RF-DETR, Roboflows SOTA-Echtzeit-Detektionsmodell, das YOLO übertrifft, ist jetzt Teil von HuggingFace Transformers mit Low-VRAM-Fine-Tuning und Live-Demo.
HuggingFace veröffentlicht LeRobot Humanoid — eine vollständig quelloffene Zweibein-Roboterplattform für ~2.500 USD Baukosten mit 3D-gedruckter Hardware, Runtime und Trainingsumgebungen.
Dell und Hugging Face starten dell.hf.co: One-Click-On-Premises-Deployment für Kimi K2.6, DeepSeek V4 Pro, GLM 5.1, MiniMax M2.7 und DeepSeek V4 Flash auf PowerEdge XE9780+B300.
Hugging Face veröffentlicht Ettin Reranker: 6 CrossEncoder-Modelle von 17M bis 1B Parametern, jeweils State-of-the-Art, gebaut auf ModernBERT mit öffentlichem Trainingsrezept.
Andrej Karpathy wechselt zu Anthropic für KI-Spitzenforschung und nennt die kommenden Jahre als entscheidend prägend — Open-Source-Spekulationen folgen sofort.
HuggingFace-Skills ermöglichen Claude Code, ein VLM per Single-Prompt feinabzustimmen: Agent berechnet VRAM, wählt Instanz, startet Job auf HF-Infrastruktur.
Turings Open MM-RL: PhD-Niveau-MINT-Benchmark mit 100 % verifizierbaren Antworten, Platz 1 auf HuggingFace. Jede Aufgabe doppelt von PhD-Spezialisten geprüft. 3.000 weitere Aufgaben folgen.
Qwopus3.6-35B: Qwen3.6 35B auf Claude-Opus-Reasoning-Traces destilliert (71,9 GB) überträgt Opus-Reasoning-Qualität auf eine offene Modellarchitektur.
Endless Terminals, eine autonome RL-Aufgabengenerierungspipeline ohne menschliche Annotierung, erreichte in einem Monat über 73.000 Hugging-Face-Downloads.
Hugging Face und Pollen Robotics starten einen Open-Source App Store für den Reachy-Mini-Roboter mit über 300 Apps und 10.000 bereits weltweit eingesetzten Einheiten.
Türkische Präsidial-Kommunikationsdirektion tritt Hugging Face als erste öffentliche Institution bei — HF-CEO Clément Delangue ruft Regierungen weltweit zu Sovereign AI über Open Source auf.
HuggingFaces ml-intern trainierte nanowhale (100M MoE) autonom, steigerte GPQA von 10% auf 32% in 10 Std. und übertraf Codex auf HealthBench um 60%. CLI und Web-App jetzt verfügbar.
Agenten-generierte PRs zu HuggingFace Transformers vervierfacht; Massenmerge zeigte null Benchmark-Regression auf arc_challenge, gsm8k, hellaswag.
AgentTrove ist ein neues 1,7-Mio.-Sample agentisches Training- und Evaluierungs-Dataset von OpenThoughts auf HuggingFace.
APEX-Agents-Benchmark für Berater-, Anwalts- und Banker-Niveau hat jetzt ein Hugging Face Leaderboard für Open-Source-Modell-Evaluation.
TIME100 benennt Hugging Face (Top-10 KI) und Mistral AI unter den einflussreichsten Unternehmen 2026 – beide explizit gegen geschlossene Modelle positioniert.
huggingface_hub v1.13.0 ergänzt --format, --json und -q als globale Flags für alle hf-Befehle mit automatischer Anpassung für Mensch vs. KI-Agent.
HuggingFace veröffentlicht smol-audio: eine offene Notebook-Sammlung zum lokalen Fine-Tuning von Whisper, Parakeet, Voxtral, Audio Flamingo 3 und Dia-1.6B TTS.
Unsloth, die Fine-Tuning-Optimierungsbibliothek, hat Microsoft auf HuggingFace überholt und zählt jetzt zu den zehn meistgefolgten Organisationen – Open Source überholt Big Tech.
Hugging Face gründet ein dediziertes PyTorch/MPS-Team mit Ziel 100× Apple-Silicon-Leistungssteigerung – torch.sort und torch.multinomial sind bereits MPS-nativ; flex attention folgt.
DeepSeek V4-Pro als Open-Source: 1,6T Parameter, 1M Kontext, 10x KV-Cache-Reduktion gegenüber V3.2 – in 43 Minuten auf Platz 1 bei HuggingFace.
HuggingFace überschreitet 1,2 Millionen gehostete KI-Apps – vermutlich der weltgrößte KI-App-Store nach Anwendungsanzahl.
DeepSeek V4-Pro startet mit 1,6 Billionen Parametern, 1-M-Kontext und 10-facher KV-Cache-Reduktion vs. V3.2 — rund 10-fache Inferenz-Parallelität auf gleicher Hardware.
HuggingFace Inference Providers bietet 200+ Modelle ohne Aufschlag – günstiger als OpenRouters 5,5 % und ideal für kostenbewusste Deployments.
HuggingFaces ml-intern führt autonom den gesamten ML-Forschungs- und Trainingskreislauf durch: GPQA von 10% auf 32% in <10 Stunden, HealthBench 60% besser als Codex.
ml-intern liest arXiv, bereinigt Datensätze, führt SFT/GRPO durch und iteriert — GPQA stieg in unter 10 Stunden von 10% auf 32% für etwa 1 Dollar Rechenkosten.
Kuratierte AI-Einblicke — wir senden, wenn es sich lohnt.