Sing VL S1, một mô hình quyết định đa phương thức 4 tỷ tham số được xây dựng trên Qwen3.5, nay đã có bản phát hành GGUF cho suy luận CPU với llama.cpp. Nó được phát hành với các bộ giải mã BF16 (8,42 GB), Q8_0 (4,48 GB) và Q4_K_M (2,71 GB) cùng một bộ chiếu thị giác F16 dùng chung, với ngữ cảnh mặc định 4096 token. Kiểm định GGUF bao gồm 9 ví dụ và 11 câu hỏi; điểm số công khai đầy đủ cho các biến thể GGUF vẫn đang chờ.
IBM đã phát hành hai mô hình xem trước thử nghiệm, granite-4.1-3b-LLMON-preview và granite-4.1-8b-LLMON-preview, được phát triển từ các checkpoint cơ sở Granite 4.1 và được huấn luyện để tiếp nhận và tạo ra LLMON, một ngôn ngữ đánh dấu bản địa của LLM đánh dấu chỉ dẫn, dữ liệu và yêu cầu bằng các dấu phân cách token đặc biệt dành riêng. Trên bộ đánh giá OPI, các mô hình tránh được nhiều hơn 47% các cuộc tấn công chèn prompt gián tiếp so với mô hình tiên tiến nhất được thử nghiệm và nhiều hơn 95% so với mô hình mã nguồn mở tốt nhất, đồng thời hoạt động ngang bằng với Granite 4.1 Instruct trên các bộ đánh giá tiêu chuẩn. Bản phát hành bao gồm một bộ công cụ GitHub với các bộ chuyển đổi JSON sang LLMON không mất dữ liệu, và các tác giả lưu ý rằng bản xem trước dành cho mục đích khám phá, không phải để sử dụng trong môi trường sản xuất.
Vì sao đáng chú ý: IBM đã huấn luyện một mô hình xem trước trên Granite 4.1 có thể đọc và ghi các thẻ LLMON, sử dụng việc tách biệt rõ ràng giữa chỉ dẫn và dữ liệu để giảm tỷ lệ thành công của các cuộc tấn công chèn prompt gián tiếp trên bộ đánh giá OPI xuống gần bằng không trong khi vẫn duy trì các khả năng chung.
Hugging Face đã công bố các script và container fine-tune cho TRELLIS.2, một mô hình tạo sinh 3D, có thể chạy cục bộ hoặc trên Hugging Face Jobs. Hướng dẫn sử dụng LoRA adapter thông qua thư viện PEFT chỉ trên sparse-structure flow DiT và shape flow DiT, giữ nguyên giai đoạn material. Trên tập con 188 đối tượng giày dép của bộ dữ liệu GSO, mô hình tiền huấn luyện thường render sai đế giày, và đây là mục tiêu mà fine-tune LoRA nhắm tới.
Tether AI Research đã phát hành BotPsy, một mô hình tác tử 0.8 tỷ tham số xây dựng trên Qwen3.5-0.8B dành cho việc sử dụng công cụ trợ lý cá nhân trên thiết bị. Mô hình này gần như nhân đôi điểm số tác tử của mô hình gốc, với BFCL v4 tăng từ 23,4 lên 44,0 và τ-bench từ 23,2 lên 51,5, đồng thời vượt qua mọi mô hình lên tới 1,2 tỷ tham số được thử nghiệm trên sáu bộ đánh giá sử dụng công cụ. Mô hình cũng giảm phản hồi không an toàn xuống 21% từ 36% và sử dụng ít hơn khoảng 3 lần token suy luận trên GPQA Diamond.
Hugging Face trình bày cách huấn luyện nhận biết pooling nâng cao chất lượng truy xuất cho các mô hình embedding đa vector với ngân sách lưu trữ cố định. Với pool_factor=4, một mô hình được huấn luyện thông thường giữ được 94,6% nDCG@10 trên NanoBEIR khi chưa pooling, trong khi giảm số vector tài liệu xuống 4 lần, và huấn luyện nhận biết pooling nâng tỷ lệ giữ lại đó lên 97,8%. Bài viết đi qua HierarchicalTokenPooling, hiệu chỉnh ngân sách và một ví dụ Sentence Transformers có thể tái lập.
inclusionAI đã phát hành SingVL S1, một mô hình quyết định đa phương thức 4B được xây dựng trên Qwen3.5, có khả năng trả lời các câu hỏi có tên trên văn bản hoặc JSON và tối đa bốn hình ảnh trong một lần chạy xuôi duy nhất của Transformers. Mô hình hỗ trợ câu hỏi lựa chọn, có/không (noul) và câu hỏi chấm điểm từ 2–10 mức, đạt 73,94 trên Public Vision Index và 69,76 trên Public Text Index. Mô hình đi kèm mã suy luận Python và một máy chủ HTTP FastAPI.
inclusionAI đã phát hành trọng số định dạng GGUF cho ZoomGain-9B, được chuyển đổi bằng llama.cpp, bao gồm mô hình ngôn ngữ và bộ mã hóa hình ảnh/projector (mmproj) ở FP16, Q8_0 và Q4_K_M. Đầu vào hình ảnh yêu cầu ghép mô hình ngôn ngữ với tệp mmproj tương ứng, và kho lưu trữ tài liệu hóa suy luận CLI qua llama-mtmd-cli và thiết lập trò chuyện web qua llama-server. Cần bản dựng llama.cpp có hỗ trợ đa phương thức Qwen3.5, và việc lượng tử hóa có thể ảnh hưởng đến độ chính xác.
