下载Llama或Qwen等开源模型，使用LoRA在自有数据上微调，部署在自有基础设施，可一次性计算成本取代按席收费。Hugging Face和LoRA已降低技术门槛，关键在于管理层是否将其视为基础设施投资而非普通软件开支。

行业 Llama Qwen LoRA

推荐理由：前沿模型越来越贵还被禁，自己微调Llama或Qwen更可控，一次性投入省月费，数据也安全。

原文

6月29日

13:51

官方账号Jasper AI@heyjasperai

Jasper将Hugging Face基础设施用于其MONET系统的数据创建和存储。该方法针对随时间更新的大型训练数据集进行了优化。Jasper团队通过HF实现了更高效的数据管道管理。这一案例展示了HF在训练数据工作流中的实际应用。

技巧 Jasper Hugging Face MONET

推荐理由：看看Jasper怎么用Hugging Face当MONET的数据后台，对做大模型训练数据管道的团队很有启发。

原文

03:06

AK@_akhaliq

百度发布的Unlimited-OCR模型在Hugging Face模型排行榜上位列第一，超越其他模型。该模型专注于OCR文字识别任务，具体基准成绩尚未公布。其排名基于社区下载量和交互数据，反映出较高的关注度。

AI模型 baidu/Unlimited-OCR Hugging Face OCR

事件专题

推荐理由：百度这个OCR模型居然冲到Hugging Face第一了，想搞文字识别的可以看看它有什么本事。

原文

00:16

量子位@听雨

Yuxinlu1在Hugging Face模型排行榜上击败多家大厂模型，登顶多个细分榜单。该账号发布的模型综合得分领先于Meta、Google等公司的开源项目。排行榜显示其推理效率与准确率均达到SOTA水平。

AI模型 yuxinlu1 Hugging Face 模型排行榜

推荐理由：一个个人开发者干翻大厂，看看yuxinlu1到底做了什么模型这么强

原文

00:01

官方账号Clement Delangue@ClementDelangue

Brian Armstrong在推文中分享了Coinbase控制AI成本的实践。他提到，通过将默认模型切换到开源模型如GLM 5.2和Kimi 2.7，91%的员工从未触及使用上限。通过改进缓存，LibreChat的缓存命中率从5%提升到60%。这些措施使AI支出减少近一半，同时token用量仍在增长。他还强调路由优化和精简上下文的重要性。

技巧 Hugging Face GLM 5.2 Kimi 2.7

推荐理由：Coinbase创始人Brian Armstrong分享了一套实际操作方案：用更便宜的默认模型、优化缓存和路由，能把AI成本砍半。开源模型GLM 5.2和Kimi 2.7是主角，缓存命中率从5%跳到60%。

原文

00:01

官方账号Clement Delangue@ClementDelangue

精选

Hugging Face CEO Clement Delangue认为，当前最危险的AI系统是闭源前沿API模型（如通过编程助手分发的LLM），它们由巨头秘密构建、完全黑箱、控制力集中且分发到数亿用户。而开源模型风险低几个数量级：易于分析、能力较弱、传播更可控，且保护者与攻击者平等获取。监管前沿API只需针对少数巨头，成本低且容易执行；监管开源则会伤害小企业、研究者、大学等群体，并降低透明度。

行业 Hugging Face 开源模型 AI监管

推荐理由：Hugging Face CEO直言政府该管闭源API而不是开源模型，点出了监管争论中被忽略的黑箱风险。

原文