Items tagged with “Hugging Face”.
A Scaleway é agora um Fornecedor de Inferência compatível no Hugging Face Hub, permitindo inferência serverless diretamente nas páginas de modelo com as SDKs JS e Python. Acesse modelos abertos populares com operações escaláveis e baixa latência.
Spaces com ZeroGPU ganham demos mais rápidas em hardware Nvidia H200 por meio da compilação ahead-of-time (AoT) do PyTorch, com inicialização mais ágil e inferência eficiente, suporte a FP8 e formas dinâmicas.
Descubra como a compilação ahead-of-time (AoT) do PyTorch acelera ZeroGPU Spaces em GPUs Nvidia H200, com recarregamento instantâneo, quantização FP8, formas dinâmicas e ganhos de desempenho práticos (1,3x–1,8x) para Flux, Wan e LTX.
Descubra como a AoT do PyTorch acelera ZeroGPU Spaces exportando um modelo compilado e recarregando-o instantaneamente, com quantização FP8, formas dinâmicas e integração cuidadosa com o fluxo Spaces GPU.
Claude se conecta ao Hugging Face Spaces para acessar modelos de imagem de ponta, permitindo resultados realistas e com texto via MCP Server, com ferramentas como FLUX.1-Krea-dev e Qwen-Image.
O Nemotron Nano 2 9B da NVIDIA é um modelo de raciocínio enterprise aberto, com backbone híbrido Transformer–Mamba e orçamento de pensamento configurável, oferecendo até 6x de throughput e potencial economia de até 60% em inferência para pipelines edge a nuvem.
Descubra como conectar Claude ao Hugging Face Spaces via MCP Server para gerar imagens com Krea e Qwen-Image, aproveitar créditos gratuitos e explorar o diretório de aplicativos de IA.
Nemotron Nano 2 9B aberto oferece precisão de ponta e até 6x de throughput com backbone híbrido Transformer–Mamba e orçamento de raciocínio configurável, voltado para edge, PC e aplicações empresariais de IA.
Guia completo para criar, validar e distribuir kernels CUDA de produção usando o Kernel Builder da Hugging Face. Aprenda a registrar kernels no PyTorch, garantir builds multi- arquitetura e publicar via Hugging Face Hub.
Descubra como o Modelo de Contexto (MCP) permite que IA acesse ferramentas de pesquisa via linguagem natural, simplificando a descoberta entre arXiv, GitHub e Hugging Face.
Guia prático para desenvolver, compilar para várias arquiteturas e implantar kernels CUDA com o Hugging Face Kernel Builder. Aprenda a criar um fluxo robusto desde o desenvolvimento local até a distribuição no Hub.
Fluxo prático da kernel-builder da Hugging Face para desenvolver, compilar e implantar kernels CUDA com produção, com builds reprodutíveis, suporte a múltiplas arquiteturas e distribuição via Hub.
Explica o Modelo Context Protocol (MCP) para descoberta de pesquisa e como a IA pode orquestrar ferramentas de pesquisa entre arXiv, GitHub e Hugging Face via linguagem natural.
FilBench avalia o desempenho de LLMs em Tagalog, Filipino e Cebuano em conhecimentos culturais, NLP clássico, compreensão de leitura e geração, revelando eficiência e insights de tradução para modelos SEA e GPT-4o.
TextQuests é um benchmarks que testa agentes LLM em 25 jogos clássicos de ficção interativa, enfatizando raciocínio de longo contexto e exploração autônoma.
FilBench é uma suíte de avaliação abrangente para medir capacidades de LLMs em Tagalog, Filipino e Cebuano, cobrindo Conhecimento Cultural, PLN Clássico, Compreensão de Leitura e Geração.
Visão geral das capacidades ND‑Parallel do Accelerate: combinar paralelismos de dados, tensor, sharding e contexto com Axolotl para escalar treinamento multi‑GPU e multi‑node.
AI Sheets é uma ferramenta open-source e sem código da Hugging Face para criar, transformar e enriquecer datasets usando modelos abertos ou locais. Teste na Space ou instale localmente.
AI Sheets é uma ferramenta de código aberto, sem necessidade de programação, para criar, enriquecer e transformar conjuntos de dados com modelos de IA. Pode ser executada localmente ou na Hub, suporta milhares de modelos abertos e permite iterar com prompts, feedback de poucos-shot e comparações de
Recurso sobre compor estratégias de paralelismo (DP, FSDP, TP, CP) com Accelerate e Axolotl para treinar modelos grandes em várias GPUs, com orientação sobre configuração, casos de uso e trade-offs.