Amazon giới thiệu Mitra-v2, mô hình nền tảng dạng bảng thế hệ thứ hai cho phân loại và hồi quy, được phát hành kèm các mô hình đã tinh chỉnh cùng mã suy luận và tinh chỉnh theo giấy phép Apache-2.0 trên Hugging Face. Mô hình được tiền huấn luyện trên các bảng tổng hợp có số hàng gấp 10 lần và số cột gấp khoảng ba lần so với Mitra-v1, sử dụng prior SCM lai mới và bộ tối ưu lai trong khi giữ nguyên kiến trúc Transformer. Trên TabArena, một benchmark công khai gồm 51 bộ dữ liệu thực tế, Mitra-v2 dẫn đầu nhóm mô hình đơn, vượt Mitra-v1 trên 32 trong số 33 bộ dữ liệu mà cả hai chạy gốc, và hoàn thành cả 51 bộ trong giới hạn một giờ; Mitra-v2 đã tinh chỉnh cũng đứng đầu trên ScoringBench.
Vì sao đáng chú ý: Mitra-v2 cho thấy việc mở rộng dữ liệu tiền huấn luyện tổng hợp, thay vì làm sâu mạng, đưa một mô hình nền tảng dạng bảng lên đỉnh nhóm mô hình đơn của TabArena.
Hugging Face đã công bố một bài giải thích về mô hình quyết định, loại mô hình nhận một trạng thái cùng các câu hỏi có kiểu và trả về xác suất trên các câu trả lời được định nghĩa trước thay vì sinh văn bản. Bài viết trình bày chi tiết các primitive choice, score và noul, công thức độ tin cậy, và sự hỗ trợ mới thông qua DecisionPipeline và AutoModelForDecision của Transformers, một endpoint /v1/systemone dùng chung trong Transformers và llama.cpp, một thẻ Hub để khám phá, và tinh chỉnh với Trainer API. Bài viết lưu ý rằng cùng endpoint đó cũng hoạt động với các LLM tự hồi quy tương thích bằng cách tính điểm logit của câu trả lời trong một lượt lan truyền xuôi theo lô.
Vì sao đáng chú ý: Hugging Face giải thích cách các mô hình quyết định biến phân loại thành một giao diện có kiểu, không sinh văn bản và chỉ ra cách phục vụ và tinh chỉnh chúng với Transformers và llama.cpp.
Các tổ chức Hugging Face giờ đây có thể liên kết với tài khoản Google Cloud để việc sử dụng Hub xuất hiện trên hóa đơn Google Cloud hiện có thay vì thẻ tín dụng. Việc thiết lập diễn ra thông qua Google Cloud Marketplace và bao gồm các gói đăng ký Team hoặc Enterprise, tính toán trả theo mức sử dụng như Jobs, Inference Endpoints, Inference Providers và GPU Spaces, cùng bộ nhớ bổ sung theo giá công khai của Hugging Face. Các gói đăng ký được Hugging Face xem xét trước khi thanh toán qua marketplace bắt đầu, và các tổ chức có thẻ đã lưu sẽ chuyển đổi vào đầu kỳ thanh toán tiếp theo.
Elith và NVIDIA đã phát hành Nemotron-Personas-Finance-Japan, một bộ dữ liệu persona tổng hợp mở cho lĩnh vực tài chính Nhật Bản được xây dựng trên số liệu thống kê chính thức của chính phủ. Bộ dữ liệu chứa 9M persona (1M bản ghi × 9 persona) trên 50 lĩnh vực và ~1,5B token, được tạo bằng NeMo SDG-PGMs và NeMo Data Designer, và có sẵn theo giấy phép CC BY 4.0 cho mục đích thương mại.
Ai2 đã phát hành ToyBlocks, một khung mô phỏng mở được xây dựng xoay quanh một cánh tay robot và các khối trên mặt bàn, là sản phẩm đầu tiên trong FoundationWorlds của họ dành cho việc học và đánh giá robot có kiểm soát. Khung này tự động tạo kỹ năng và bản trình diễn thông qua RL và lập kế hoạch chuyển động trong Isaac Lab, đạt tốc độ lên tới 24 lần thời gian thực trên một GPU, và đi kèm 85.336 bản trình diễn tầm xa bao phủ gần 1.600 giờ và 144 triệu khung hình. Trong các thí nghiệm của mình, tỷ lệ thành công của kỹ năng nguyên tử ManiFlow là 80,0% trong mô phỏng và 81,1% trên Franka FR3 thực tế, trong khi hệ thống Molmo 2 kết hợp ManiFlow thành công trong 55,5% tập mô phỏng và 50,0% tập thực tế.