На Hugging Face вышло обновление каталога AI Agents List 2026: в нем собраны фреймворки, агентные обвязки и полезные репозитории. Это не тест качества, но хороший навигатор по живым открытым проектам вокруг ИИ-агентов.
В свежей сводке моделей — крупный открытый релиз Atria Dawn Preview, новые omnimodal-модели Xiaomi с контекстом до 1 млн токенов, Muse Spark 1.3 от Meta для долгих coding workflows и расширение экосистемы вокруг маршрутизации и локальных quantized-моделей.
Новая таблица OpenRouter на Hugging Face сдвигает внимание от абстрактного качества к практическому выбору модели: сколько стоит запрос, как быстро приходит ответ и какие системы оказываются на лучшей границе цены и задержки.
Hugging Face показал сразу две важные для открытого ИИ темы: измерения tokenizers v1 для скорости обработки текста и relore как память репозитория для кодовых агентов. Оба материала про скучную, но решающую инфраструктуру: меньше задержек, меньше повторного изучения проекта и стабильнее работа инструментов вокруг моделей.
В свежей русскоязычной подборке: выпуск Радио Свобода об инциденте Hugging Face, длинная трансляция Совбеза ООН об ИИ и безопасности, а также академическая лекция Сергея Николенко о ранних системах ИИ и нейросетях.
Hugging Face добавил в Transformers поддержку квантованных моделей llama.cpp через ядро ggml. Для локальных LLM это важный мост между привычным Python-стеком Transformers и компактными форматами развёртывания, которые используют пользователи GGUF.
Hugging Face взяла в команду Джуна Кима, автора oMLX: проект останется под лицензией Apache 2.0 и должен ускорить перенос моделей Transformers в нативные реализации MLX для Mac.
Свежий материал на Hugging Face разбирает, почему открытым моделям мало просто отказывать на опасные темы целиком: им нужно точнее отделять вредные запросы от полезных и законных сценариев вокруг той же темы.
Две свежие публикации из экосистемы Hugging Face сходятся в одной точке: открытым моделям нужны не только новые веса, но и более надёжные способы дообучения и проверки агентов. Один материал упрощает распределённое обучение, другой выделяет повторяемость поведения агентов как отдельную проблему.