O TRL amplia o alinhamento multimodal para VLMs com GRPO, GSPO, MPO e suporte nativo a SFT, além de scripts e notebooks para facilitar o pós-treinamento.
Visão geral dos métodos de alinhamento multimodal do TRL para VLMs: GRPO, GSPO e MPO, além do suporte nativo a SFT e baselines com DPO.
A OpenAI lança o GPT OSS, uma família de modelos MoE 120B e 20B com quantização MXFP4 de 4 bits, licença Apache 2.0 e disponibilizados via Inference Providers da Hugging Face para implantações locais e em servidor.
A OpenAI lança dois modelos abertos com MoE, GPT OSS 120B e GPT OSS 20B, usando quantização MXFP4 de 4 bits. Licenciados sob Apache 2.0 com política de uso mínima, disponíveis via Inference Providers do Hugging Face para implantações locais, on-prem e em nuvem.
Duas weights abertos da OpenAI (gpt-oss-120b e gpt-oss-20b) usando Mixture-of-Experts (MoE) e quantização MXFP4 para inferência rápida e com uso eficiente de memória. Licença Apache 2.0; voltado para implantações privadas/local e uso em dispositivos, com integração via Hugging Face Inference Provide
Veja como os Gradio MCP servers permitem um assistente de compras alimentado por IA que navega lojas, seleciona roupas e mostra provadores virtuais com IDM-VTON, tudo integrado via VS Code AI Chat.
Descubra como os servidores Gradio MCP conectam LLMs a modelos da Hugging Face, permitindo um assistente de compras IA que navega por lojas e realiza provadores virtuais usando IDM-VTON.
Trackio é uma biblioteca de rastreamento de experimentos em Python de código aberto e gratuita, com um painel Gradio local e sincronização opcional com o Hugging Face Spaces para compartilhamento simples.
Biblioteca de rastreamento de experimentos em Python, aberta e gratuita, com um painel Gradio local que pode ser sincronizado com o Hugging Face Spaces para compartilhamento fácil. Substituto leve do wandb com design beta.
O Hugging Face traz Parquet CDC, com chunking definido pelo conteúdo, em PyArrow e Pandas, integrando ao storage Xet para reduzir transferências e custos de armazenamento.
A Hugging Face renomeia sua CLI para hf, reorganiza comandos sob o padrão recurso-ação e introduz Hugging Face Jobs, mantendo a CLI legada para migração gradual.
CDC de Parquet com PyArrow e Pandas permite deduplicação eficiente entre repositórios na camada de armazenamento Xet da Hugging Face, reduzindo transferências e custos de armazenamento.
Visão geral do renomeado CLI do Hugging Face, sua estrutura reorganizada por recursos e o novo serviço Jobs, além de configuração, uso e notas de migração.
Habilite CDC de Parquet com o armazenamento Xet para deduplicar blocos de dados entre arquivos e repositórios, reduzindo o tamanho de uploads/downloads e o custo de armazenamento.
Este artigo explica como uma receita de otimização da Hugging Face acelera a inferência LoRA no Flux usando Diffusers e PEFT, apresentando aumentos de até ~2,3x e detalhando hotswapping, quantização FP8 e técnicas de gerenciamento de memória.
Benchmark de código aberto TimeScope avalia compreensão de vídeos longos inserindo needles curtos em vídeos de 1 minuto a 8 horas, mediando recuperação, síntese, localização e análise de movimento.
TimeScope apresenta um novo benchmark de código aberto para medir como modelos visão- linguagem processam vídeos longos, inserindo needles curtas e avaliando recuperação, síntese, localização e análise de movimento.
Visão geral do Virtual Cell Challenge do Arc Institute, a baseline STATE e as implicações para modelar perturbações celulares em contextos não vistos.
Análise aprofundada do FutureBench, um benchmark que testa agentes de IA na previsão de eventos futuros usando fontes de dados reais, com foco em raciocínio sob incerteza e resultados verificáveis.
Análise aprofundada do Consilium, a plataforma multi-LLM que permite que modelos discutam, debatam e cheguem a um consenso via MCP e uma mesa redonda visual no Gradio.
Visão geral das melhorias do servidor MCP do Gradio na versão 5.38.0, incluindo suporte a Upload de Arquivos, streaming de progresso em tempo real, integração com OpenAPI, tratamento de cabeçalhos e descrições de ferramentas aprimoradas.
Ettin apresenta as primeiras versões de ponta a ponta emparelhadas entre codificadores e decodificadores treinadas com dados idênticos, permitindo comparações justas entre arquiteturas.